Podręcznik uczestnika z objaśnieniami, przykładami i ćwiczeniami do samodzielnej nauki
8. Podsumowanie modułu
Po tym module masz kompletny fundament dalszej analizy. Umiesz sformułować pytanie, zaprojektować notebook, uporządkować projekt i sprawdzić, czy wynik powstaje ponownie z danych źródłowych. Wykonałeś również pierwszy workflow oraz włączyłeś LLM w sposób, który pozostawia ślad decyzji i weryfikacji.
Triada odtwarzalności
|
Składnik |
Warunek |
|---|---|
|
Kod |
Jest widoczny w notebooku i wykonuje się od góry do dołu. |
|
Dane |
Pozostają niezmienione ręcznie i są wczytywane ścieżką względem projektu. |
|
Środowisko |
Wersje Pythona i najważniejszych bibliotek są udokumentowane. |
Dopiero restart kernela i pełne wykonanie notebooka pokazują, czy te trzy elementy współpracują. Pamięć autora, zapisany obraz wykresu i przekonująco brzmiące zdanie modelu nie są dowodem odtwarzalności ani poprawnej interpretacji.
Lista końcowa
□ Pytanie wskazuje miarę, zakres danych i sposób porównania.
□ Notebook zawiera cel, dane, kod, wynik, obserwację oraz ograniczenia.
□ Dane źródłowe pozostają w data/raw i nie są nadpisywane.
□ Ścieżki są budowane względem katalogu projektu.
□ Wykres ma tytuł, opisane osie i jednostki.
□ Każda istotna operacja na danych ma kontrolę skutku.
□ Restart and Run All generuje wyniki od początku bez ręcznych kroków.
□ Sugestie LLM mają zapisany prompt, weryfikację, decyzję i uzasadnienie.
Słownik modułu
|
Pojęcie |
Znaczenie |
|---|---|
|
Pytanie analityczne |
Pytanie, które wskazuje, jaki wynik może stanowić odpowiedź. |
|
Komórka Markdown |
Miejsce na opis celu, założeń, decyzji, obserwacji i ograniczeń. |
|
Stan kernela |
Pamięć bieżącej sesji Pythona zawierająca między innymi zmienne i importy. |
|
Odtwarzalność |
Możliwość ponownego wykonania analizy z danych, kodu i opisanego środowiska. |
|
Obserwacja |
Stwierdzenie bezpośrednio oparte na wyniku wygenerowanym przez kod. |
|
Ograniczenie |
Informacja o tym, czego wynik nie obejmuje lub nie pozwala stwierdzić. |
|
Rejestr użycia LLM |
Zapis promptu, sugestii, weryfikacji, decyzji i uzasadnienia. |
W module 2 ten warsztat wykorzystasz do dokładniejszej kontroli jakości i przygotowania danych. Zanim cokolwiek poprawisz lub usuniesz, określisz kryterium decyzji, sprawdzisz jej skutek i zachowasz dane źródłowe jako punkt odniesienia.