실험 패키지 제작기 (Experiment Suite)

무엇을 해주나

연구 질문을 받아 완결된 실험 패키지를 생성합니다.

• experiment_design.md: 동기 → 가설 → 데이터셋 → 베이스라인 → 지표 → 절제(ablation) → 컴퓨트 예산까지 700단어 이상의 실제 설계문서
• data_contract.md: 데이터 출처·접근 경로·버전·분할·재사용 범위를 명시한 데이터 계약서
• experiment/: model.py, data.py, train.py, evaluate.py, config.yaml 등 python train.py --config config.yaml로 바로 돌릴 수 있는 코드 골격
• results.json: 시드별 결과, 방법×지표 평균/표준편차, provenance(측정/시뮬레이션/예시) 필드
• figures/: 방법 비교 차트, 절제 분석 등 3~6개의 출판급 그림 + 생성 스크립트 + manifest.json
• experiment_report.md: 문제 정의부터 한계까지 6개 이상 섹션의 보고서

특히 실제 측정값이 없을 때는 시뮬레이션 결과를 쓰되 JSON·그림 캡션·보고서 모든 곳에 "simulated"를 남기도록 강제합니다. references/ 하위 플레이북과 품질 게이트, 여러 턴에 걸친 점진적 실행 규칙도 포함되어 있습니다.

이런 분께 추천

• 논문·학위 과정에서 실험 설계와 결과 정리를 반복하는 연구자, 대학원생
• ML/데이터 과학 실험을 팀에 공유 가능한 형태로 문서화해야 하는 엔지니어
• 여러 방법을 비교하고 학회 제출용 그림·보고서까지 필요한 분
• paper-writer 등 후속 스킬로 결과를 넘길 파이프라인을 원하는 분

활용 예시

1. "시계열 수요 예측에서 Transformer가 LightGBM보다 나은가?" → 데이터 계약서, PyTorch 학습 코드, 3개 시드 결과 JSON, 방법 비교 + 절제 그림, 보고서 일괄 생성
2. 이미 보유한 실측 로그를 넘겨 measured 모드로 실행 → results.json의 simulated: false와 provenance 경로가 기록되고, 그림·보고서가 실측값 기준으로 다시 그려짐
3. 컴퓨트가 없는 초기 기획 단계 → 시뮬레이션 모드로 전체 패키지 형태를 만들고, 모든 그림에 "simulated" 워터마크를 넣어 발표 자료의 골격으로 사용

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/ai4s-research/ai4s-skills/HEAD/skills/experiment-suite/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 ai4s-research/ai4s-skills 의 skills/experiment-suite 폴더를 내 ~/.claude/skills/experiment-suite/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.