O que bigdata-analysis-skill faz?
AI coding skill for Hive/Impala/Spark ETL — 10 rules to prevent silent data bugs on HDFS/YARN
Habilidade de codificação com IA para ETL com Hive/Impala/Spark — 10 regras para prevenir bugs silenciosos de dados no HDFS/YARN.
Oak-B/bigdata-analysis-skill é uma habilidade de codificação com IA focada no desenvolvimento de ETL de Big Data, especialmente direcionada para os frameworks Hive, Impala e Spark. Ela oferece 10 regras cuidadosamente elaboradas para ajudar desenvolvedores a prevenir bugs silenciosos de dados (silent data bugs) em ambientes HDFS e YARN, erros que são difíceis de detectar e podem causar sérios problemas de qualidade de dados. A habilidade cobre as melhores práticas para escrita de consultas, gerenciamento de partições de dados, otimização de recursos e agendamento de tarefas, fornecendo sugestões de código acionáveis e estratégias de otimização. Seja você um engenheiro de dados, analista de dados ou desenvolvedor de agentes de IA, se beneficiará desta habilidade, especialmente ao construir pipelines de dados estáveis e eficientes. Compatível com as principais plataformas de codificação com IA, como Claude Code, Cursor e Codex, os usuários podem ativar essas regras por meio de prompts simples para revisar ou gerar código ETL mais robusto. Seguindo essas regras, as equipes podem reduzir significativamente falhas em produção devido a inconsistências ou perdas de dados, melhorando a confiabilidade e a manutenibilidade dos pipelines de dados.
npx skills add Oak-B/bigdata-analysis-skillInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
AI coding skill for Hive/Impala/Spark ETL — 10 rules to prevent silent data bugs on HDFS/YARN
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.