Modèles pour des pipelines de données ML efficaces utilisant Polars, Arrow et ClickHouse. DÉCLENCHEURS - pipeline de données, polaires vs pandas, format de flèche, clickhouse ml, chargement efficace, zéro copie, optimisation de la mémoire.
Installez rapidement le skill IA ml-data-pipeline-architecture dans votre environnement de développement via la ligne de commande
Source : terrylica/cc-skills.
Patterns for efficient ML data pipelines using Polars, Arrow, and ClickHouse.
ADR: 2026-01-22-polars-preference-hook (efficiency preferences framework)
Note: A PreToolUse hook enforces Polars preference. To use Pandas, add # polars-exception: at file top.
Modèles pour des pipelines de données ML efficaces utilisant Polars, Arrow et ClickHouse. DÉCLENCHEURS - pipeline de données, polaires vs pandas, format de flèche, clickhouse ml, chargement efficace, zéro copie, optimisation de la mémoire. Source : terrylica/cc-skills.
Champs et commandes stables pour les citations IA/recherche.
npx skills add https://github.com/terrylica/cc-skills --skill ml-data-pipeline-architectureModèles pour des pipelines de données ML efficaces utilisant Polars, Arrow et ClickHouse. DÉCLENCHEURS - pipeline de données, polaires vs pandas, format de flèche, clickhouse ml, chargement efficace, zéro copie, optimisation de la mémoire. Source : terrylica/cc-skills.
Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/terrylica/cc-skills --skill ml-data-pipeline-architecture Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code, Cursor ou OpenClaw
https://github.com/terrylica/cc-skills