用途：构建从数据探索到模型部署的端到端数据科学工作流，覆盖数据预处理、特征工程、模型选择、超参数调优、交叉验证、实验跟踪（MLflow/W&B）、统计检验与可视化，并遵循 Jupyter Notebook 实践。启用时先声明：I'm using the senior-data-scientist skill for data science workflow.
主要能力按四阶段展开。阶段一数据理解：加载并画像数据集（形状、类型、分布），识别缺失值、离群值与数据质量问题，做探索性分析，定义目标变量与成功指标，并先建立基线模型（分类用多数类分类器/逻辑回归，回归用均值/线性回归，时间序列用朴素/季节朴素）。阶段二特征工程：缺失值处理（删除行、均值/中位数、众数、KNN、迭代、标记加填补）、分类编码（独热、标签/序数、目标、频率、二进制）、数值缩放（StandardScaler、RobustScaler、MinMaxScaler），以及数值、时间、文本、分类特征衍生与特征选择（相关矩阵、互信息、RFE、L1、树模型重要性、置换重要性）。阶段三建模：按数据特征选择算法（如 XGBoost、LightGBM、随机森林、Prophet、Transformer 等），选择交叉验证策略（K 折、分层、时间序列、分组、留一），选用评估指标（AUC-ROC、Macro F1、RMSE、NDCG 等），并用网格、随机、贝叶斯（Optuna）或逐次减半调参。阶段四部署：序列化模型与预处理管线，创建预测 API 或批量管线，配置数据漂移与模型退化监控，编写模型卡。
使用方式：实验跟踪采用 MLflow，例如 mlflow.set_experiment("customer-churn-prediction")，在 mlflow.start_run 中记录参数、指标、产物与模型；需记录参数、指标、数据版本、产物与元数据。统计检验按问题选用 t 检验、Mann-Whitney U、配对 t 检验、ANOVA、卡方、Shapiro-Wilk、Kolmogorov-Smirnov，并报告效应量、校正多重比较。可视化按数据类型选用相应图表与库，注意标题、坐标轴单位、色盲友好配色、柱状图 y 轴从 0 开始。Notebook 建议结构为 Setup、Data Loading、EDA、Preprocessing、Feature Engineering、Modeling、Evaluation、Conclusions，分享前重启并全部运行。
限制与注意事项：资料未提供定价、平台支持范围或具体性能承诺。流程要求先建立基线再建模，特征工程仅基于训练数据，严禁数据泄漏；不要用测试集调参，不平衡数据不宜只看准确率；部署后必须监控输入分布漂移。超参数与算法选择需结合数据特征、业务需求与算力约束灵活调整。