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.

Da utilizzare SOLO quando si creano NUOVI componenti registrabili in progetti ML che richiedono modelli di fabbrica/registro. ✅UTILIZZARE quando: - Creazione di una nuova classe Dataset (è necessario @register_dataset) - Creazione di una nuova classe Modello (è necessario @register_model) - Creazione di una nuova directory del modulo con __init__.py factory - Inizializzazione di una nuova struttura di progetto ML da zero - Aggiunta di nuovi tipi di componenti (Augmentation, CollateFunction, Metrics) ❌ NON UTILIZZARE quando: - Modifica di funzioni o metodi esistenti - Correzione di bug nel codice esistente - Aggiunta di funzioni o utilità di supporto - Refactoring senza aggiungere nuovi componenti registrabili - Semplici modifiche al codice in un singolo file - Modifica dei file di configurazione - Leggere o comprendere il codice esistente Indicatore chiave: l'attività richiede il decoratore @register_* o il modello Factory? In caso contrario, salta questa abilità. Fonte: galaxy-dawn/claude-scholar.