data-scientist
Analizar datos con orientación de ciencia de datos
Los equipos de datos necesitan orientación estructurada para estadística, aprendizaje automático e informes empresariales. Esta skill ayuda a Claude, Codex y Claude Code a planificar análisis, validar métodos y explicar hallazgos accionables.
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
Review the Skillstore skill "data-scientist" from https://skillstore.io/skills/sickn33-data-scientist.md and its manifest at https://skillstore.io/api/skills/sickn33-data-scientist/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.
Recursos legibles por agentes
Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.
Pruébalo
Usando "data-scientist". Planificar un proyecto de predicción de abandono para una empresa de suscripción.
Resultado esperado:
Un plan de proyecto con definición del objetivo, reglas de cohorte, grupos de características, ventanas de validación, opciones de modelo, métricas de evaluación y comprobaciones de despliegue.
Usando "data-scientist". Analizar si un rediseño del proceso de pago mejoró la conversión.
Resultado esperado:
Una revisión del experimento que cubre diseño de la prueba, elección de métricas, pruebas de significancia, tamaño del efecto, métricas de protección, advertencias y una recomendación de decisión.
Usando "data-scientist". Resumir los resultados de segmentación de clientes para ejecutivos.
Resultado esperado:
Una narrativa lista para partes interesadas con perfiles de segmentos, valor empresarial, acciones recomendadas, limitaciones de los datos y pasos de análisis de seguimiento.
Auditoría de seguridad
SeguroThe skill contains only instructional Markdown and no executable code, network actions, credential access, or destructive operations. No static or semantic security findings were identified, including no prompt injection language.
Compartir y citar este informe
Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.
Copiar enlace del informe
https://skillstore.io/skills/sickn33-data-scientist/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/sickn33-data-scientist?utm_source=security_passport_badge)Insignia HTML
<a href="https://skillstore.io/skills/sickn33-data-scientist?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-data-scientist/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Tarjeta para insertar
<iframe src="https://skillstore.io/embed/skills/sickn33-data-scientist.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citas académicas (APA · BibTeX · CFF)
Cita APA
sickn33. (2026). data-scientist security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-data-scientist/audits/5Cita BibTeX
@techreport{sickn33-sickn33-data-scientist-2026,
author = {sickn33},
title = {data-scientist security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/sickn33-data-scientist/audits/5},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "data-scientist security audit report (audit version 5)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/sickn33-data-scientist/audits/5"
identifiers:
- type: other
value: "skillstore:sickn33-data-scientist:audit:5"
description: "Skillstore immutable audit report identifier"
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: AltoLo que puedes crear
Planificar un proyecto de modelado predictivo
Define el objetivo, las características, la estrategia de validación, las métricas y las consideraciones de despliegue para un flujo de trabajo de aprendizaje supervisado.
Evaluar resultados de experimentos
Elige pruebas estadísticas, estima tamaños de efecto, comprueba supuestos y traduce los resultados del experimento en recomendaciones empresariales.
Crear historias de datos para ejecutivos
Convierte los hallazgos del análisis en elementos visuales claros, advertencias, decisiones y próximos pasos para partes interesadas no técnicas.
Prueba estos prompts
Ayúdame a planificar un análisis de ciencia de datos para [business question]. Los datos disponibles incluyen [fields]. Pide primero cualquier contexto que falte.
Recomienda métodos estadísticos para comprobar si [change] afectó a [metric]. Incluye supuestos, consideraciones sobre el tamaño de la muestra y orientación para la interpretación.
Diseña un flujo de trabajo de modelado predictivo para [target outcome]. Cubre ingeniería de características, validación, métricas, comprobaciones de sesgo, interpretabilidad y monitoreo.
Revisa este enfoque de ciencia de datos para [project]. Identifica riesgos estadísticos, fuga de datos, brechas de gobernanza de modelos y mejoras en la comunicación con las partes interesadas.
Mejores prácticas
- Proporciona el objetivo empresarial, el alcance del conjunto de datos, las definiciones de métricas y los criterios de decisión antes de pedir recomendaciones.
- Pide supuestos, comprobaciones de validación y limitaciones cuando el análisis afecte decisiones empresariales o de clientes.
- Solicita tanto detalles técnicos como resúmenes listos para partes interesadas cuando compartas resultados con audiencias mixtas.
Evitar
- No pidas una recomendación de modelo sin explicar el objetivo, los datos, las restricciones y el contexto de despliegue.
- No trates la significancia estadística como significancia empresarial sin tamaño del efecto e impacto práctico.
- No omitas comprobaciones de fuga de datos, sesgo, privacidad y reproducibilidad antes de usar salidas del modelo.