用途
Data Science Expert 是一个数据科学方向的技能，用于在数据科学、分析、统计建模和数据可视化方面提供专家级指导。当用户提到分析、可视化、统计、pandas 等主题时，可调用该技能。
主要能力
资料列出的核心概念分为四类：
- 数据分析：探索性数据分析（EDA）、数据清洗与预处理、特征工程、统计推断、时间序列分析、A/B 测试。
- 机器学习：监督学习（分类、回归）、无监督学习（聚类、PCA）、模型选择与验证、特征重要性、超参数调优、集成方法。
- 数据可视化：Matplotlib、Seaborn、Plotly、统计图表、交互式仪表板、用数据讲故事、可视化最佳实践、色彩理论与可访问性。
使用方式
资料以 Python 代码示例展示具体做法，涉及 pandas、numpy、matplotlib、seaborn、scikit-learn、statsmodels、scipy 等库。示例包括：
- 数据清洗与 EDA：DataCleaner 类（处理缺失值、去重、按 IQR 或 z-score 去除异常值）、EDA 类（汇总统计、相关性分析、分布图、相关性热力图）。
- 特征工程：FeatureEngineer 类（交互特征、多项式特征、数值分箱、类别编码、特征缩放、特征选择）。
- 时间序列分析：TimeSeriesAnalyzer 类（季节性分解、ADF 平稳性检验、差分/对数变换、ARIMA 拟合与预测）。
- A/B 测试：ABTest 类（双样本 t 检验、比例检验，含置信区间、提升度与显著性判断）。
适用场景
适用于需要在数据分析、统计建模、机器学习建模和可视化方面获得指导或代码参考的任务，例如数据清洗、探索性分析、特征构造、时间序列预测和 A/B 实验分析。
限制
资料未提供该技能的安装方式、运行环境要求、收费或价格信息、平台支持情况，也未说明其具体调用机制或效果保证，这些内容暂未提供。