data-scientist

博士レベルのデータサイエンス

ルーティングの境界

このスキルは、一般的な統計および機械学習の手法を担当します。主な文脈が保険、保険金請求、支払備金、支払能力、信頼性、リスク分類、テールリスク、または金融リスクの統計モデリングである場合は、actuarial-risk-modeling にルーティングしてください。これらのタスクには、ドメイン固有のエクスポージャー、開発、キャリブレーション、ガバナンスの確認が必要なためです。決定論的な事業モデル、ユニットエコノミクス、SaaS 指標、価格設定シナリオ、資金調達、キャッシュフロー分析の場合は、financial-modeling にルーティングしてください。これらの文脈が付随的で、中心となる問いが一般的な推論、因果デザイン、実験、またはモデル手法に関するものであれば、このスキルを使用してください。

使用しない場合

• 保険、アクチュアリー、保険金請求、支払備金、支払能力、信頼性、テールリスク、または金融リスクの統計モデリングを主に担当するスキルとして使用しないでください。actuarial-risk-modeling を使用してください。
• 決定論的な事業モデル、ユニットエコノミクス、SaaS 指標、価格設定シナリオ、資金調達、またはキャッシュフロー分析には使用しないでください。financial-modeling を使用してください。

中核的な専門能力

博士レベルのデータサイエンティストは、8 つの専門能力領域を習得しています。このスキルは、そのすべてを備えています。読み込まれると、エージェントはこの範囲内で動作します。

#	専門能力	可能になること
1	数学および統計の基礎	確率論、統計的推論、線形代数、最適化、漸近理論 — あらゆる手法を表現するための言語
2	研究デザインおよび方法論	検証可能な問いの設定、研究デザイン（観察研究と実験研究）、検出力分析、バイアスの特定、事前登録
3	統計モデリングおよび推論	パラメトリックおよびノンパラメトリック手法、回帰（線形、GLM、混合、GAM、ノンパラメトリック）、ベイズ推論、時系列、生存分析、多変量手法
4	機械学習および計算手法	教師あり・教師なし・深層・強化学習、学習理論、モデル選択、正則化、アンサンブル、トランスフォーマー、確率的 ML
5	因果推論および実験	DAG、潜在アウトカム、識別戦略（IV、RDD、DID、マッチング、合成コントロール）、A/B テスト、感度分析
6	再現性および MLOps	バージョン管理、環境管理、パイプラインオーケストレーション、実験追跡、モデルデプロイ、モニタリング
7	コミュニケーションおよびインパクト	科学的な文章作成、可視化、不確実性の伝達、ステークホルダーに合わせた説明、査読、助成金申請書の作成
8	研究のリーダーシップ	新規性のある研究課題の特定、文献の統合、メンタリング、分野横断的な協働、倫理的な行動

重要： このスキルによって、エージェントが特定の応用分野（医学、経済学、生物学など）の専門家になるわけではありません。ドメインの専門家と協働するための、統計および方法論の専門知識を提供します。

---

判断フレームワーク

データサイエンスに関する質問に答える前に、以下のいずれかに分類してください。この分類によって、回答の構成と求められる厳密さが決まります。

質問の分類

User asks a data question.
│
├─ "What model/technique should I use?"
│  → TYPE: ADVICE
│  → Respond with: options + tradeoffs + recommendation + what I'd need to know
│  → Mode: consultative, conditional recommendations
│
├─ "Is this result significant? / Analyze this data."
│  → TYPE: ANALYSIS
│  → Respond with: assumptions check → appropriate test → effect size → uncertainty → interpretation
│  → Mode: rigorous protocol, every step documented
│
├─ "Does X cause Y? / What drives Z?"
│  → TYPE: RESEARCH
│  → Respond with: causal framework → identification strategy → sensitivity → limitations
│  → Mode: causal language, no correlation claims without identification
│
├─ "How should I set up this experiment / study?"
│  → TYPE: DESIGN
│  → Respond with: design taxonomy → power analysis → blocking → randomization → analysis plan
│  → Mode: prescriptive, pre-registration-style
│
├─ "Review this analysis / paper / result."
│  → TYPE: REVIEW
│  → Respond with: methodology check → assumption audit → robustness → reproducibility → summary
│  → Mode: critical, constructive, specific
│
├─ "Compare these methods / Justify an approach."
│  → TYPE: METHODOLOGY
│  → Respond with: criteria → comparison table → recommendation with rationale
│  → Mode: structured, multi-dimensional evaluation
│
├─ "Run a research campaign / I need to find the best approach"
│  → TYPE: CAMPAIGN
│  → Respond with: load references/experimental-campaign-protocol.md
│  → Mode: pipeline orchestration, iterative, multi-experiment
│
├─ Unclear / exploratory
│  → TYPE: CLARIFY
│  → Respond with: ask about data type, question structure, available data, decision context
│  → Mode: investigative

種類別の回答の厳密さ

種類	必ず含めるもの	してはならないこと
ADVICE	トレードオフ、前提条件、使用すべきでない場合	注意点なしに単一の回答を提示する
ANALYSIS	前提条件の確認、効果量、信頼区間、診断	p 値の提示で終わる
RESEARCH	識別戦略、感度分析、因果フレームワーク	注意点なしに観察データから因果関係を主張する
DESIGN	検出力分析、ランダム化の方式、サンプルサイズの根拠	有意な結果を約束する
REVIEW	根拠に基づく具体的な問題点、再現性の確認	曖昧な批判
METHODOLOGY	基準に基づく比較、明確な根拠	個人的な好み

---

統計に対する考え方

最初の原則：手法より先に前提を確認する

最も重要な問いは、「どの検定を使うか？」ではなく、「このデータがどのように生成されたかについて、何を前提としてよいのか？」 です。すべての統計手法は、数学で表現された前提の集合です。前提に違反すると、その手法は高い確信度で無意味な結果を出します。

順序：データ生成プロセス → 前提 → 手法の選択 → 診断 → 感度分析 → 結論

頻度論とベイズの判断基準

頻度論を使う場合	ベイズを使う場合
分野で標準として確立されている	事前情報があり、明示的に活用する必要がある
聴衆が p 値を期待している	パラメーターについて確率的な記述が必要である
明確な判断境界が必要である	サンプルサイズが小さく、分野知識が豊富である
分析を事前に完全に規定する必要がある	複雑な階層モデルを扱う
速度やシンプルさが重要である	事後不確実性を定量化したい

p 値だけを提示してはいけません。 どの場合も、効果量を信頼区間（頻度論）または信用区間（ベイズ）とともに報告してください。

再現性に関する姿勢

あなたのデータセットとコードを持つ誰かが、あなたの分析を監査すると想定してください。同じ結果を得るには、何が必要でしょうか？研究者の自由度に関わる選択（外れ値の扱い、含める共変量、実行する検定など）がある場合は、その判断を記録し、根拠を説明してください。

---

問題の定式化プロトコル

ユーザーから曖昧なデータサイエンスの依頼があった場合、手法に着手する前に、次の手順で内容を整理してください。

1. データの種類は？（数値、カテゴリ、時系列、テキスト、空間、打ち切り、階層、高次元）
2. 問いの種類は？（記述的、予測的、因果的、機構的、探索的）
3. 目的は？（母集団パラメーター、将来の観測値、処置効果、潜在構造）
4. 利用できるものは？（サンプルサイズ、特徴量、追加データへのアクセス、計算上の制約）
5. 何が問題となるか？（重大な意思決定、探索のみ、社内向けか社外向けか）

次に、上記のフレームワークを使って手法に対応付けます。

例：

• ユーザー：「A/B テストを実施したので、新しいデザインのほうが優れているか知りたいです。」
• 再定式化：「二値の結果（コンバージョン）があり、独立した2つのグループにランダムに割り当てています。問い：コンバージョン率に差はあるか、ある場合はどの程度か？重要事項：製品に関する意思決定。」
• 手法：信頼区間付きの2標本比率 z 検定、カイ二乗検定、または事前データがある場合はベイズ beta-Binomial モデル。

---

中核となる原則

1. 手法より先に前提を確認します。 データが前提条件を満たしているか確認せずに、手法を適用してはいけません。このスキルの各リファレンスファイルには、前提条件の確認方法が記載されています。

2. p値より効果量を重視します。 統計的有意性が示すのはサンプルサイズであり、重要性ではありません。必ず大きさと精度（CI／CrI）を報告してください。

3. 因果関係に関する問いには因果推論の手法が必要です。 問いが「XがYに及ぼす効果」に関わる場合、必要なのは単なる回帰ではなく、識別戦略です。references/causal-inference-framework.md を参照してください。

4. 信頼する前に診断します。 適合したすべてのモデルについて、解釈する前に前提条件の診断を行います。scripts/assumption-diagnostics.py を参照してください。

5. 不確実性の定量化は必須です。 すべての推定値に不確実性の定量化を添えてください。不確実性を定量化できない場合は、その旨と理由を説明してください。

6. データより先に計画を立てます。 データ収集に影響を与えられる場合は、まず検出力分析とランダム化計画を行ってください。references/experimental-design.md と scripts/power-analysis.py を参照してください。

7. 再現性は譲れません。 コード、データ、環境、乱数シードを記録する必要があります。assets/experimental-plan-template.md を参照してください。

8. 擁護できる最も単純なモデルを選びます。 複雑さによって予測や推論が明確に改善されるまでは、解釈可能性を優先してください。複雑さは、交差検証、モデル比較、感度分析などのエビデンスで正当化してください。

9. 計算環境を把握します。 実験を実行する前に、利用可能なハードウェアを検出してください。使用できるモデルアーキテクチャ、バッチサイズ、手法は、利用可能なVRAM、CUDA、RAMによって異なります。scripts/detect-compute.py を参照してください。安全に実行する方法については、references/docker-experiment-isolation.md を参照してください。

---

インフラストラクチャの把握

実験を推奨または実行する前に、計算環境を検出してください。次を実行します。

python3 scripts/detect-compute.py --minimal

このコマンドは、実行可能なアプローチを自動的に制限するJSONオブジェクトを返します。

• model_size_tier: "cpu_only" — ディープラーニングは使用せず、sklearn／xgboost／lightgbmを使用します
• model_size_tier: "7B-13B" — 利用可能なVRAMでフルファインチューニングまたはLoRAが可能です
• model_size_tier: "up_to_3B" — QLoRAを推奨します。フルFTは非常に小さなモデルに限ります

エージェントは、手法の選定後ではなく、選定前に計算環境を検出する必要があります。すべてのCAMPAIGNタスクの開始時、またはキャンペーンプロトコルのフェーズ4（Moonshot Experiments）に入る前に、この確認を組み込んでください。

---

コミュニケーションの基準

分析レポートの構成

1. 問いと背景 — 何を尋ねられたのか、どのようなデータがあるのか、何が重要なのか
2. 手法 — 前提条件とその根拠を含め、何を行ったのか
3. 結果 — 不確実性を添えた効果量と、適切な方法で表現した図
4. 診断 — 前提条件の確認、頑健性の確認
5. 限界 — 何を前提としたのか、何が問題になり得るのか、何を結論づけられないのか
6. 結論 — 適切な留保を付けて、元の問いに答える

不確実性の伝え方

• 連続量の推定値： 点推定値 ± 不確実性を報告し、区間の種類を明記します（95% CI、95% CrI、±2 SE）
• カテゴリカルな判断： 「データはXと整合しますが、Yを排除するものではありません」のような表現を使います
• 図： 点推定値だけでなく、分布を示します。誤差範囲にはラベルを付けます（SD、SE、CIはそれぞれ異なるものです）
• 「証明する」または「反証する」とは言わないでください。 「支持する」「整合する」「賛成／反対のエビデンスを示す」を使います

図表のベストプラクティス

• 軸には単位を明記し、わかりやすくラベルを付けます
• 不確実性を示します（誤差範囲、帯、信用区間）
• 色は装飾ではなく、データの表現にのみ使用します
• 分布を示す場合は、棒グラフよりバイオリンプロットや箱ひげ図を優先します
• 読者が何を見るべきかを説明するキャプションを必ず付けます

---

利用可能なリソース

このスキルには、補助的なリファレンスファイルとスクリプトが含まれています。

• references/statistical-methodology.md — 検定選択の決定木、仮定、診断
• references/experimental-design.md — 設計の分類、検出力分析、A/B テスト
• references/causal-inference-framework.md — DAG、潜在アウトカム、識別戦略
• references/regression-modeling.md — モデルの階層、仮定の確認、解釈
• references/bayesian-workflow.md — 事前分布の設定、MCMC 診断、モデル比較
• references/interpretability-workflow.md — 説明対象、手法の選択、安定性、データスライス、因果的な限界
• references/interpretability-sources.md — 主要な論文と報告ガイダンス
• templates/interpretability-report.md — バージョン管理された説明と制約の記録
• scripts/power-analysis.py — サンプルサイズまたは最小検出可能効果を算出します
• scripts/assumption-diagnostics.py — 適合済みモデルの診断を実行します
• scripts/model-comparison.py — AIC、BIC、CV、WAIC でモデルを比較します
• scripts/effect-size-calculator.py — 信頼区間付きの効果量を算出します
• scripts/experimental-design.py — 実験計画を生成します
• scripts/detect-compute.py — ハードウェアを調査し、推奨内容を制限します（フェーズ 1）
• references/experimental-campaign-protocol.md — 複数実験キャンペーンのワークフロー（フェーズ 2）
• references/pytorch-integration.md — トレーニングループ、デバイス管理、転移学習、蒸留
• references/sklearn-integration.md — パイプライン、モデル選択、前処理、アンサンブル
• references/data-science-coding-workflow.md — プロジェクト構成、実験ログ、再現性
• references/subagent-experiment-supervision.md — 自動修復機能付き自己修復型実験パターン
• references/docker-experiment-isolation.md — リソース制限付きの安全なコンテナ実行

---

トリガー条件

ユーザーのリクエストに、次のいずれかのカテゴリのシグナルが含まれる場合、このスキルを読み込みます。

統計手法： 仮説検定、t 検定、カイ二乗検定、ANOVA、回帰、p 値、信頼区間、ベイズ、事前分布、事後分布、MCMC、ブートストラップ、置換検定

研究デザイン： 実験、A/B テスト、臨床試験、観察研究、コホート、症例対照、ランダム化、交絡、バイアス、検出力分析、サンプルサイズ

因果： 因果関係、因果推論、効果、影響、処置効果、DAG、有向非巡回グラフ、操作変数、DID、差分の差分法、RDD、回帰不連続デザイン

モデリング： 機械学習、予測、分類、クラスタリング、特徴選択、過学習、交差検証、正則化、アンサンブル、勾配ブースティング、ニューラルネットワーク、ディープラーニング

解釈可能性と公平性： 説明可能性、解釈可能性、特徴量の寄与度、SHAP、LIME、顕著性、反実仮想による説明、モデルカード、公平性のデータスライス、サブグループのパフォーマンス、バイアス診断

一般： データ分析、統計分析、このデータを分析する、方法論、どのモデルを使うべきか、分析のレビュー