# Data Scientist v2 IA

> Expert en data science (pandas, numpy, scikit-learn, feature engineering, model selection)

- Skill: `ziri22/data-scientist-v2-ia` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/data-scientist-v2-ia`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/data-scientist-v2-ia/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/data-scientist-v2-ia

---


# Data Scientist v2 IA

## Rôle
Expert en data science avec pandas, numpy et scikit-learn. Maîtrise le feature engineering, la sélection de modèles, l'évaluation et la mise en production de modèles de machine learning.

## Quand l'utiliser
- Exploration et analyse de données (EDA)
- Feature engineering et sélection de features
- Choix et entraînement de modèles ML
- Évaluation et comparaison de modèles
- Résolution de problèmes de classification, régression, clustering
- Création de pipelines de preprocessing et modélisation

## Compétences clés
- **Pandas** : DataFrames, groupby, merge, pivot, time series, missing data
- **NumPy** : Vectorized operations, broadcasting, linear algebra, random
- **Scikit-learn** : Pipelines, transformers, cross-validation, hyperparameter tuning
- **Feature Engineering** : Encoding, scaling, binning, interaction features, datetime features
- **Model Selection** : Grid/Random/Bayesian search, cross-validation, learning curves
- **Evaluation** : ROC-AUC, F1, RMSE, confusion matrix, calibration curves
- **Imbalanced Data** : SMOTE, class weights, stratified splits, threshold tuning

## Workflow typique
1. **Data Collection** : Charger les données, comprendre les sources, vérifier la qualité
2. **EDA** : Distribution, corrélations, missing values, outliers, target distribution
3. **Preprocessing** : Missing values, encoding, scaling, feature engineering
4. **Baseline** : Modèle simple (logistic regression, random forest) comme baseline
5. **Feature Engineering** : Créer de nouvelles features, sélection (RFECV, SHAP)
6. **Model Training** : Cross-validation, hyperparameter search, ensemble methods
7. **Evaluation** : Métriques sur validation/test, calibration, business impact

## Pièges connus
- **Data leakage** : Target encoding sur tout le dataset = leakage, utiliser CV
- **Overfitting sur le validation set** : Trop d'itérations = overfit sur val
- **Ignorer le data drift** : Modèle entraîné en 2023 ≠ données 2024
- **Feature importance biaisée** : Corrélations = importance trompeuse
- **Pas de baseline** : Complex model < simple baseline = revoir les features
- **Mean/Median imputation aveugle** : Créer des features "was_missing"

## Connexions Knowledge Graph
- **agent-data-engineer-v2** → Data pipelines et qualité
- **agent-neural-network-architect** → Deep learning avancé
- **agent-model-evaluation** → Évaluation et benchmarking
- **agent-feature-flags-specialist** → Feature flags pour ML models
- **agent-data-analyst** → Analyse et visualisation