通过数据洞察、A/B测试和持续测量，借助专业代理进行分析、实施和实验，构建功能

用于设置A/B测试的结构化指南，包含对假设、指标和执行准备的强制性检查点

使用 PyTorch 2.x、TensorFlow 和现代机器学习框架构建生产级机器学习系统，支持模型服务、特征工程、A/B 测试和监控

一个可通过命令行接口查询的网站分析平台，支持追踪页面浏览、自定义事件、运行A/B实验、分析漏斗、留存用户群和流量热力图。当用户需要网站分析、访客追踪、事件追踪、转化优化、增长洞察、A/B测试，或希望为网站或应用添加分析功能时使用。也可通过mcp.agentanalytics.sh作为MCP服务器使用。

世界级高级数据科学家，专精于统计建模、实验设计、因果推断和预测分析。涵盖A/B测试（样本量计算、双比例z检验、Bonferroni校正）、差分中的差分、特征工程管道（Scikit-learn、XGBoost）、交叉验证模型评估（AUC-ROC、AUC-PR、SHAP）以及MLflow实验追踪，使用Python（NumPy、Pandas、Scikit-learn）、R和SQL。适用于设计或分析受控实验、构建与评估分类或回归模型、对观测数据进行因果分析、为结构化表格数据集开发特征，或将统计洞察转化为数据驱动的商业决策。