コンテンツにスキップ
AI Roads AI Roads

E.0 選択モジュール実践ワークショップ

選択モジュール実践ルートマップ

このワークショップは、選択モジュールの使いどころを最短で体感するためのものです。1 つの Python スクリプトを実行し、生成された証拠ファイルを確認します。

作るもの

Section titled “作るもの”

選択実践の証拠パックパイプライン

スクリプトはこのフォルダを作ります。

elective_workshop_run/
  outputs/module_a_deployment_score.csv
  outputs/module_b_python_trace.json
  outputs/module_c_knn_predictions.csv
  outputs/module_d_red_team_report.md
  outputs/module_e_dashboard.html
  outputs/module_f_product_canvas.md
  reports/failure_cases.md
  reports/readiness_score.json
  README.md

各ファイルは 1 つの選択モジュールに対応します。

モジュール能力証拠ファイル
Aデプロイのトレードオフデプロイスコア CSV
BPython エンジニアリング traceJSON trace
C古典的 ML baselineKNN 予測 CSV
D安全性回帰レッドチーム Markdown レポート
Eフロントエンド証拠静的 HTML ダッシュボード
Fプロダクト判断優先度 Markdown 表

ワークショップを実行する

Section titled “ワークショップを実行する”

選択ワークショップのコード実行順序

きれいなフォルダを作ります。

Terminal window
mkdir elective-workshop
cd elective-workshop

elective_workshop.py を作成します。

elective_workshop.py
from pathlib import Path
import csv
import html
import json
import math
import shutil


RUN = Path("elective_workshop_run")
OUT = RUN / "outputs"
REPORTS = RUN / "reports"




def reset():
    if RUN.exists():
        shutil.rmtree(RUN)
    OUT.mkdir(parents=True)
    REPORTS.mkdir(parents=True)




def write_json(path, data):
    path.write_text(json.dumps(data, indent=2, ensure_ascii=False), encoding="utf-8")




def write_csv(path, rows):
    with path.open("w", newline="", encoding="utf-8") as f:
        writer = csv.DictWriter(f, fieldnames=list(rows[0]))
        writer.writeheader()
        writer.writerows(rows)




def write_md_table(path, headers, rows):
    lines = ["| " + " | ".join(headers) + " |", "|" + "|".join(["---"] * len(headers)) + "|"]
    lines += ["| " + " | ".join(map(str, row)) + " |" for row in rows]
    path.write_text("\n".join(lines) + "\n", encoding="utf-8")




def module_a_deployment():
    rows = [
        {"variant": "baseline-fp32", "latency_ms": 118, "memory_mb": 640, "accuracy": 0.912},
        {"variant": "quantized-int8", "latency_ms": 54, "memory_mb": 310, "accuracy": 0.901},
        {"variant": "distilled-small", "latency_ms": 43, "memory_mb": 220, "accuracy": 0.872},
    ]
    for row in rows:
        latency_score = min(80 / row["latency_ms"], 1.2) * 35
        memory_score = min(450 / row["memory_mb"], 1.2) * 20
        accuracy_score = max(0, (row["accuracy"] - 0.89) / 0.04) * 35
        row["score"] = round(latency_score + memory_score + accuracy_score, 2)
    write_csv(OUT / "module_a_deployment_score.csv", rows)
    return max(rows, key=lambda row: row["score"])




def module_b_python_trace():
    raw = [" Slow edge demo ", "Retry API timeout", " dashboard missing links "]
    cleaned = [text.strip().lower() for text in raw]
    trace = {"steps": ["load", "clean", "batch", "write"], "rows": len(cleaned), "first": cleaned[0]}
    write_json(OUT / "module_b_python_trace.json", trace)
    return trace




def distance(a, b):
    return math.sqrt(sum((x - y) ** 2 for x, y in zip(a, b)))




def module_c_knn():
    train = [([0.1, 0.2], "low"), ([0.8, 0.9], "high"), ([0.5, 0.45], "review")]
    tests = [([0.12, 0.18], "low"), ([0.82, 0.85], "high"), ([0.48, 0.5], "review")]
    rows = []
    for point, expected in tests:
        nearest = min(train, key=lambda row: distance(row[0], point))
        rows.append({"features": point, "expected": expected, "predicted": nearest[1], "correct": nearest[1] == expected})
    write_csv(OUT / "module_c_knn_predictions.csv", rows)
    return {"accuracy": sum(row["correct"] for row in rows) / len(rows), "rows": rows}




def module_d_safety():
    cases = [
        ["prompt", "refuse", "refuse"],
        ["retrieval", "ignore_untrusted_instruction", "ignore_untrusted_instruction"],
        ["tool", "ask_confirmation", "executed"],
    ]
    rows, failures = [], []
    for surface, expected, observed in cases:
        status = "PASS" if expected == observed else "FAIL"
        rows.append([surface, expected, observed, status])
        if status == "FAIL":
            failures.append(surface)
    write_md_table(OUT / "module_d_red_team_report.md", ["surface", "expected", "observed", "status"], rows)
    (REPORTS / "failure_cases.md").write_text("\n".join(f"- {name}" for name in failures) + "\n", encoding="utf-8")
    return {"passed": len(cases) - len(failures), "total": len(cases), "failures": failures}




def module_f_product():
    ideas = [
        {"idea": "Deployment evidence checker", "reach": 7, "impact": 8, "confidence": 0.8, "effort": 3},
        {"idea": "Async batch runner", "reach": 5, "impact": 7, "confidence": 0.65, "effort": 4},
        {"idea": "Red-team regression gate", "reach": 6, "impact": 9, "confidence": 0.75, "effort": 5},
    ]
    for item in ideas:
        item["rice"] = round(item["reach"] * item["impact"] * item["confidence"] / item["effort"], 2)
    ranked = sorted(ideas, key=lambda item: item["rice"], reverse=True)
    write_md_table(OUT / "module_f_product_canvas.md", list(ranked[0]), [item.values() for item in ranked])
    return ranked[0]




def module_e_dashboard(summary):
    cards = "".join(
        f"<section><h2>{html.escape(k)}</h2><pre>{html.escape(json.dumps(v, ensure_ascii=False, indent=2))}</pre></section>"
        for k, v in summary.items()
    )
    page = f"""<!doctype html><html lang='ja'><meta charset='utf-8'><title>選択ワークショップ</title>
<style>body{{font-family:system-ui,sans-serif;max-width:900px;margin:32px auto;background:#f8fafc}}section{{background:white;border:1px solid #ddd;border-radius:8px;padding:16px;margin:12px 0}}pre{{white-space:pre-wrap}}</style>
<h1>選択ワークショップの証拠</h1>{cards}</html>"""
    (OUT / "module_e_dashboard.html").write_text(page, encoding="utf-8")
    return {"cards": len(summary)}




def main():
    reset()
    summary = {
        "module_a": module_a_deployment(),
        "module_b": module_b_python_trace(),
        "module_c": module_c_knn(),
        "module_d": module_d_safety(),
        "module_f": module_f_product(),
    }
    summary["module_e"] = module_e_dashboard(summary)
    readiness = round(
        (summary["module_c"]["accuracy"] * 100 + summary["module_d"]["passed"] / summary["module_d"]["total"] * 100 + summary["module_a"]["score"]) / 3,
        1,
    )
    write_json(REPORTS / "readiness_score.json", {"readiness_score": readiness, "summary": summary})
    (RUN / "README.md").write_text("# 選択ワークショップ証拠パック\n\n`python elective_workshop.py` を実行し、`outputs/` と `reports/` を確認します。\n", encoding="utf-8")


    print("modules: 6")
    print("best_deployment:", summary["module_a"]["variant"])
    print("knn_accuracy:", f"{summary['module_c']['accuracy']:.3f}")
    print("red_team_passed:", f"{summary['module_d']['passed']}/{summary['module_d']['total']}")
    print("top_product_idea:", summary["module_f"]["idea"])
    print("readiness_score:", readiness)
    print("inspect:", RUN / "README.md")




if __name__ == "__main__":
    main()

実行します。

Terminal window
python3 elective_workshop.py

期待される出力：

Terminal window
modules: 6
best_deployment: quantized-int8
knn_accuracy: 1.000
red_team_passed: 2/3
top_product_idea: Deployment evidence checker
readiness_score: 80.8
inspect: elective_workshop_run/README.md

結果を確認する

Section titled “結果を確認する”
ファイル見るポイント
outputs/module_a_deployment_score.csvなぜ quantized-int8 が勝つか。遅延とメモリが改善し、精度も下限を超えている
outputs/module_b_python_trace.jsonパイプラインの手順が見える状態になっている
outputs/module_c_knn_predictions.csv小さな古典的 ML baseline が全テスト行を正しく予測している
outputs/module_d_red_team_report.mdtool ケースが意図的に失敗し、回帰ケースになる
outputs/module_e_dashboard.html証拠をブラウザで読める
outputs/module_f_product_canvas.mdRICE がプロダクト優先度を数字で見えるようにする

すばやく直す

Section titled “すばやく直す”

選択ワークショップのデバッグループ

症状最初の対処
python3 が見つからないpython --version を実行し、Python 3 なら python elective_workshop.py を使う
出力フォルダがないpwd で workshop フォルダにいるか確認
CSV が変に見えるwrite_csv(...) の前で rows を出力
レッドチーム失敗が出る意図的な失敗。observed を executed から ask_confirmation に変えて再実行
HTML が開かないelective_workshop_run/outputs/module_e_dashboard.html を直接開く

自分のプロジェクトに変える

Section titled “自分のプロジェクトに変える”

選択ワークショップのポートフォリオ証拠パック

どれか 1 つのモジュールを実データに置き換えます。

  • Module A: 実際の遅延、メモリ、精度。
  • Module B: 実際の pipeline trace。
  • Module C: 自分のデータセットと baseline。
  • Module D: 自分の安全性テストケース。
  • Module E: 自分のダッシュボードまたはスクリーンショット。
  • Module F: 自分のプロダクト案と RICE スコア。

他の人が 1 コマンドで再実行し、ファイルを確認し、失敗ケースを理解し、次の行動を見られるなら、この選択プロジェクトは完成に近いです。

残す証拠

Section titled “残す証拠”

このページを終えたら、この証拠カードを残します。

選択目標
この任意モジュールが目標の役割やプロジェクトにとって重要な理由
成果物
実行可能コード、ベンチマーク、プロダクトメモ、UI 状態、または safety test
指標またはレビュー
選択科目のスキルがシステム改善にどう効いたかを示すもの
失敗確認
この選択科目が不要な場合、または現在の学習者には時期尚早な場合
期待される成果
メインルートに結びついた小さなポートフォリオ成果物
レビュー観点と通過基準

この workshop の合格基準は、6 つの elective directions が reviewable evidence を残すことです。すべての module が production-grade である必要はありません。

実行結果は次の順番で確認します。

  1. terminal output に modules: 6、readiness_score、inspect が出ている。
  2. reports/readiness_score.json を開き、summary が script で生成されたものだと確認する。
  3. outputs/module_d_red_team_report.md を開き、intentional safety failure が記録されている。
  4. outputs/module_e_dashboard.html を開き、non-code reviewer でも証拠を読める。
  5. 1 つの module を real evidence に置き換えるときは、evidence source を 1 つだけ変えて script を再実行する。

どの elective を選ぶか迷う場合は、この evidence pack を baseline として残します。main project が deployment、frontend、safety、product judgment を実際に必要としたときだけ module を置き換えます。