Data Science Expert — stats, ML pipelines, governance, BI, analytics strategy
Skill d'expert data science très large : chaîne de valeur analytique, stats, sélection d'algorithmes ML, gouvernance, dashboards BI, modélisation prédictive, éthique — avec renvois aux playbooks groupés de pipelines ML et méthodes statistiques
- Quoi
- Skill d'expert data science très large : chaîne de valeur analytique, stats, sélection d'algorithmes ML, gouvernance, dashboards BI, modélisation prédictive, éthique — avec renvois aux playbooks groupés de pipelines ML et méthodes statistiques
- Coût
- Gratuit
- Prérequis
- une initiative data science ou analytics à cadrer — le skill est un playbook d'expert que l'agent suit, pas un logiciel ; le contenu profond est dans les references/ groupés
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — data-science de @travisjneuman : un skill d'expert data science complet couvrant la stratégie data (modèle de maturité data en 5 niveaux, chaîne de valeur analytique du descriptif à l'autonome), l'analyse statistique (statistiques descriptives avec notes de robustesse), le machine learning (tableau de sélection d'algorithmes par tâche : classification, régression, clustering, détection d'anomalies, séries temporelles, recommandations, NLP), la gouvernance des données (politiques, rôles, dimensions de qualité des données avec définitions de mesure), la business intelligence (architecture BI en couches, principes de design de dashboards, template de définition de métriques), le framework de cas d'usage de modélisation prédictive (churn, prévision de demande, fraude, LTV…), l'éthique et la privacy des données (équité, types de biais, métriques de fairness), et la structure des équipes analytics (rôles, modèles d'exploitation centralisé vs hub-and-spoke vs fédéré). Bémols honnêtes : large plutôt que profond sur chaque sujet — c'est un playbook de référence de frameworks et checklists, pas des tutoriels ni du code ; le détail profond est dans les `references/ml-pipelines.md` et `references/statistical-methods.md` groupés à l'intérieur du repo, et le fichier référence des skills frères (`../product-management`, `../business-strategy`, `../finance`) non inclus. Le frontmatter du skill ne mentionne aucune licence ; le manifest du catalogue indique MIT — le manifest fait foi. Licence MIT selon le manifest. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : une initiative data science ou analytics à cadrer — le skill est un playbook d'expert que l'agent suit, pas un logiciel ; le contenu profond est dans les references/ groupés Installe-moi « Expert Data Science — stats, pipelines ML, gouvernance, BI, stratégie analytique ». Il donne à mon agent le playbook data science complet de @travisjneuman : modèle de maturité data, chaîne de valeur analytique (descriptif → diagnostique → prédictif → prescriptif → autonome), analyse statistique, sélection d'algorithmes ML par tâche, framework de gouvernance des données et dimensions de qualité, architecture BI avec principes de design de dashboards et template de métriques, framework de cas d'usage de modélisation prédictive, conseils d'IA éthique et de détection de biais, et rôles/modèles d'exploitation des équipes analytics — avec pointeurs vers references/ml-pipelines.md et references/statistical-methods.md pour la profondeur. Note de licence : le frontmatter du skill ne mentionne aucune licence ; le manifest du catalogue indique MIT — le manifest fait foi. Dépôt : https://github.com/travisjneuman/.claude/blob/main/skills/data-science/SKILL.md 1. Récupère le fichier SKILL.md (et les references/ groupés) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « data-science ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (rien — c'est un playbook d'expert que l'agent applique pour cadrer des travaux analytics, ML ou BI). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.