notebook-ml-architect

SKILL.md

| audit | Analyze notebook for anti-patterns, leakage, reproducibility issues | | refactor | Transform notebook into modular Python pipeline | | template | Generate new notebook from EDA/classification/experiment template | | report | Create markdown summary from executed notebook | | convert | Extract Python script from notebook |

Step 1: Identify Sections Look for markdown headers that indicate logical sections:

Step 2: Extract Functions Convert repeated or complex cell code into functions:

Conseils d'experts pour l'audit, la refactorisation et la conception de notebooks Jupyter d'apprentissage automatique avec des modèles de qualité production. À utiliser lorsque : (1) analyser la structure des notebooks et identifier les anti-modèles, (2) détecter les fuites de données et les problèmes de reproductibilité, (3) refactoriser des notebooks désordonnés en pipelines modulaires, (4) générer des modèles pour les flux de travail ML (EDA, classification, expériences), (5) ajouter des instruments de reproductibilité (amorçage, journalisation, capture d'environnement), (6) convertir des notebooks en scripts Python, (7) générer des rapports de synthèse d'expériences. Déclencheurs sur : ML notebook, audit Jupyter, notebook refactor, fuite de données, modèle d'expérience, bonnes pratiques ipynb, notebook to script, reproductibilité. Source : bjornmelin/dev-skills.

Voir l'original