architecture-design

This skill defines the standard code architecture for machine learning projects based on the template structure. When modifying or extending code, follow these patterns to maintain consistency.

The project follows a modular, extensible architecture with clear separation of concerns. Each module (data, model, trainer, analysis) is independently organized using factory and registry patterns for maximum flexibility.

For detailed directory structure with file descriptions, refer to references/structure.md.

NUR verwenden, wenn NEUE registrierbare Komponenten in ML-Projekten erstellt werden, die Factory-/Registrierungsmuster erfordern. ✅ VERWENDEN, wenn: - Erstellen einer neuen Dataset-Klasse (benötigt @register_dataset) - Erstellen einer neuen Model-Klasse (benötigt @register_model) - Erstellen eines neuen Modulverzeichnisses mit der Fabrik __init__.py - Initialisierung einer neuen ML-Projektstruktur von Grund auf - Hinzufügen neuer Komponententypen (Augmentation, CollateFunction, Metrics) ❌ NICHT VERWENDEN, wenn: - Ändern bestehender Funktionen oder Methoden - Behebung von Fehlern im vorhandenen Code - Hinzufügen von Hilfsfunktionen oder Dienstprogrammen - Refactoring ohne Hinzufügen neuer registrierbarer Komponenten - Einfache Codeänderungen an einer einzelnen Datei - Ändern von Konfigurationsdateien - Vorhandenen Code lesen oder verstehen Schlüsselindikator: Erfordert die Aufgabe einen @register_*-Dekorator oder ein Factory-Muster? Wenn nein, überspringen Sie diese Fertigkeit. Quelle: galaxy-dawn/claude-scholar.