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.