15 / 90

Day 15: テキストプロジェクトの再現、評価、引き継ぎ

実際のプロジェクトを完全に実行し、ホールドアウト動作チェックを使い、再利用可能な決定的データ準備を文書化します。

自律学習と Python 480 分のアクティブな学習時間（休憩と無人実行時間を除く）
01 120 分

完全なプロジェクトの再現

エージェント支援による実行は、コマンド、権限、出力レビューを伴う場合に限り許可。

前提条件

Day 13〜14 とクリーンな一時環境。

学習目標

無関係な作業ディレクトリから実際の text_tools CLI を実行し、統計、語彙、分割、マニフェストのアーティファクトを再生成する。

手順

必須作業: names.txt または文書化したローカルコーパスに対して stats と split コマンドを実行し、バージョンとシードを記録し、出力を比較する。任意作業: 2 つ目のコーパスを実行する。

演習と予測

実行前にアーティファクト名、分割件数、マニフェスト項目を予測する。分割ファイルが再現可能なまま、どのタイムスタンプ項目がマニフェストのバイト一致を妨げるかを説明する。

Learning Project Submission & Evidence

0 / 4096 バイト
Declared Assistance Condition

Current Submitted Evidence Details

No submission recorded yet.
独立習得基準

学習者は公開コマンドを再現し、プロセス分離された実行から観測したアーティファクトを説明できる。

ソースリソースと出所

original_explanation Apache-2.0 AND CC-BY-SA-4.0 share-alike

Text and Data Tools Learning Project

著者・提供機関: Curriculum team (delivered in Ticket 16) | オリジナル出所URL ↗

該当セクション・タイムスタンプ: cli.py --stats/--split output artifacts: train.txt, val.txt, test.txt, stats.json, vocab.json, manifest.json

検証バージョンと日付: Verified against the checked-in implementation on 2026-10-30

選定理由:

Reproduction must target the actual project and its real artifact names so later tokenizer and model experiments can consume the same outputs.

ソース前提知識:

Days 13–14 evidence: CLI usage and disposable Git workflows

安全フォールバック（オフライン回復性）:

A clean temporary corpus and output directory reproduce all artifacts offline.

比較対象候補リソースと選定評価 (2)
Names corpus (Karpathy makemore names.txt) ↗ compared_alternative [MIT]

A natural example corpus for the reproduction run; any documented local corpus also works, so it is not a required download.

tinyshakespeare corpus (karpathy/char-rnn) ↗ compared_alternative [MIT]

Another natural local corpus for reproduction; any documented corpus satisfies the exercise.

02 120 分

独立したホールドアウト評価

独立習得チェック: 初回実行では AI も参照実装も不可。

前提条件

新しいホールドアウトコーパスがあり、参考解答が見えないこと。

学習目標

独立した例で Unicode、空入力、不正なエンコーディング、重複レコード、比率検証、再現性をテストする。

手順

必須作業: 結果を予測し、CLI を実行し、終了コード、標準エラー、アーティファクトを記録し、合格・失敗・不確定を正直に分類する。任意作業: 動作を理解した後にのみテストを追加する。

演習と予測

空ファイルがゼロ統計で成功し得る理由、strict デコードが失敗すべき理由、同一行が内容のみのリーク検査を不十分にする理由を説明する。

独立習得基準

自力の評価に期待結果と観測結果が含まれ、決定的チェックと実質的レビューが区別されている。

ソースリソースと出所

original_explanation Apache-2.0 AND CC-BY-SA-4.0 share-alike

Text and Data Tools Learning Project

著者・提供機関: Curriculum team (delivered in Ticket 16) | オリジナル出所URL ↗

該当セクション・タイムスタンプ: CLI edge behavior: empty input, strict/replace decoding, ratio validation, seed determinism

検証バージョンと日付: Verified against the checked-in implementation on 2026-10-30

選定理由:

Held-out cases are chosen against the real CLI seams (encoding, ratios, seeds) rather than imagined behavior.

ソース前提知識:

Completion of day-15-act-01

安全フォールバック（オフライン回復性）:

All held-out inputs are small local files created by the learner in a temporary directory.

比較対象候補リソースと選定評価 (2)
Python unittest/pytest documentation ↗ compared_alternative [PSF License Version 2]

Useful for formalizing cases later, but the evaluation is intentionally run at the CLI boundary first.

Hypothesis property-based testing ↗ compared_alternative [MPL-2.0]

Property-based generation could extend held-out coverage later; manual edge cases keep the evaluation transparent first.

03 120 分

データ出所と将来のモデル再利用

エージェント支援型エンジニアリングチェック: エージェントはレポートに異議を唱えられるが、証拠と主張は学習者が検証する。

前提条件

完了したホールドアウト評価とマニフェストアーティファクト。

学習目標

決定的なデータ準備が、後のトークナイザ、言語モデル、評価実験の契約になる仕組みを説明する。

手順

必須作業: ソースハッシュ→順序付きレコード→シード→分割ハッシュ→後の消費者を追跡し、リークや分布シフトがまだ起こり得る場所を述べる。任意作業: トークナイザ入力契約を描く。

演習と予測

後のモデル実験が、指標を見た後に再シャッフルするのではなく、記録された train 分割と untouched の validation/test 分割を消費すべき理由は?

Learning Project Submission & Evidence

0 / 4096 バイト
Declared Assistance Condition

Current Submitted Evidence Details

No submission recorded yet.
独立習得基準

学習者は少なくとも 3 つの前提と 3 つの限界を伴う、追跡可能な再利用の説明をできる。

ソースリソースと出所

original_explanation Apache-2.0 AND CC-BY-SA-4.0 share-alike

Text and Data Tools Learning Project

著者・提供機関: Curriculum team (delivered in Ticket 16) | オリジナル出所URL ↗

該当セクション・タイムスタンプ: Generated manifest.json provenance fields: source_sha256 → decoded_text_sha256 → total_lines → seed → split_counts → split_sha256 (plus leakage_check); consumer/reuse metadata is not in manifest.json but in project.json reusable_by_projects (makemore, minbpe, nanogpt)

検証バージョンと日付: Verified against the checked-in implementation on 2026-10-30

選定理由:

The reuse contract is declared by the project's own manifest and project.json, preserving attribution and provenance for later study days.

ソース前提知識:

Completion of day-15-act-02

安全フォールバック（オフライン回復性）:

The manifest generated in earlier activities carries all required provenance fields.

比較対象候補リソースと選定評価 (2)
Datasheets for Datasets (Gebru et al.) ↗ compared_alternative [arXiv non-exclusive distribution]

The academic framing of dataset documentation; the project manifest already implements the subset needed for deterministic reuse.

Croissant dataset metadata format (MLCommons) ↗ compared_alternative [Apache-2.0]

Richer dataset-metadata schema; the project manifest already records the needed provenance subset.

04 120 分

独立したポートフォリオ引き継ぎ

独立した最終引き継ぎ: 確定した無支援の原本とその証拠を先に保存する。後の編集支援は開示され、非評価であり、習得証拠を作り出したり上書きしたりできない。

前提条件

すべてのプロジェクト、Git、評価の証拠が保持されていること。

学習目標

要件、コマンド、結果、レビュー所見、前提、限界、未解決ブロッカーを含む PR 形式の引き継ぎを作る。

手順

必須作業: まず予測/期待する証拠を記録し、自分のチェックを実行して実際に観測した証拠を集める（自分のチェックは無支援の試行の一部）。次に、完成した最初の無支援レポートを実際の証拠とともに、編集・参考・AI レビューの前に確定（提出・日付記録）し保存する。ローカル/使い捨ての証拠のみをリンクし、外部公開と有料コンピュートが許可されていないことを明記する。任意作業: 別ラベルの「非評価」の仕上げは後に付けてよいが、確定した原本を上書きできない。後で重大な欠落が判明した場合は、新たな無支援の修復チェックが必要。

演習と予測

完全な引き継ぎは、後の学習者があなたの物語を信頼せずにプロジェクトを再実行できるものでなければならない。正確なコマンド、シード、コーパス同一性、期待出力、既知の限界を挙げる。

独立習得基準

ポートフォリオが完全で正直である：確定した無支援の原本と実際の証拠が、あらゆる編集/AI 比較の前に保存されており、レビュアーがプロジェクトを再実行して、テスト済み動作、人間のレビュー、利用不可の証拠を区別できる。

ソースリソースと出所

original_explanation Apache-2.0 AND CC-BY-SA-4.0 share-alike

Text and Data Tools Learning Project

著者・提供機関: Curriculum team (delivered in Ticket 16) | オリジナル出所URL ↗

該当セクション・タイムスタンプ: project.json license and supported_languages attribution carried into the handoff

検証バージョンと日付: Verified against the checked-in implementation on 2026-10-30

選定理由:

The handoff must cite the real project, its license, and its reproducible commands so a reviewer can rerun without trusting the narrative.

ソース前提知識:

Completion of day-15-act-03

安全フォールバック（オフライン回復性）:

All linked evidence is local or disposable by design; external publication is not required or authorized.

比較対象候補リソースと選定評価 (2)
Choose a License guidance ↗ compared_alternative [CC BY 3.0 (site content) / MIT (site code)]

Helpful for understanding the Apache-2.0 AND CC-BY-SA-4.0 attribution carried in project.json; not required to complete the handoff.

SPDX License List ↗ compared_alternative [spdx.org site copyright (All Rights Reserved footer; list license not verified) / linked reference]

Standard license identifiers behind the project's Apache-2.0 AND CC-BY-SA-4.0 declaration.