Навыки senior-data-scientist

📦

senior-data-scientist

Name: senior-data-scientist
Author: alirezarezvani

Ревизия содержимого r1 Безопасно ⚙️ Внешние команды

Проектирование экспериментов и моделей в науке о данных

Проекты в области науки о данных часто терпят неудачу, когда эксперименты, признаки и модели не имеют четкой статистической структуры. Этот навык дает Claude, Codex и Claude Code пошаговые рабочие процессы для экспериментов, инженерии признаков и анализа моделей.

Поддерживает: Claude Codex Code(CC)

🥈 81 Серебро

Установить с помощью моего Агента

Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.

Запрос агента

Review the Skillstore skill "senior-data-scientist" from https://skillstore.io/skills/alirezarezvani-senior-data-scientist.md and its manifest at https://skillstore.io/api/skills/alirezarezvani-senior-data-scientist/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.

Ресурсы для AI-агентов

Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.

Markdown-детали GET /skills/alirezarezvani-senior-data-scientist.md Подписанный manifest GET /api/skills/alirezarezvani-senior-data-scientist/manifest Подписанный lockfile GET /api/skills/alirezarezvani-senior-data-scientist/lockfile

Протестировать

Использование «senior-data-scientist». Запрос: Спроектировать A/B-тест для нового процесса адаптации пользователей.

Ожидаемый результат:

Навык возвращает план теста с гипотезой, основной метрикой активации, ограничительными метриками, входными данными для размера выборки, критериями запуска и рекомендациями по интерпретации.

Использование «senior-data-scientist». Запрос: Проверить признаки для модели прогнозирования оттока.

Ожидаемый результат:

Навык создает обзор признаков с предупреждениями об утечке данных, идеями преобразований, проверками пропущенных данных, мониторингом дрейфа и рекомендациями по валидации.

Использование «senior-data-scientist». Запрос: Объяснить результаты оценки модели руководителям.

Ожидаемый результат:

Навык обобщает компромиссы точности, доверительные пределы, операционные риски и рекомендацию простым языком для бизнес-решения.

Аудит безопасности

Безопасно

v8 • 09.07.2026 Открыть версионный отчет

No evidence of malware, prompt injection, network reconnaissance, or data exfiltration was found in the reviewed files. Most static findings are false positives caused by Markdown code fences or inline references. One documented command block includes state-changing deployment examples that should require explicit user review.

Просканировано файлов

773

Проанализировано строк

Пункты проверки

Ложные срабатывания проигнорированы

Пункты проверки возможностей (1)

Это реальные локальные возможности, которые могут ожидаться для этого навыка, поэтому они требуют проверки, но не считаются подтверждённым вредоносным поведением.

Средний

SKILL.md:167-185

Ruby/shell backtick execution

```bash

This Markdown bash block includes operational commands such as docker build, kubectl apply, and helm upgrade. They are documented examples, but they can change infrastructure if an agent runs them without user confirmation.

Факторы риска

⚙️ Внешние команды (10)

SKILL.md:14-23 SKILL.md:23-54 SKILL.md:54-65 SKILL.md:65-75 SKILL.md:75-167 SKILL.md:167-185 SKILL.md:185-189 SKILL.md:189-190 SKILL.md:190-191 SKILL.md:191-192

Аудитор:: codex Посмотреть историю аудитов →

Поделиться и цитировать этот отчет

Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.

Открыть версионный отчет

Копировать ссылку на отчёт

https://skillstore.io/skills/alirezarezvani-senior-data-scientist/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Значок Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/alirezarezvani-senior-data-scientist/security.svg)](https://skillstore.io/skills/alirezarezvani-senior-data-scientist?utm_source=security_passport_badge)

Значок HTML

<a href="https://skillstore.io/skills/alirezarezvani-senior-data-scientist?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/alirezarezvani-senior-data-scientist/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Встраиваемая карточка

<iframe src="https://skillstore.io/embed/skills/alirezarezvani-senior-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>

Академические ссылки (APA · BibTeX · CFF)

Цитата APA

alirezarezvani. (2026). senior-data-scientist security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/alirezarezvani-senior-data-scientist/audits/8

Цитата BibTeX

@techreport{alirezarezvani-alirezarezvani-senior-data-scientist-2026,
  author = {alirezarezvani},
  title = {senior-data-scientist security audit report (audit version 8)},
  institution = {Skillstore},
  year = {2026},
  number = {8},
  url = {https://skillstore.io/skills/alirezarezvani-senior-data-scientist/audits/8},
  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: "senior-data-scientist security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
  - name: "alirezarezvani"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/alirezarezvani-senior-data-scientist/audits/8"
identifiers:
  - type: other
    value: "skillstore:alirezarezvani-senior-data-scientist:audit:8"
    description: "Skillstore immutable audit report identifier"

Сравнить варианты

2 устанавливаемых вариантов

Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.

Почему этот вариант первый

Больше использования в Skillstore

Автор / источник Оценка Skillstore Достоверность доказательств Использование в Skillstore Обновлено

alirezarezvani Рекомендуется Текущий

alirezarezvani-senior-data-scientist

Оценка Skillstore 81

Достоверность доказательств Высокий

Использование в Skillstore 23

Обновлено

2026-09-09

davila7

davila7-senior-data-scientist

Оценка Skillstore 81

Достоверность доказательств Высокий

Использование в Skillstore 10

Обновлено

2026-09-09

Оценка Skillstore

Почему такая оценка Достоверность доказательств: Высокий

Архитектура

Сопровождаемость

Контент

Сообщество

Соответствие спецификации

Что вы можете построить

Спланировать A/B-тест

Определить метрики, размер выборки, ограничительные метрики и шаги анализа до начала продуктового эксперимента.

Проанализировать стратегию признаков

Организовать кандидатные признаки, проверки утечки данных, потребности в мониторинге и критерии валидации для модельного проекта.

Подготовить анализ для руководства

Преобразовать статистические результаты в понятные компромиссы, риски и рекомендуемые бизнес-действия.

Попробуйте эти промпты

План эксперимента для начинающих

Создайте план A/B-теста для этого изменения продукта: [describe change]. Включите гипотезу, основную метрику, ограничительные метрики, требования к выборке и правила принятия решений.

Чеклист проверки признаков

Проверьте эти кандидатные признаки для предиктивной модели: [feature list]. Определите риски утечки данных, преобразования, проверки мониторинга и шаги валидации.

Краткий обзор оценки модели

Оцените эти результаты модели: [metrics and context]. Объясните производительность, неопределенность, вопросы справедливости, production-риски и рекомендацию.

Продвинутый причинно-следственный анализ

Разработайте причинно-следственный анализ для этого вопроса: [business question]. Включите идентификационные предположения, требования к данным, угрозы валидности, проверки чувствительности и план коммуникации.

Лучшие практики

Предоставляйте бизнес-контекст, определения метрик и известные проблемы качества данных перед запросом анализа.
Запрашивайте предположения, проверки валидации и сценарии отказа для каждой рекомендации по эксперименту или модели.
Проверяйте любую предложенную команду или шаг развертывания перед запуском в реальной среде.

Избегать

Не рассматривайте каркасные скрипты как полноценные production-пайплайны.
Не используйте статистические рекомендации без проверки качества данных и предметных предположений.
Не запускайте примеры развертывания без явного одобрения и проверки среды.