资深数据科学家技能（Design Data Science Experiments and Models） Skill 技能

技能简介

Senior Data Scientist 是一款为数据科学项目提供「统计骨架」的 Agent Skill，由 alirezarezvani 开发并开源，MIT 协议，支持 Claude、Codex、Claude Code 三类工具，质量分 81、审核状态 complete。数据科学项目翻车，往往不是模型不够花哨，而是实验设计缺统计依据、特征工程有数据泄漏、上线后无人监控。这款技能把资深数据科学家的工作方法固化下来：从实验设计、特征工程到模型评审，再到生产环境的监控、部署、可靠性与隐私控制，并提供可运行的 Python 命令行工具脚手架用于实验规划、特征处理与模型评估。它适合需要在动手之前先把方法论想清楚的算法工程师、数据分析师和产品实验团队。

核心能力

1. 实验设计指导：讲清实验设计、特征工程与统计方法的参考路径，避免拍脑袋设定。
2. 可运行工具脚手架：提供规划实验、处理特征与评估模型的 Python 命令行工具，直接可用。
3. 生产 ML 覆盖：涵盖监控、部署、可靠性与隐私控制等上生产必须面对的问题。
4. 实用工作流清单：汇总 A/B 测试、统计复核与向相关方沟通的实操步骤。
5. 决策框架：帮助围绕规模、成本、合规与可衡量结果来组织数据科学决策。
6. A/B 测试规划：定义指标、样本量、护栏指标与分析步骤，再启动产品实验。

安装配置

1. 准备可运行 npx 的 Node.js 环境，并确保本机具备 Python 运行环境（技能含 Python 脚手架）。
2. 执行 npx skillstore add alirezarezvani/senior-data-scientist 安装。
3. 确认外部命令权限可用，以便运行随附的 Python 工具。
4. 在 Claude / Codex / Claude Code 中启用后即可调用。

使用步骤

1. 描述项目目标：说明要做的是一个 A/B 实验、特征工程任务，还是模型评审。
2. 调用对应工作流：让 Agent 按实验设计或模型评审路径展开指引。
3. 运行脚手架工具：使用随附 Python 工具完成实验规划、特征处理或模型评估。
4. 复核统计口径：检查指标定义、样本量与护栏设置是否符合业务目标。
5. 形成结论与行动：把统计结果整理成取舍、风险与建议的业务行动清单。

适用场景

1. 规划 A/B 测试：在实验开始前定义指标、样本量、护栏指标与分析步骤。
2. 评审特征策略：梳理候选特征、做泄漏检查、明确监控需求与验证标准。
3. 准备管理层分析：把统计结果转化为清晰的取舍、风险与建议行动。
4. 生产化评审：评估模型上线后的监控、可靠性与隐私合规是否到位。

适用人群

• 负责实验与建模的数据科学家与算法工程师
• 需要规范分析流程的数据分析师
• 主导 A/B 实验的产品与增长团队
• 关注 ML 生产可靠性与合规的技术负责人

工作原理

技能采用「参考指南 + 脚手架工具」的组合结构。参考部分用文档讲清实验设计、特征工程与统计方法的要点，把资深实践者的判断标准显式化；工具部分提供可运行的 Python 命令行脚本，用于实验规划、特征处理与模型评估，让方法论能直接落到代码执行。两者结合，Agent 在用户描述任务后会选择合适的路径，先对齐统计口径，再产出可执行的步骤与工具调用。

官方链接

• 技能页面：https://skillstore.io/skills/alirezarezvani-senior-data-scientist
• 项目仓库：https://github.com/alirezarezvani/claude-skills
• 安装命令：npx skillstore add alirezarezvani/senior-data-scientist