用途：该技能以系统化投资机构 Two Sigma 的风格，指导构建大规模机器学习交易系统，核心思路是“先建数据平台，再建模型”，把数据基础设施与研究迭代速度视为竞争优势。
主要能力：围绕特征存储、时点数据管理、分布式回测、另类数据管道和模型监控展开。资料给出的代码模式包括 FeatureStore（注册特征、按指定日期计算特征、生成训练数据）、DistributedBacktester（参数扫描与时间序列交叉验证）、AlternativeDataPipeline（如卫星图像车辆计数转为零售客流特征）、ModelMonitor（用 IC、命中率和 PSI 检测特征与预测漂移）。
设计原则：数据平台优先；特征是版本化、可共享的一等公民；每个实验必须可复现；按当前数据量 1000 倍规模做水平扩展；缩短从想法到可检验假设的时间。
使用方式：资料未提供安装命令或具体调用步骤，仅给出类结构与代码模式，需自行按这些模式实现。
限制与注意：必须避免前视偏差，使用 point-in-time 快照；训练与测试时间段不得重叠；回测需计入交易成本；模型上线必须监控；不得硬编码特征；不可只信单次回测。资料未说明收费、平台支持或实际效果。