# data-science-expert

Скилл для аналитики, статистики и визуализации: подключается, когда в задаче есть pandas, NumPy или разведочный анализ данных.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 573 установки · ★ 43
- Автор: personamanagmentlayer
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/personamanagmentlayer/pcl/tree/HEAD/stdlib/ai/data-science-expert/SKILL.md
- Обновлён: 2026-10-12
- HTML: https://affpapa.org/nevibecode/skills/data-science-expert

## Что делает

Скилл даёт агенту готовые шаблоны для работы с данными: класс `DataCleaner` для пропусков, дубликатов и выбросов, класс `EDA` для описательных статистик, корреляций и графиков распределения, `FeatureEngineer` для кодирования категорий, масштабирования и полиномиальных признаков. Внутри — код на pandas, NumPy, Matplotlib, Seaborn и scikit-learn, который агент берёт за основу вместо того, чтобы писать всё с нуля.

Скилл активируется сам, когда в запросе мелькают аналитика, визуализация, статистика, pandas или NumPy, либо когда задача касается машинного обучения и feature engineering. Разрешённые инструменты — `Read`, `Write`, `Edit` и `Bash(python:*)`, так что агент может запускать код и смотреть на результат.

Учтите: в примере с выбросами по z-score вызывается `stats.zscore`, но модуль `scipy.stats` в коде не импортирован — этот путь сломается, пока не добавите импорт сами. Остальные методы работают на pandas и NumPy без дополнительных зависимостей.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add personamanagmentlayer/pcl --skill data-science-expert -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/data-science-expert/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/data-science-expert/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add personamanagmentlayer/pcl --skill data-science-expert -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/data-science-expert/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add personamanagmentlayer/pcl --skill data-science-expert -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/data-science-expert/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install personamanagmentlayer/pcl data-science-expert
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/data-science-expert/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add personamanagmentlayer/pcl --skill data-science-expert -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/personamanagmentlayer/pcl --path stdlib/ai/data-science-expert
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/data-science-expert/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add personamanagmentlayer/pcl --skill data-science-expert -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/personamanagmentlayer/pcl/tree/HEAD/stdlib/ai/data-science-expert/SKILL.md

## Когда брать
- разобраться с пропусками и дубликатами перед обучением модели
- посчитать корреляции и построить тепловую карту признаков
- закодировать категориальные переменные и отмасштабировать числовые
- выбрать признаки через SelectKBest и mutual information
- построить сетку распределений по числовым колонкам

## Примеры запросов агенту
- почисти датасет от выбросов методом IQR и покажи, сколько строк осталось
- сделай EDA по таблице продаж: описательные статистики и матрица корреляций
- закодируй категориальные признаки one-hot и отмасштабируй числовые через StandardScaler

## Похожие
- [data-scientist](https://affpapa.org/nevibecode/skills/borghei-data-scientist.md) — скилл · 440 установок
- [google-cloud-solution-agentic-ai-data-science-workflow](https://affpapa.org/nevibecode/skills/google-cloud-solution-agentic-ai-data-science-workflow.md) — скилл · 5200 установок
- [statistics-math](https://affpapa.org/nevibecode/skills/statistics-math.md) — скилл · 432 установки
- [matplotlib](https://affpapa.org/nevibecode/skills/tondevrel-matplotlib.md) — скилл · 374 установки
- [data-jupyter-python](https://affpapa.org/nevibecode/skills/data-jupyter-python.md) — скилл · 865 установок
- [data-analyst](https://affpapa.org/nevibecode/skills/mindrally-data-analyst.md) — скилл · 759 установок

Из того же набора: [personamanagmentlayer/pcl](https://affpapa.org/nevibecode/by/personamanagmentlayer/pcl.md) — 14 карточек

_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