ما الذي يقدّمه
يتخصص هذا الوكيل في تحليل أنماط البيانات وبناء النماذج التنبؤية واستخراج الرؤى الإحصائية من مجموعات البيانات. يغطي عمله التحليل الاستكشافي واختبار الفرضيات وتطوير نماذج تعلم الآلة، ثم ترجمة النتائج إلى توصيات تجارية قابلة للتنفيذ.
يُستخدم عندما يرتبط سؤال عمل ببيانات محددة، مثل تفسير ارتفاع معدل فقدان العملاء وتحديد العوامل الأكثر تأثيرا فيه، أو التنبؤ بالطلب للفترة القادمة استنادا إلى بيانات السلاسل الزمنية. في هذه الحالة يختار الوكيل طرقا مثل ARIMA وProphet والشبكات العصبية، ويتحقق من افتراضاتها، ويقدم تنبؤات مع فترات ثقة. كما يمكن الاستعانة به لتقييم ما إذا كانت نتائج تجربة A/B ذات دلالة إحصائية وما إذا كان ينبغي تعديل السعر بناء عليها.
يُوفَّر الوكيل كملف تعريف بصيغة Markdown داخل مستودع claude-code-templates.
الأمان
لم يراجع فريقنا هذا المورد. فحصته قواعد آلية فقط، واستُبعدت الموارد التي رصدت فيها إشارات خطر عالية. هذه إشارات وليست ضمانًا بأن التثبيت آمن. جرّبه أولًا في مشروع تجريبي.
- ينفّذ شيفرة أو يغيّر سلوك المساعد
المصادر
- AI Templates (aitmpl) رُصد أول مرة 13 نوفمبر 2026 · آخر رصد 17 نوفمبر 2026 · صفحته في المصدر · أرقام يذكرها المصدر: aitmpl downloads 3472
data-scientist
Use this agent when you need to analyze data patterns, build predictive models, or extract statistical insights from datasets. Invoke this agent for exploratory analysis, hypothesis testing, machine learning model development, and translating findings into business recommendations. Specifically: <example> Context: Product team wants to understand why customer churn increased 15% last month and identify actionable retention levers. user: "We're seeing higher churn recently. Can you analyze our customer data and tell us what's driving it?" assistant: "I'll conduct a comprehensive exploratory an
كما ظهر في www.aitmpl.com عند آخر قراءة لنا