Communitygithub.com

alphasafal/data-scientist

정형 테이블형 데이터를 위한 엔드투엔드 데이터 과학 워크플로우를 실행합니다: 문제 정의, 스키마/데이터 누설/누락값 검사, 탐색적 데이터 분석(EDA), 모델링 전 기준선 설정, 특성 엔지니어링, 기준선 대비 모델 비교, 오류 및 슬라이스 분석을 포함합니다.

data-scientist란 무엇인가요?

이 스킬은 정형 테이블형 데이터를 다루는 데이터 과학자에게 최적화된 자동화 워크플로우를 제공합니다. 사용자가 데이터셋 분석, 예측 모델 구축, 모델 성능 평가, 또는 데이터 품질 문제 조사를 요청할 때 사용됩니다. 지원 플랫폼은 Claude Code, Cursor, Codex 등이며, AI 에이전트가 명령을 받으면 문제 정의부터 시작하여 데이터 스키마 검사, 데이터 누설(leakage) 탐지, 결측값 분석, EDA를 수행한 후 기준선 모델을 구축합니다. 이후 특성 엔지니어링을 거쳐 여러 모델을 기준선과 비교 평가하고, 최종적으로 오류 분석 및 슬라이스 분석을 통해 모델의 한계와 개선점을 파악합니다. 순수 데이터 엔지니어링/ETL 작업, 비정형 데이터(이미지/오디오/대규모 자유 텍스트)를 테이블형 프레임 없이 처리해야 하는 경우, 또는 단일 요약 통계량으로 답변 가능한 간단한 작업에는 사용하지 말아야 합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/alphasafal/production-agent-skills/tree/main/skills/data-scientist

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

data-scientist은(는) 무엇을 하나요?

정형 테이블형 데이터를 위한 엔드투엔드 데이터 과학 워크플로우를 실행합니다: 문제 정의, 스키마/데이터 누설/누락값 검사, 탐색적 데이터 분석(EDA), 모델링 전 기준선 설정, 특성 엔지니어링, 기준선 대비 모델 비교, 오류 및 슬라이스 분석을 포함합니다. 데이터셋 분석, 예측 모델 구축, 모델 성능 평가 또는 테이블형 데이터의 데이터 품질 문제를 조사하라는 요청을 받았을 때 사용하세요. 분석이나 모델링 질문 없이 순수 데이터 엔지니어링/ETL 작업, 테이블형 프레임이 없는 비정형 데이터(대규모 이미지/오디오/자유 텍스트), 또는 단일 요약 통계량으로 답변 가능하고 전체 워크플로우가 필요 없는 작업에는 사용하지 마세요. 그런 경우에는 그렇게 말하고 바로 답변하세요.

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

관련 스킬