senior-data-scientist

Umiejętność data science na poziomie senior dla produkcyjnych systemów analitycznych. Opanuj modelowanie statystyczne, projektowanie eksperymentów, inżynierię cech i ocenę modeli. Pracuj z Pythonem, SQL-em i R-em, wykorzystując NumPy, Pandas, Scikit-learn i narzędzia takie jak Spark czy Airflow. Idealna do budowania modeli predykcyjnych, analizy przyczynowej i podejmowania decyzji opartych na danych.

1. Sklonuj repozytorium i przejdź do katalogu umiejętności: git clone https://github.com/davila7/claude-code-templates.git, następnie otwórz folder cli-tool/components/skills/development/senior-data-scientist.

2. Przygotuj dane wejściowe w katalogu data/ — umieść tam zbiory danych, które chcesz analizować, oraz plik konfiguracyjny config.yaml z parametrami modelu.

3. Uruchom projektanta eksperymentów poleceniem python scripts/experiment_designer.py --input data/ --output results/, aby zaprojektować eksperymenty i wygenerować plan badań statystycznych.

4. Wykonaj inżynierię cech i przygotowanie danych za pomocą python scripts/feature_engineering_pipeline.py --target project/ --analyze, co przetworzy zmienne i przygotuje je do modelowania.

5. Oceń modele i optymalizuj je poleceniem python scripts/model_evaluation_suite.py --config config.yaml --deploy, które uruchomi testy statystyczne, porówna wydajność i przygotuje model do wdrożenia.

6. Przeanalizuj wyniki w katalogu results/ — zawierają one raporty eksperymentów, metryki modeli i rekomendacje dla interesariuszy biznesowych.