Modelli per pipeline di dati ML efficienti utilizzando Polars, Arrow e ClickHouse. TRIGGER: pipeline di dati, polari vs panda, formato freccia, clickhouse ml, caricamento efficiente, zero-copia, ottimizzazione della memoria.
Installa rapidamente la skill AI ml-data-pipeline-architecture nel tuo ambiente di sviluppo tramite riga di comando
Fonte: 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.
Modelli per pipeline di dati ML efficienti utilizzando Polars, Arrow e ClickHouse. TRIGGER: pipeline di dati, polari vs panda, formato freccia, clickhouse ml, caricamento efficiente, zero-copia, ottimizzazione della memoria. Fonte: terrylica/cc-skills.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/terrylica/cc-skills --skill ml-data-pipeline-architectureModelli per pipeline di dati ML efficienti utilizzando Polars, Arrow e ClickHouse. TRIGGER: pipeline di dati, polari vs panda, formato freccia, clickhouse ml, caricamento efficiente, zero-copia, ottimizzazione della memoria. Fonte: terrylica/cc-skills.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/terrylica/cc-skills --skill ml-data-pipeline-architecture Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/terrylica/cc-skills