数据分析工程开发自动化
data-quality-frameworks
使用 Great Expectations、dbt 测试与数据契约实现生产级数据质量验证,确保数据管道的可靠性。
浏览: 7★ 34,565
探索可复用的代理技能,查看实现细节,快速找到适合你工作流程的技能。
共找到 135 个技能
使用 Great Expectations、dbt 测试与数据契约实现生产级数据质量验证,确保数据管道的可靠性。
一个全方位的数据分析助手,支持加载数据集、执行统计计算、可视化趋势并生成专业的分析总结报告。
Rust 项目的专家级代码审查工具。使用 Bazel 与项目特定规范,进行全面的质量、安全、性能及架构分析。
为 pandas/polars/PySpark 生成数据清洗管道,处理缺失值、重复项、异常值、类型转换及数据验证。
专注于数据工程的 AI 代理,负责设计 ETL/ELT 管线、定义数据结构、管理数据质量以及实现可靠的数据导入流程。
数据分析专家:进行探索性数据分析、统计建模、SQL 查询与 Python 数据可视化,通过严谨的量化方法将原始数据转化为可操作的洞察。
自动化质量监控与度量,包含 DORA 指标、缺陷密度追踪,并为持续交付流水线配置智能质量闸道。
全球情报自动汇总工具,生成结构化市场、政经与 AI 新闻报告。支持 RSS 聚合、重大事件分级告警与智能推演,帮助用户高效掌握全球动态。
用于 LLM 后训练(SFT/DPO/RLHF)的高质量数据集策劃指南,涵盖数据格式、质量过滤与收集策略。
自动化质量保证系统,根据定义的检查清单验证 PB-000 市场研究工作流程中的 Markdown 交付物。
一个多范式 ETL 流水线代理,支持批处理和流式数据处理、自动模式推断及基于 DAG 的可配置转换,适用于异构数据源。
Collector bot 软件包自动化合规性验证工具,采用 8 个专用代理并行执行。