본문으로 건너뛰기
cccskills
무료GitHub에 공개

analysis-reporting

Use this when summarizing analysis results, writing reports, documenting experiment outcomes, or presenting model evaluation — including structuring findings in Japanese with conclusions, facts, assumptions, interpretations, and caveats.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

atsushi-green/ds-ai-coding-skills
설치 방법 보기

포함된 파일(2)

  • SKILL.md3.0 KB
  • references/report-template.md1.4 KB

SKILL.md(원문)

설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.

Skill: Analysis Reporting

Use this skill when summarizing analysis results, experiment outcomes, or model evaluation.

Language

  • Reports should be written in Japanese unless otherwise requested.

Structure

  1. 結論 — Start with the conclusion or key finding.
  2. 事実 — Present objective facts from the data.
  3. 仮定 — State assumptions made during analysis.
  4. 解釈 — Provide interpretations and implications.
  5. 制約・注意点 — Mention limitations, caveats, and possible bias.

A fill-in-the-blank report skeleton with all of the above, plus the reproducibility section, is in references/report-template.md.

Diagnostics Summary（診断サマリー）

When any statistical / ML / causal / simulation / optimization method was applied, add a 診断サマリー section between 事実 and 解釈, containing the table defined by the matching *-diagnostics skill:

診断項目実測値合格基準判定次アクション
  • 判定 is one of OK / 要対処 / 確認（人間の判断待ち）. Every 要対処 needs a 次アクション.
  • The analysis code only saves the figures and prints (or saves) the diagnostic values as a table of metric names and numbers. Copy 実測値 from that output, then write 合格基準, 判定 and 次アクション in the report by reading the values and figures against the skill's criteria. Do not build verdict strings, criteria text or next actions with if-branches or f-strings in the analysis code (an assert that stops an invalid analysis, such as an SRM check, is fine).
  • Include the table even when every item is OK.
  • Link the figure directory (outputs/diagnostics/<YYYYMMDD-HHMM>_<skill>/) instead of embedding figures.

Required Context

Include the following when relevant:

  • データ期間: Date range of the analysis.
  • フィルタ条件: Filters applied to the data.
  • サンプルサイズ: Number of records or observations.
  • 指標定義: How key metrics are calculated.

Reproducibility Notes

Every report should include or reference:

  • 入力データパス: Path to input data used.
  • クエリ/スクリプトパス: Path to the query, notebook, or script that produced the results.
  • 出力パス: Path to output artifacts (figures, tables, reports).
  • 実行コマンド: Command used to generate results.

Tone

  • Use business-friendly language for summaries intended for stakeholders.
  • Keep technical details available for reviewers (in appendix or linked notebook).
  • Avoid jargon when simpler terms suffice.
  • Be precise about what the data shows vs. what is inferred.

리뷰

아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.

댓글

로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

보내면 바로 공개됩니다. 이메일 주소나 전화번호 같은 개인 정보는 쓰지 마세요. URL은 2개까지입니다.

0 / 1,000자

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

같은 저장소의 스킬

causal-inference-diagnostics

무료

因果推論・効果検証（A/B テスト / ABテスト / オンライン実験 / リフト / SRM / CUPED、観察データの処置効果 / ATE / ATT / CATE / 傾向スコア / propensity score / IPW / 二重頑健 / DML / causal forest、準実験 / 差の差 / DiD / イベントスタディ / 操作変数 / IV / 2SLS / 回帰不連続 / RDD / 合成コントロール）を実行したら必ずセットで出す図と値のルーター。 proportions_ztest, chisquare, statsmodels.stats.power, dowhy, econml, causalml, doubleml, propensity, LinearDML, IV2SLS, rdrobust, rddensity, pysyncon, treat*post がコードに現れたとき、またはユーザーが「ABテストの結果を 見て」「施策の効果を推定して」「差の差で」「傾向スコアで揃えて」「閾値前後で比較して」と言ったときに使う。SRM・ バランス・並行トレンド・first-stage に言及がなくても適用する。SKILL.md のルーティング表で設計を特定し、対応する references/<設計>.md を読んでから実行する。実験でない群間比較の検定は statistical-inference-diagnostics、 予測モデルの解釈（SHAP 等）は predictive-modeling-diagnostics を使う。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

atsushi-green/ds-ai-coding-skills912026년 10월 4일 업데이트

dataframe-polars

무료

Use this when performing DataFrame operations — including loading, filtering, joining, aggregating, transforming, or reshaping tabular data with polars or pandas.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

atsushi-green/ds-ai-coding-skills912026년 10월 4일 업데이트

notebook-workflow

무료

Use this when creating, editing, executing, or reviewing Jupyter notebooks — including cell structure, kernel management, extracting reusable logic to src/, and ensuring notebooks are restartable.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

atsushi-green/ds-ai-coding-skills912026년 10월 4일 업데이트

path-and-io

무료

Use this when reading from or writing to local files — including constructing file paths with pathlib, creating directories, choosing output locations, and using path utilities from src/analysis_project/paths.py.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

atsushi-green/ds-ai-coding-skills912026년 10월 4일 업데이트

plan-analysis

무료

分析を始める前に構造化された分析計画を作成する

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

atsushi-green/ds-ai-coding-skills912026년 10월 4일 업데이트

predictive-modeling-diagnostics

무료

予測モデリング（教師あり機械学習 / 予測モデル / 精度評価 / 交差検証 / リーク、決定木 / ランダムフォレスト / GBDT / LightGBM / XGBoost / CatBoost、モデル解釈 / 特徴量重要度 / SHAP / PDP / ICE、時系列 / 季節性 / ARIMA / SARIMA / Prophet / VAR / 変化点 / 時系列予測）を実行したら必ずセットで出す図と値のルーター。train_test_split, cross_val_score, GridSearchCV, Pipeline, TimeSeriesSplit, DecisionTree, RandomForest, lgb., xgb., CatBoost, dtreeviz, shap., permutation_importance, PartialDependenceDisplay, statsmodels.tsa, SARIMAX, STL, adfuller, plot_acf, Prophet, ruptures がコードに現れたとき、または ユーザーが「予測モデルを作って」「精度を出して」「どの変数が効いているか」「来月を予測して」「季節性を見て」と 言ったときに使う。診断・リーク・ベースライン・残差に言及がなくても適用する。SKILL.md のルーティング表で手法を特定し、 対応する references/<手法>.md を読んでから実行する。回帰係数の推論・検定は statistical-inference-diagnostics、 効果推定は causal-inference-diagnostics を使う。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

atsushi-green/ds-ai-coding-skills912026년 10월 4일 업데이트

atsushi-green의 스킬 모두 보기

이 스킬의 문제 신고