القائمة
머신러닝 파이프라인 에이전트 가이드. sklearn 기반 모델 비교, 교차 검증, 서브에이전트 위임 패턴을 다룹니다.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Deep Agents Content Builder workflow. Use for blog posts, LinkedIn posts, technical content drafts, brand-voice guided writing, and content workflows that combine AGENTS.md memory, SKILL.md progressive disclosure, subagents, and filesystem outputs.
데이터 분석 에이전트 가이드. LocalShellBackend로 pandas 코드를 실행하고, 멀티턴 분석을 수행합니다.
박사급 딥 리서치 에이전트 가이드. 병렬 서브에이전트 위임, think_tool 반성, 5단계 워크플로를 다룹니다.
RAG(Retrieval-Augmented Generation) 에이전트 구축 가이드. 벡터 스토어 검색, 문서 청킹, content_and_artifact 패턴을 다룹니다.
자연어 SQL 질의 에이전트 가이드. SQLDatabaseToolkit 활용, READ-ONLY 안전 규칙, HITL 승인 패턴을 다룹니다.
| name | ml-pipeline |
| description | 머신러닝 파이프라인 에이전트 가이드. sklearn 기반 모델 비교, 교차 검증, 서브에이전트 위임 패턴을 다룹니다. |
| license | MIT |
| compatibility | Python 3.12+ |
| metadata | {"category":"ml","difficulty":"advanced"} |
| allowed-tools | data_loader train_model evaluate_model |
data_loader로 데이터셋 로드 (iris, wine 등)train_model 실행evaluate_model로 5-fold 교차 검증| 알고리즘 | 키 | 특징 |
|---|---|---|
| Random Forest | random_forest | 앙상블, 과적합 방지 |
| SVM | svm | 고차원 데이터에 강함 |
| Logistic Regression | logistic | 해석 가능, 빠름 |
전처리가 필요하면 data-preprocessor 서브에이전트에게 위임:
| 알고리즘 | 테스트 정확도 | CV 평균 | CV 표준편차 |
|---------|-------------|---------|-----------|
| random_forest | 0.9667 | 0.9600 | 0.0163 |
| svm | 0.9333 | 0.9533 | 0.0249 |
| logistic | 0.9333 | 0.9467 | 0.0327 |
추천: random_forest (가장 높은 CV 평균, 가장 낮은 표준편차)