55건 · 관련도순
Audit existing ML monitoring — find gaps in drift coverage and missing alerts. Use when asked to "audit our ML monitoring", "are our models monitored", or "find drift coverage gaps".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design a drift monitoring system for a production ML model. Use when asked to "monitor this model in production", "detect data drift", or "set up ML monitoring".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design drift alerts and escalation — thresholds, runbooks, and retrain triggers. Use when asked to "alert on model drift", "when should we retrain", or "write a drift escalation runbook".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design and implement a feature engineering pipeline for a ML problem. Use when asked to "engineer features for this model", "what features should we build", or "design feature transformations".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Audit feature engineering code for leakage, quality issues, and pipeline correctness. Use when asked to "audit our feature pipeline", "is there data leakage", or "find feature quality issues".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Audit existing data cleaning code — find missing validation, silent data loss, and quality gaps. Use when asked to "audit our data cleaning", "are we losing data silently", or "find data quality gaps".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Survey existing forecasting code or models in a codebase — find gaps, stale models, and missing validation. Use when asked "what forecasting models do we have", "audit our forecasts", or "find stale models".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design a data validation pipeline — schema checks, range validation, and quality metrics. Use when asked to "validate incoming data", "add schema checks", or "define data quality metrics".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Validate and benchmark a forecasting model — walk-forward CV, error metrics, baseline comparison. Use when asked "is this forecast any good", "validate a forecasting model", or "backtest the forecast".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design a data cleaning and transformation pipeline — missing values, outliers, and deduplication. Use when asked to "clean this dataset", "handle missing values", or "deduplicate this data".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build a forecasting model for a time series — demand, revenue, or usage prediction. Use when asked to "forecast demand", "predict next quarter revenue", or "build a time series model".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build apps with the Claude API or Anthropic SDK. TRIGGER when: code imports `anthropic`/`@anthropic-ai/sdk`/`claude_agent_sdk`, or user asks to use Claude API, Anthropic SDKs, or Agent SDK. DO NOT TRIGGER when: code imports `openai`/other AI SDK, general programming, or ML/data-science tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Designs a tailored multi-product agentic data science architecture on Google Cloud that incorporates opinionated best practices. Use when architecting multi-product solutions for agent-based data analytics or ML workloads. Don't use for simple queries, non-agentic pipelines, general cloud reviews, or writing agent code.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use for data science refit recipes when optimizing a Coworld player.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use for data science refit recipes in scripted Coworld policy optimization.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use for reusable data science refit recipes in software and coding-agent work.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use for Crewrift-specific data science refit recipes when optimizing a player.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Orchestrate an end-to-end data analysis or machine learning project from decision framing through reproducible handoff. Use when a request spans multiple lifecycle stages or an ambiguous modeling request must become a decision-ready result; use narrower audit or experiment-design skills for isolated reviews.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use only when the user explicitly requests strict code-cell-only output for a Jupyter or undergraduate data-science task, or when an ITX2007 assignment requires that format. Do not activate for ordinary data analysis or explanation requests.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use for explicit undergraduate data-science teaching, assignment guidance, concept clarification, method selection, or output interpretation. Do not activate merely because a task contains data or Python code.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Data Scientist IA — Expert en data science (pandas, numpy, scikit-learn, EDA, feature engineering, statistical analysis)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Expert en data science (pandas, numpy, scikit-learn, feature engineering, model selection)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Data scientist v3 — ML, deep learning, NLP, CV, experimentation, MLOps
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
This skill should be used when working with Python projects that use uv for package and project management. Use this skill for running Python scripts and CLI tools with `uv run`, managing dependencies, creating projects, handling virtual environments, and executing commands within isolated project environments. Essential for projects with pyproject.toml files.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.