data-scientist
خبير عالم بيانات محترف
تحتاج إلى إرشاد خبير في تحليل البيانات ونماذج التعلم الآلي والنمذجة الإحصائية. توفر هذه المهارة شخصية عالم بيانات محترف تساعد بشكل استباقي في المهام التحليلية المعقدة والنمذجة التنبؤية وذكاء الأعمال.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "data-scientist". تحليل تقلص العملاء وبناء نموذج تنبؤي
Résultat attendu:
## نهج تحليل التقلص
### 1. التحليل الاستكشافي للبيانات
- توزيع الميزات الرئيسية (مدة الاشتراك والاستخدام والفواتير)
- تحليل الارتباط بين المتنبئات والتقلص
- معدلات التقلص حسب الشريحة
### 2. النموذج الموصى به
- الخوارزمية: XGBoost مع موازنة الفئات
- الميزات: 15-20 ميزة مُهندَسة من دورة حياة العميل
- التحقق: التحقق المتبادل 5-fold مع AUC-ROC
### 3. المتنبئات الرئيسية (تحليل SHAP)
- نوع العقد (أقوى متنبئ)
- الرسوم الشهرية
- طول مدة الاشتراك
- طريقة الدفع
### 4. رؤى قابلة للتنفيذ
- استهداف العملاء بعقود شهرية
- تقديم حوافز عند علامة 12 شهراً
- مراقبة العملاء ذوي الرسوم العالية عن كثب
Utilisation de "data-scientist". تصميم اختبار A/B لتدفق دفع الموقع
Résultat attendu:
## تصميم اختبار A/B
### الفرضية
تدفق الدفع الجديد سيزيد معدل التحويل بنسبة 5%
### حساب حجم العينة
- معدل التحويل الأساسي: 3%
- الحد الأدنى للتأثير القابل للكشف: 5%
- القوة الإحصائية: 80%
- مستوى الدلالة: 5%
- العينة المطلوبة: ~25,000 لكل متغير
### العشوائية
- وحدة العشوائية: user_id
- التقسيم الطبقي حسب مصدر الحركة
- ضمان التوزيع المتساوي
### المقاييس
- الأساسي: معدل التحويل
- الثانوي: الإيرادات لكل مستخدم والتخلي عن عربة التسوق
- الحماية: وقت تحميل الصفحة
### خطة التحليل
- اختبار z للتناسبين
- فترات الثقة
- حدود المراقبة المتسلسلة
Audit de sécurité
SûrPrompt-only skill containing only expertise instructions for AI behavior. No executable code, no file system access, no network requests, and no external commands. The SKILL.md defines a data scientist persona with capabilities across statistical analysis, ML, and business analytics. Static analysis scanned 0 files with 0 issues detected. This is a safe, read-only prompt skill.
Score de qualité
Ce que vous pouvez construire
بناء نموذج تنبؤي لتقلص العملاء
تحليل بيانات العملاء لتحديد أنماط التقلص وبناء نموذج تنبؤي لتحديد العملاء المعرضين للخطر مع توصيات احتفاظ قابلة للتنفيذ.
تصميم وتحليل اختبار A/B
تصميم تجارب عشوائية مضبوطة وتحديد أحجام العينات من خلال تحليل القوة وتحليل النتائج بشكل صحيح مع اختبار الدلالة الإحصائية.
إنشاء نظام توقع الطلب
بناء نماذج التنبؤ بالسلاسل الزمنية باستخدام ARIMA أو Prophet أو أساليب التعلم العميق لتخطيط المخزون وتحسين سلسلة التوريد.
Essayez ces prompts
ساعدني في تحليل مجموعة البيانات هذه. ما هي الأنماط الرئيسية والتوزيعات والارتباطات؟ قدم ملخصات إحصائية ورؤى أولية.
أحتاج إلى بناء نموذج تنبؤي لـ [نتيجة محددة]. البيانات تتضمن [وصف الميزات]. أوصِ بالخوارزميات المناسبة وساعد في هندسة الميزات ووجهني خلال اختيار النموذج والتحقق من صحته.
صمم اختبار A/B لـ [ميزة/علاج]. كيف أحدد حجم العينة؟ ما الطرق الإحصائية التي يجب استخدامها للتحليل؟ كيف أتعامل مع المقارنات المتعددة؟
أنشئ تصورات لـ [تحليل محدد]. الجمهور هو [تقني/غير تقني]. ما أنواع المخططات الأكثر فعالية؟ ساعدني في سرد قصة بيانات مقنعة.
Bonnes pratiques
- تحقق دائمًا من الافتراضات قبل تطبيق الأساليب الإحصائية - افحص normality والاستقلالية وhomoscedasticity
- تواصل مع عدم اليقين بوضوح باستخدام فترات الثقة وقيم p بدلاً من الدلالة الإحصائية فقط
- ابدأ ببساطة مع النماذج الأساسية قبل الانتقال إلى الأساليب المعقدة - وثق سبب ضرورة الأساليب الأكثر تطوراً
Éviter
- استخدام نماذج ML معقدة عندما تكفي الأساليب الإحصائية البسيطة - هندسة الحلول الزائدة تضيف تعقيداً غير ضروري
- تجاهل مشكلات جودة البيانات والمتابعة مباشرة إلى النمذجة دون EDA مناسب
- الإبلاغ عن النتائج دون مراعاة الأهمية العملية - الدلالة الإحصائية لا تساوي دائماً قيمة الأعمال