[Russell&Norvig arc D] Grille « Data Science in Context » exécutable dans le workflow ML.Python #17534

Part of #17528, arc D (Norvig : la science des données en contexte)

Constat

Data Science in Context (Spector, Norvig, Wiggins, Wing) et l'article More Than Just Algorithms (CACM 66(8), 2023) proposent une grille d'analyse en sept points pour tout projet de science des données :

1. données traitables ;
2. approche technique ;
3. fiabilité ;
4. intelligibilité ;
5. objectifs clairs ;
6. tolérance aux échecs ;
7. implications éthiques, juridiques et sociétales.

Le hub ML.Python (aujourd'hui MyIA.AI.Notebooks/ML/DataScienceWithAgents/, renommage en cours sous #17417) traite déjà plusieurs de ces points. Ils y sont dispersés :

• fiabilité : 2.5-Biais-Variance-CV-ROC et 2.5b-Calibration-Probabilites ;
• intelligibilité : 2.14-Explicabilite-SHAP-LIME-Contrefactuels ;
• éthique : 2.5c-Equite-Sous-Groupes ;
• tolérance aux échecs : 2.13-Analyse-Erreurs ;
• données traitables : 2.12-Donnees-Desequilibrees.

Aucun notebook ne les rassemble en une grille, et le notebook de workflow (2.1-Workflow-ML) ne dit pas lesquels il laisse de côté.

Livrable (MED/notebook-python)

La règle d'entrée du dépôt s'applique : l'auteur entre par un organe exécuté, pas par une citation.

1. Dans 2.1-Workflow-ML (ou dans un notebook 2.1b si l'argument pédagogique écrit le justifie, conformément à la règle d'accrétion), ajouter une grille exécutable : une petite fonction ou une structure de données qui prend le cas d'étude du notebook et rend, pour chacun des sept points, ce que le notebook couvre, ce qu'il tait, et le notebook de la série qui y répond.
2. La grille s'applique au cas réel du notebook. Pas d'exemple jouet.
3. Le point 7 renvoie à 2.5c et le point 4 à 2.14, par des liens relatifs vérifiés.
4. Un exercice (C.1 : stub pass ou return None, jamais d'erreur volontaire) demande à l'étudiant d'appliquer la grille à un second cas de la série.
5. C.2 : notebook re-exécuté par Papermill, sorties committées.

Hors périmètre : recopier le livre. La grille est un instrument, et la citation se limite à la source.

Séquencement (bloquant, à lire avant d'éditer)

• reorg(dsa,#13504): renommage hub DataScienceWithAgents + sous-repertoires — plan en 5 tranches avec gate de sequencement (mandat user 2026-09-22) #17417 renomme le hub en 5 tranches, avec un gate de séquencement. Éditer 2.1-Workflow-ML pendant qu'une tranche déplace 02-ML-Cours/ fabrique un conflit de renommage. Ce grain ne démarre donc qu'après le merge de la tranche qui déplace 02-ML-Cours/, ou sur accord écrit de la lane porteuse de reorg(dsa,#13504): renommage hub DataScienceWithAgents + sous-repertoires — plan en 5 tranches avec gate de sequencement (mandat user 2026-09-22) #17417, sur reorg(dsa,#13504): renommage hub DataScienceWithAgents + sous-repertoires — plan en 5 tranches avec gate de sequencement (mandat user 2026-09-22) #17417.
• fix(density,#17040): redressement paquet P10 — DataScienceWithAgents (12 notebooks, 61 cellules Lecture supprimees) #17053 (campagne densité densite pedagogique : 430 notebooks sous le plancher 1200 — surface majoritairement non suivie #13410, gelée sous le veto Redressement campagne densité #13410 : remplissages dégénérés — 233 notebooks, 20 paquets d'audit #17040) touche aussi 2.1-Workflow-ML. Elle ne se merge pas : aucune base n'est à attendre de ce côté, mais il faut vérifier au démarrage qu'elle est toujours ouverte et gelée.

Sources (gisement G:\Mon Drive\MyIA\IA\Bibliographie IA)

See #17528 · See #17417