How do I install the Data Science skill?

Run npx skillmds@latest add thewatcher01/data-science in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Data Science safe to use?

This skill has not completed SkillMD's automated safety review yet. Capability flags: docs only. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Data Science?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Data Science free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Data Science?

TheWatcher01 (@thewatcher01) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Data Science by thewatcher01 — Agent Skill

Name: Data Science
Rating: 4.2 (5 reviews)
Author: TheWatcher01

Data Science

Agent data scientist spécialisé dans l'exploitation du datalake SubventionAI (2.8M entités, 168K versements, scoring ML, embeddings bge-m3 1024d). Stack: Python, PostgreSQL+pgvector, scikit-learn, XGBoost, LightGBM, spaCy, pandas. Use when: feature engineering, model training/evaluation, scoring batch, analyse statistique sectorielle, corrélation, clustering, prédiction, classification, anomaly detection, NLP sur objets sociaux, requêtes SQL analytiques, optimisation hyperparamètres. Triggers: data science, ML, modèle, scoring, feature engineering, prédiction, classification, clustering, analyse sectorielle, fundability, anomalie, NLP, embeddings, train, evaluate, cross-validation, AUC, F1, SHAP, Optuna.

TheWatcher01 efb3650 3 files · 8.1 KB Updated Sep 10, 2026

File contents

Data Science Agent — Datalake SubventionAI

Données disponibles

Consulter references/schema.md pour le schéma complet.

Table	Rows	Clé
dl_entities	2.8M	SIREN, NAF, géo, scores, industryData JSONB
dl_subventions_versees	168K	Historique versements réels 2010-2026
dl_subventions	2413	Programmes actifs
dl_subvention_anomalies	3.1K	Anomalies détectées
dl_bodacc_annonces	-	Annonces légales
dl_marches_publics	-	Marchés publics

Connexion : PGPASSWORD=datalake_dev psql -h 127.0.0.1 -p 5434 -U datalake -d datalake

Workflow ML

Extraction : SQL paramétré, export CSV pour batch compute
Feature engineering : pandas + NumPy dans scripts/ml/
Training : scikit-learn/XGBoost/LightGBM, cross-validation 5-fold
Evaluation : AUC-ROC, F1, precision/recall, SHAP feature importance
Tuning : Optuna (TPE sampler, 100 trials)
Scoring batch : export → compute local → reimport PG (séparer compute et I/O)
Persistance : colonnes dédiées dans dl_entities

Scoring existant

Score	Colonne	Modèle
Fundability	fundabilityScore	Batch SQL 6 critères
Digital maturity	digitalMaturityScore	7 facteurs rule-based
CNIL risk	cnilRiskScore	XGBoost AUC 0.90
Hot lead	hotLeadScore	Composite 6 dimensions

Règles critiques

SQL toujours paramétré ($1, $2) — jamais d'interpolation
Données factuelles uniquement — jamais de chiffres approximatifs
Performance first : batch SQL, COPY pour imports, pas de N+1
Scripts dans scripts/ml/ avec docstring et if __name__ == "__main__":
Modèles évalués avec cross-validation avant déploiement
Embeddings : bge-m3 1024d, colonne vector(1024) pgvector, index HNSW

Patterns courants

Consulter references/patterns.md pour templates SQL et Python.

---name: data-sciencedescription: Agent data scientist spécialisé dans l'exploitation du datalake SubventionAI (2.8M entités, 168K versements, scoring ML, embeddings bge-m3 1024d). Stack: Python, PostgreSQL+pgvector, scikit-learn, XGBoost, LightGBM, spaCy, pandas. Use when: feature engineering, model training/evaluation, scoring batch, analyse statistique sectorielle, corrélation, clustering, prédiction, classification, anomaly detection, NLP sur objets sociaux, requêtes SQL analytiques, optimisation hyperparamètres. Triggers: data science, ML, modèle, scoring, feature engineering, prédiction, classification, clustering, analyse sectorielle, fundability, anomalie, NLP, embeddings, train, evaluate, cross-validation, AUC, F1, SHAP, Optuna.---# Data Science Agent — Datalake SubventionAI## Données disponiblesConsulter `references/schema.md` pour le schéma complet.| Table | Rows | Clé ||-------|------|-----|| dl_entities | 2.8M | SIREN, NAF, géo, scores, industryData JSONB || dl_subventions_versees | 168K | Historique versements réels 2010-2026 || dl_subventions | 2413 | Programmes actifs || dl_subvention_anomalies | 3.1K | Anomalies détectées || dl_bodacc_annonces | - | Annonces légales || dl_marches_publics | - | Marchés publics |Connexion : `PGPASSWORD=datalake_dev psql -h 127.0.0.1 -p 5434 -U datalake -d datalake`## Workflow ML1. **Extraction** : SQL paramétré, export CSV pour batch compute2. **Feature engineering** : pandas + NumPy dans `scripts/ml/`3. **Training** : scikit-learn/XGBoost/LightGBM, cross-validation 5-fold4. **Evaluation** : AUC-ROC, F1, precision/recall, SHAP feature importance5. **Tuning** : Optuna (TPE sampler, 100 trials)6. **Scoring batch** : export → compute local → reimport PG (séparer compute et I/O)7. **Persistance** : colonnes dédiées dans dl_entities## Scoring existant| Score | Colonne | Modèle ||-------|---------|--------|| Fundability | fundabilityScore | Batch SQL 6 critères || Digital maturity | digitalMaturityScore | 7 facteurs rule-based || CNIL risk | cnilRiskScore | XGBoost AUC 0.90 || Hot lead | hotLeadScore | Composite 6 dimensions |## Règles critiques- SQL toujours paramétré ($1, $2) — jamais d'interpolation- Données factuelles uniquement — jamais de chiffres approximatifs- Performance first : batch SQL, COPY pour imports, pas de N+1- Scripts dans `scripts/ml/` avec docstring et `if __name__ == "__main__":`- Modèles évalués avec cross-validation avant déploiement- Embeddings : bge-m3 1024d, colonne `vector(1024)` pgvector, index HNSW## Patterns courantsConsulter `references/patterns.md` pour templates SQL et Python.

Frequently asked questions