面向数据科学的 Agent Skills
数据科学技能覆盖了模型参与其中的应用分析全流程：界定问题、决定可以用哪些数据训练和测试、塑造模型实际看到的表示、选择模型以及它必须超越的简单基线、用下个月依然成立的数字来评估，以及交付别人能用的预测或洞见。这个主题下的技能往往很窄——一个帮你追问更好的预测是否会改变决策，另一个守护你的训练/测试划分，还有一个在做任何更复杂的事之前先建立基线。使用排名列表时，从顶部开始，对照你当前的瓶颈阅读每个技能的描述。如果你还在争论问题本身，就跳过建模条目。如果你有模型但没有基线，就从那里开始。选择那个能解开你实际所处阶段的那一个技能。
8 个先看16 个推荐选项
从这些开始。
Data science is applied analysis with models in the mix: question, data, features, model, evaluate, then put it somewhere it can be used.
这些是和这项工作最接近的结果。从第一条开始，打开后即可安装。
- 排名 01查看 Agent Skill直接匹配
statistical-analysis
应用统计方法，包括描述性统计、趋势分析、异常值检测、假设检验和预测，并指导如何谨慎解读统计主张。
4,314 · 受欢迎程度 - 排名 02查看 Agent Skill直接匹配
ai-research-explore
在 current_research 锚点之上运行仅针对候选方案的深度学习研究探索，包含想法筛选、公平对比，并将受控实验写入 explore_outputs。
311,409 · 受欢迎程度 - 排名 03查看 Agent Skill直接匹配
datanalysis-credit-risk
用于贷前建模的信用风险数据清洗和变量筛选流程，涵盖缺失率、IV/PSI 过滤、零重要性去噪和相关性移除。
7,300 · 受欢迎程度 - 排名 04查看 Agent Skill直接匹配
data-analysis
使用 DuckDB 分析上传的 Excel/CSV 文件，支持模式检查、SQL 查询、统计摘要、多工作表工作簿和结果导出。
3,544 · 受欢迎程度 - 排名 05查看 Agent Skill直接匹配
nature-statistics
审计并改进稿件的统计报告，涵盖实验单元、重复、不确定性、检验和图表统计，并提供保守的可直接粘贴文本。
10,201 · 受欢迎程度 - 排名 06查看 Agent Skill直接匹配
dbt-transformation-patterns
涵盖 dbt 分析工程，包括将模型组织为 staging/intermediate/marts 分层、数据质量测试、文档和增量处理策略。
10,521 · 受欢迎程度 - 排名 07查看 Agent Skill直接匹配
azure-kusto
官方使用 KQL 在 Azure Data Explorer（Kusto/ADX）中查询和分析数据，用于日志分析、遥测、时间序列分析、聚合和异常检测。
544,362 · 受欢迎程度 - 排名 08查看 Agent Skill直接匹配
powerbi-modeling
指导 Power BI 语义建模，包括星型架构、DAX 度量值、关系、RLS、命名约定和模型性能优化。
声明的前提（自述）: MCP server
9,868 · 受欢迎程度
展开另外 8 个 Agent Skills
- 排名 09查看 Agent Skill直接匹配
data-storytelling
利用可视化、上下文和说服性结构将数据转化为叙事，用于向利益相关者展示分析并构建高管数据报告。
15,981 · 受欢迎程度 - 排名 10查看 Agent Skill直接匹配
clickhouse-io
涵盖 ClickHouse 模式设计、查询优化、聚合、窗口函数以及面向高性能分析工作负载的数据工程模式。
9,781 · 受欢迎程度 - 排名 11查看 Agent Skill可能匹配
ai-research-reproduction
引导以 README 为先的深度学习仓库复现，朝着最小可信运行推进，协调接入、环境搭建、执行、训练验证和证据记录。
311,091 · 受欢迎程度 - 排名 12查看 Agent Skill可能匹配
content-experimentation-best-practices
涵盖内容实验和 A/B 测试，包括实验设计、假设、指标、样本量、统计基础和常见分析陷阱。
3,615 · 受欢迎程度 - 排名 13查看 Agent Skill可能匹配
ab-testing
规划和设计 A/B 及多变量实验，包含假设框架、样本量表格、指标选择和统计显著性指导。
68,676 · 受欢迎程度 - 排名 14查看 Agent Skill直接匹配
bigquery-ai-ml
官方>- 利用 BigQuery 内置的机器学习和 GenAI 能力进行高级数据分析。适用于需要编写 SQL 查询来执行时间序列预测、预测值、检测离群值或异常、查找关键驱动因素、执行语义搜索或向量搜索、文本分类、计算相似度、内容摘要、语言翻译、模型评估、按语义条件过滤，或利用 BigQuery 中的生成式 AI 能力时。不适用于一般的 BigQuery 数据集、表或作业管理请求。
- 排名 15查看 Agent Skill直接匹配
finetuning
官方在 Microsoft Foundry 上使用 SFT（监督式）、DPO（偏好）或 RFT（带评分器的强化学习）微调模型。涵盖数据集准备、训练任务提交、部署和评估。适用场景：微调、SFT、DPO、RFT、训练数据、评分器、蒸馏、微调模型、训练任务、大文件上传、校准评分器、部署微调模型、评估微调模型。不适用场景：不进行微调的通用模型部署（使用 deploy-model）、agent 创建（使用 agents）、不进行训练的提示优化（使用 prompt-optimizer）。
- 排名 16查看 Agent Skill直接匹配
google-cloud-solution-agentic-ai-data-science-workflow
官方>- 在 Google Cloud 上设计量身定制的多产品 Agent 数据科学架构，融入有明确主张的最佳实践。适用于为基于 Agent 的数据分析或 ML 工作负载设计多产品解决方案。不适用于简单查询、非 Agent 流水线、通用云审查或编写 Agent 代码。
声明的前提（自述）: Network access
这个话题涵盖什么
每个子主题对应一类具体场景下的 Agent Skills。
- Question
- What decision a better prediction would change.
- Data
- What you are allowed to train and test on.
- Features
- The representation the model actually sees.
- Model
- A model, and a dumb baseline it has to beat.
- Evaluate
- Numbers that would still hold next month.
- Deliver
- A prediction or an insight someone else can use.
常见问题
- 这个列表是如何排序的？
- 它按观察到的搜索需求排序，与本主题直接匹配的排在最前，并对任何单一发布者可占据的技能数量设置上限。
- 在数据科学 Skill 有用之前，我需要六个阶段都覆盖吗？
- 不能。这些阶段是问题、数据、特征、模型、评估和交付，大多数技能只针对其中一个。即使你的问题界定还很粗糙，针对评估的技能仍然有用。
- 如果我已经有模型，应该从哪里开始？
- 检查你是否有一个模型必须超越的笨基线，以及你的评估数字下个月是否仍然成立。本主题中针对这两个阶段的技能就是自然的下一选择。
- 数据科学 Skill 与通用编码 Skill 的区别是什么？
- 这里的数据科学指的是结合模型的应用分析，所以工作会经历问题、数据、特征、模型、评估和交付。不触及这条弧线的技能属于另一个主题。
如何安装 Agent Skill
从本页第一条开始。Claude Code 会读取放进 skills 目录的 SKILL.md：
- Claude Code——把 statistical-analysis 的 SKILL.md 复制到 ~/.claude/skills/statistical-analysis/（个人使用），或 .claude/skills/statistical-analysis/（随项目共享）。
- 从 registry 安装——运行 npx skills add anthropics/knowledge-work-plugins@statistical-analysis。
- 或者从 statistical-analysis 的来源下载 SKILL.md，放进上面的目录。
如何挑选 安装前先看出处和技能自身的说明。Official 与 Notable 标签描述的是技能来源。