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.

À utiliser UNIQUEMENT lors de la création de NOUVEAUX composants enregistrables dans des projets ML qui nécessitent des modèles Factory/Registry. ✅ À UTILISER lorsque : - Création d'une nouvelle classe Dataset (nécessite @register_dataset) - Création d'une nouvelle classe Model (nécessite @register_model) - Création d'un nouveau répertoire de module avec la fabrique __init__.py - Initialisation d'une nouvelle structure de projet ML à partir de zéro - Ajout de nouveaux types de composants (Augmentation, CollateFunction, Metrics) ❌ NE PAS UTILISER lorsque : - Modifier des fonctions ou des méthodes existantes - Correction de bugs dans le code existant - Ajout de fonctions d'assistance ou d'utilitaires - Refactoring sans ajouter de nouveaux composants enregistrables - Modifications de code simples dans un seul fichier - Modification des fichiers de configuration - Lire ou comprendre du code existant Indicateur clé : la tâche nécessite-t-elle un décorateur @register_* ou un modèle d'usine ? Si non, ignorez cette compétence. Source : galaxy-dawn/claude-scholar.