crisp-for-data은(는) 무엇을 하나요?
데이터 파이프라인 프로젝트(프론트엔드 불포함)를 위한 6개의 순차적 Claude Code 스킬로 구성된 CRISP-DM 방법론입니다. earn-the-data의 동반자입니다.
데이터 파이프라인 프로젝트를 위한 6개의 순차적 Claude Code 스킬로 구성된 CRISP-DM 방법론입니다 (프론트엔드 불포함). earn-the-data의 동반자입니다.
이 스킬은 데이터 마이닝 및 분석을 위한 산업 표준 방법론인 CRISP-DM(Cross-Industry Standard Process for Data Mining)을 Claude Code 환경에서 실행 가능한 6개의 순차적 단계로 구현합니다. 각 단계는 비즈니스 이해, 데이터 이해, 데이터 준비, 모델링, 평가, 배포로 구성되어 있으며, 데이터 파이프라인 프로젝트에 특화되어 있습니다. 프론트엔드 요소는 포함하지 않으며, 데이터 수집 및 전처리부터 모델 배포까지의 엔드투엔드 워크플로우를 Claude Code 명령어로 실행할 수 있도록 설계되었습니다. 'earn-the-data'의 동반자 도구로서, 개발자와 데이터 과학자가 체계적이고 반복 가능한 방식으로 데이터 프로젝트를 관리할 수 있도록 지원합니다.
npx skills add elkhouryrafik-boop/crisp-for-dataInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
데이터 파이프라인 프로젝트(프론트엔드 불포함)를 위한 6개의 순차적 Claude Code 스킬로 구성된 CRISP-DM 방법론입니다. earn-the-data의 동반자입니다.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.