資料處理用的 AI Skill

可直接使用的 Skill 與開源 Skill 專案，集中在一份清單。

可用的 Skill 經過審查，並固定在單一版本。收錄專案則指向 GitHub 上的專案。選擇任務指南

這些已審查的 Skill 與開源專案，協助 AI 助理一步步處理資料工作，從整理試算表到挑選清楚易讀的圖表。LuluSkill 不會執行它們，所以用在真實資料之前，先看清楚每一項需要哪些檔案與工具。每一項都連到當初審查的那個版本。

分類

4 筆結果

避免資料洩漏的資料清理
把原始資料表整理成能拿來訓練模型的一套步驟：去除重複、修正型別、統一類別值、處理缺失值與離群值，而且所有清理用的統計數字只從訓練集計算。
已記錄的工具支援：Claude, Codex
可用的 Skill更新於 2026-09-24授權：MIT
Tufte Data Viz
一套圖表設計規則，讓 AI 代理在製作或檢查圖表、統計圖與儀表板時套用：直接標示資料、克制的座標軸與格線處理、對比、響應式版面與深色模式下的呈現，並附上數個常用圖表函式庫的設定說明。適合製作資料視覺化、希望每張圖都套用同一套內部規範的人。
收錄專案收錄於 2026-09-24GitHub 星數：223（2026-10-13 取得）授權：MIT
Agent ML Skills
十五個機器學習工作流程技能，涵蓋資料探索與清理、特徵工程、scikit-learn 管線、PyTorch 訓練迴圈、模型評估與超參數調整、大型語言模型微調、檢索增強生成、實驗追蹤、可重現性、模型除錯與模型服務部署。適合希望 AI 代理在建模各階段都依可重複、並留意資料洩漏的流程進行的實務工作者。
收錄專案收錄於 2026-09-24GitHub 星數：11（2026-10-13 取得）授權：MIT
Probabl Data Science Skills
十四個技能，引導 AI 代理以 Python 完成一次機器學習實驗：探索資料，建立、評估、測試、冒煙測試與稽核管線，依診斷結果或使用者回饋反覆調整實驗，並整理工作區、程式碼風格與執行環境。其中數個技能仰賴維護者自家的 skore 函式庫。適合希望實驗每個階段都依書面方法進行的資料團隊。
收錄專案收錄於 2026-09-24GitHub 星數：140（2026-10-13 取得）授權：BSD-3-Clause