# data-specialist

Субагент data-specialist для исследовательского анализа данных, машинного обучения и оптимизации SQL-запросов под PostgreSQL, MySQL, SQL Server и Oracle.

- субагент · `type=agent` · Claude Code, Codex, Cursor · ★ 328 у репозитория
- Автор: coco-research
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/coco-research/coco/tree/HEAD/agents/data-specialist.md
- Обновлён: 2026-10-29
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/agents/data-specialist

## Что делает

Субагент переводит бизнес-задачи в аналитические вопросы и проверяет статистические гипотезы. В проверке гипотез он опирается на порог значимости p < 0.05, а для выполнения запросов к базам данных держит целевой ориентир до 100 мс.

Внутри заложены чек-листы по машинному обучению, кросс-валидации моделей, расчету метрик (AUC-ROC, RMSE) и работе с временными рядами. Для баз данных агент анализирует планы выполнения, подбирает покрывающие индексы и помогает структурировать CTE, оконные функции или уровни изоляции транзакций.

Инструкция строго требует анализа планов выполнения перед оптимизацией, поэтому без реальной схемы таблиц и плана `EXPLAIN` агент выдаст лишь теоретические догадки по индексам.

## Установка

### Claude Code (родная платформа)

**Вручную: положить файлы**
- Файл: `.claude/agents/data-specialist.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Codex

**Вручную: положить файлы**
- Файл: `.codex/agents/data-specialist.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/data-specialist.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/coco-research/coco/tree/HEAD/agents/data-specialist.md

## Когда брать
- ускорить медленный SQL-запрос через анализ плана выполнения
- настроить кросс-валидацию и метрики для модели машинного обучения
- спроектировать A/B-тест с проверкой статистической значимости
- собрать когортный анализ и расчёт удержания пользователей

## Примеры запросов агенту
- Оптимизируй этот медленный запрос в PostgreSQL и проверь план выполнения
- Помоги спланировать A/B-тест для новой кнопки и рассчитать размер выборки
- Построй базовую модель классификации на scikit-learn с кросс-валидацией

## Похожие
- [data-scientist](https://affpapa.org/nevibecode/skills/data-scientist.md) — скилл · 385 установок
- [analyze-data-quality](https://affpapa.org/nevibecode/skills/analyze-data-quality.md) — скилл · 9 установок
- [data-science](https://affpapa.org/nevibecode/skills/data-science.md) — скилл · 189 установок
- [data-analyst](https://affpapa.org/nevibecode/skills/borghei-data-analyst.md) — скилл · 629 установок
- [data-storyteller](https://affpapa.org/nevibecode/skills/data-storyteller.md) — скилл · 241 установка
- [firebase-data-connect](https://affpapa.org/nevibecode/skills/firebase-data-connect.md) — скилл · 179900 установок

Из того же набора: [coco-research/coco](https://affpapa.org/nevibecode/by/coco-research/coco.md) — 82 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
