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.

팩토리/레지스트리 패턴이 필요한 ML 프로젝트에서 등록 가능한 새 구성 요소를 생성할 때만 사용하세요. ✅ 다음과 같은 경우에 사용하세요: - 새로운 Dataset 클래스 생성(@register_dataset 필요) - 새 모델 클래스 생성(@register_model 필요) - __init__.py 팩토리를 사용하여 새 모듈 디렉터리 만들기 - 새로운 ML 프로젝트 구조를 처음부터 초기화 - 새로운 구성요소 유형 추가(Augmentation, CollateFunction, Metrics) ❌ 다음과 같은 경우에는 사용하지 마세요: - 기존 함수나 메소드 수정 - 기존 코드의 버그 수정 - 도우미 기능 또는 유틸리티 추가 - 새로 등록 가능한 구성 요소를 추가하지 않고 리팩토링 - 단일 파일로 간단한 코드 변경 - 구성 파일 수정 - 기존 코드를 읽거나 이해하는 것 주요 지표: 작업에 @register_* 데코레이터 또는 팩토리 패턴이 필요한가요? 그렇지 않다면 이 스킬을 건너뛰세요. 출처: galaxy-dawn/claude-scholar.