CRISP-DM拡張フレームワーク（Phase 0〜8）に従い、恣意的分析禁止ガイドライン（GL-1〜GL-10）準拠のデータ分析を行うプラグイン。analysis_context.md をSSOTとして管理し、戦略コンサルタント行動規範で示唆出しまで支援します。
Plugin data-analysis from marketplace data-analysis-marketplace in mutsumi-yamamoto/claude-data-analysis-marketplace. Commands read from the repo's manifest — 1 month ago.
data-analyzeCRISP-DM拡張フレームワークのPhase 0〜8を順に実行するフルサイクル分析スキルです。「全部分析して」「フルサイクルで分析して」「端から端まで分析したい」と言われたら使用してください。
data-cleanシニアデータエンジニアレベルのデータ品質評価・クレンジング・構造化を行います（Phase 2）。「データをきれいにしたい」「前処理したい」「名寄せしたい」「日本語の表記揺れを修正したい」「データ構造を整えたい」と言われたら使用してください。
data-collectデータ要件定義・収集・カタログ化を行います。「どのデータが必要か整理したい」「データを集めたい」「データカタログを作りたい」と言われたら使用してください。
data-context分析コンテキストのヒアリング・更新を行います。「コンテキストを確認して」「背景を整理して」「プロジェクトの目的を記録して」と言われたら使用してください。新規プロジェクトでは最初に実行することを推奨します。CSV・PDF・議事録・Excel・戦略資料など様々な形態の入力に対応します。
data-defineビジネス課題の定義・KPI設計・仮説立案を行います（Phase 0: 問題定義・目的設定）。「KPIを決めたい」「問題を構造化したい」「分析の目的を整理したい」と言われたら使用してください。
data-exploreシニアデータサイエンティストレベルのEDA（探索的データ分析）を行います（Phase 1）。「データを調べたい」「EDAしたい」「データの概要を把握したい」「時系列を分析したい」と言われたら使用してください。
data-feature特徴量設計・エンジニアリングを行います（Phase 3-5）。「特徴量を作りたい」「変数を選びたい」「特徴量エンジニアリングして」と言われたら使用してください。
data-integrate複数データソースの統合・整合性検証・データリネージ記録を行います。「データを結合したい」「複数テーブルを統合したい」「データの整合性を確認したい」と言われたら使用してください。
data-interpret分析結果の解釈・示唆出し・検証・レポート作成を行います（Phase 7-8）。「結果を解釈して」「レポートを作りたい」「示唆を出して」「検証して」と言われたら使用してください。
data-modelシニアデータサイエンティストレベルの分析・モデリングを実行します（Phase 6）。「モデルを作りたい」「機械学習を使いたい」「統計分析して」「時系列予測して」「需要予測して」「クラスタリングして」「因果推論して」と言われたら使用してください。
data-proposal要件定義書・分析コンテキストをもとに、戦略コンサルティング（マッキンゼー/BCG）スタイルの説得力ある提案資料を作成します。「提案書を作りたい」「クライアント向けの提案資料を作って」「コンサル資料にまとめて」と言われたら使用してください。
data-requirementsミーティングメモ・会議議事録・コンテキスト文書から戦略コンサルティングレベルの要件定義書を作成します。「要件定義を作りたい」「ミーティングメモを構造化して」「プロジェクト要件をまとめて」「提案前の要件整理をして」と言われたら使用してください。
/data-analysis:da-startデータ分析プロジェクトの開始ウィザードです。CRISP-DM拡張フレームワークに基づき、プロジェクトの目的・データ・進め方を対話的に確認し、最適なスキルを案内します。
data-analystMcKinsey/BCGクラスの戦略コンサルタント兼データサイエンティストです。「分析して」「データサイエンティストとして考えて」「統計的に正しいか確認して」「インサイトを出して」と言われたら自動的に起動します。
Full Domino Data Lab platform support — workspaces, jobs, model deployment, experiment tracking, GenAI tracing, Spark/Ray/Dask, and app deployment for data science teams
26 skills · 4 commands · 3 agents · 1 MCP server
Study companion for the Deep Learning textbook by Goodfellow, Bengio & Courville (MIT Press, 2016), free to read at deeplearningbook.org. Twenty chapter files, a glossary, patterns and a cheatsheet index the whole book, and a delta reference dates it against 2026 practice with per-claim confidence levels: double descent qualifying the U-curve, AdamW splitting weight decay from L2, transformers displacing Chapter 10's recurrence, diffusion growing out of Chapter 18's score matching. Four stdlib tools make it executable — a prerequisite-closed reading-path planner that refuses goals the book does not cover, a training diagnostic running Chapter 11's rules in priority order so a NaN is never reported as overfitting, a capacity planner that ranks 'shrink the model' last when overparameterized, and a parameter/FLOP/activation-memory calculator that refuses a stack whose shapes do not connect. A companion, not a compilation: the book is copyrighted, so nothing here reproduces its text.
1 skill · 3 commands · 1 agent
Data engineering, ML, and AI specialists - data pipelines, machine learning, LLM architecture
Blazingly fast tabular data wrangling with 57 qsv skill-based commands for CSV, TSV, Excel, JSONL, and Parquet files
20 skills · 3 agents · hooks
Operator-grade Mistral skill pack with 24 current API, security, reliability, governance, and migration workflows
24 skills
WooYun business logic vulnerability methodology — a security testing knowledge plugin distilled from 22,132 public cases, adding evidence-based references, quantitative statistics, and data-driven prioritization.
1 skill
This page updates itself from your repo. Add the badge to your README, or get it Featured to pin it above the organic results with a followed link to your site.