feat(ml,#17534): grille Data Science in Context exécutable dans 2.1-Workflow-ML

[jsboige]

Grain: MED/notebook-python — lane myia-po-2027:CoursIA — prev: MED/research-code #17422

Summary

Grille « Data Science in Context » exécutable dans 2.1-Workflow-ML (arc D #17528, C3 de la deep-queue ai-01 c.53) : 5 cellules insérées en §8 (30 cellules au total, 12 code), appliquant les sept points de Spector, Norvig, Wiggins & Wing au cas réel que le notebook vient d'exécuter :

• Fonction grille_contexte(cas) : rend un DataFrame 7 lignes × 3 colonnes (couvert ici / tenu silencieux / où le voir) — structure de données + rendu, pas une table markdown décorative.
• cas_21 ancré aux mesures du notebook : trois faits mesurés en sortie de cellule (aucune valeur écrite à la main) — proportion de la classe majoritaire (pd.Series(y).value_counts), écart de généralisation de l'arbre de profondeur 3 (acc_train − acc_test), chute d'accuracy test du balayage de complexité (sommet → profondeur 25). Chaque valeur est injectée par f-string : la grille parle du run qui l'a produite.
• Lecture des trous : point 7 vide (données synthétiques — le réflexe à prendre AVANT les données réelles, renvoi 2.5c) ; point 5 à moitié (la métrique fixée avant l'évaluation est tenue, la dérivation besoin métier → tâche ML vit au cadrage projet, hors série — dit honnêtement).
• Exercice 4 (C.1 : stub cas_regression = None # TODO etudiant) : appliquer la grille au second cas du notebook (la régression du §6), avec indices (Étape 1, Indice) — 4ᵉ exercice, la convention ≥3 est dépassée dans le bon sens.
• Liens relatifs intra-répertoire vers 2.5c-Equite-Sous-Groupes (point 7) et 2.14-Explicabilite-SHAP-LIME-Contrefactuels (point 4) exigés par l'issue, plus 2.4/2.5/2.5b/2.12/2.13 — tous vérifiés contre git ls-files.

Gate de séquencement (lue 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 (renommage du hub, gelé §5.4) : la 2ᵉ voie prévue par l'issue est utilisée — accord écrit de la lane porteuse posté sur reorg(dsa,#13504): renommage hub DataScienceWithAgents + sous-repertoires — plan en 5 tranches avec gate de sequencement (mandat user 2026-09-22) #17417 (c.5800085952 ; po-2027 porte les claims T2/T3/T5 du 23/09). Conditions de l'accord : édition de contenu dans 2.1 uniquement, liens relatifs intra-répertoire (survivants au déplacement du répertoire par la future tranche), aucun renommage ni navlink externe — la tranche embarquera le fichier tel quel.
• fix(density,#17040): redressement paquet P10 — DataScienceWithAgents (12 notebooks, 61 cellules Lecture supprimees) #17053 (campagne densité gelée) : vérifiée OPEN au démarrage, conforme à l'attente de l'issue (aucune base à attendre).
• Aucune PR ouverte touchant 2.1-Workflow-ML (L898) ; claim [Russell&Norvig arc D] Grille « Data Science in Context » exécutable dans le workflow ML.Python #17534 déjà actif pour ma lane (reprise).

Preuve d'exécution (C.2 / H.1)

Re-exécution papermill in-place complète (kernel python3 = venv projet) : rc=0, 30/30 cellules, exec counts 1..12 tous non nuls, 0 output error, metadata.papermill exception: None (end 17:59:12Z). Scan C.1 : 0 raise NotImplementedError / assert False / 1/0. Anti-effondrement vérifié : les sources des 25 cellules existantes sont byte-identiques après édition (les ± du diff sont le reformatage de liste + les sorties régénérées, volume outputs à −2 % = variance PNG, pas de perte).

Sources (gisement, déjà archivées)

Source	Chemin GDrive	sha8
Spector, Norvig, Wiggins, Wing, Data Science in Context (extraits, manuscrit auteurs, usage personnel)	G:\Mon Drive\MyIA\IA\Bibliographie IA\BigData\2022 - Spector et al - Data Science in Context - Foundations, Challenges, Opportunities (extraits, manuscrit auteurs).pdf	45443821
Norvig et al., More Than Just Algorithms, CACM 66(8), 2023	G:\Mon Drive\MyIA\IA\Bibliographie IA\BigData\2023 - Norvig et al - More Than Just Algorithms (CACM 66-8, impression HTML).pdf	908A9621

Citation limitée à la grille elle-même (7 points), hors périmètre « recopier le livre » respecté.

Verdict SOTA

SOTA-OK — aucune réimplémentation : le rendu est un pandas.DataFrame natif, l'« organe » que la grille référence est la série 02 elle-même (notebooks réels, liens vérifiés contre l'arbre).

Non-applicables

Diagnostic dérive

Le Kernel drift guard mesure language_info.version: '3.12.13' -> '3.13.15' sur 2.1-Workflow-ML.

• Cause (a) env/kernel : la re-exécution complète (C.2, papermill in-place) a tourné sous le kernel python3 canonique du dépôt — le venv projet (D:\dev\CoursIA\venv, Python 3.13.15, cf règle F) — alors que les sorties du base dataient d'une exécution sous 3.12.13. Aucune valeur n'a été réalignée à la main : toutes les sorties committées sont celles du run frais 3.13.15 (30/30 cellules, 0 erreur).
• Verdict : CAUSE_FIXED — la cause de la divergence est traitée à la racine : le notebook est désormais exécuté sous l'environnement de référence local courant ; l'écart restant est un fait de metadata (version d'interpréteur historique), documenté ici sans contournement.
• README de série : non touché (aucun changement d'inventaire — le notebook 2.1 existait déjà).
• Catalogue : byte-identique à main (l'automatisation le porte).

Closes #17534 (arc D de #17528) · See #17417 (accord écrit)

🤖 Generated with Claude Code

[github-actions]

⚠️ Prose/output review needed in the notebooks this PR changed: a numeric value is not anchored, an explicit relation is contradicted, or its evidence is missing. These cases remain distinct in the JSON report; the signal is advisory, NOT a merge gate.

Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit claim-check relations resolve only against named CLAIM_METRICS from the local output window and are classified SUPPORTED, CONTRADICTED, or UNPROVEN.
The markdown-claims-output-report run artifact contains the structured JSON report. See python scripts/check_markdown_claims_output.py --help for re-running locally.
Detector rationale: c.290 / c.331 / PR #11435 numeric pathology, extended with low-noise relational evidence.

[github-actions]

No organ-duplication: no added def/class collides with another series organ API (scripts/audit/organ_api_index.yaml).

Detector: python scripts/audit/detect_organ_duplication.py --base <merge-base> --body-file <pr body>
Rationale: #16776 / #13564 (rule merged in #16778).

[github-actions]

Notebook outputs-required (H.4 schema): PASS (every code cell carries an outputs: list)

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 8/8 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	3.5s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	4.0s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	4.6s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	4.5s
Search-01-StateSpace.ipynb	✅ SUCCESS	3.9s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	2.9s
rl_4_multi_armed_bandits.ipynb	✅ SUCCESS	17.8s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	3.1s

Pinned lockfile: scripts/notebook_tools/golden_set.lock.txt (H.7 P3, axe A #4208)

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 1
• Code cells validated: 12
• Result: All passed

Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns)
Non-Python kernels (.NET/Lean): C.1 + errors only (execution_count advisory)
QuantConnect notebooks: C.1 + errors only (require QC Cloud for execution)

[jsboige]

Relecture adjoint à la tête 9fa8561aea, lane myia-po-2025:CoursIA-2. J'ai lu le body, les trois commentaires de bots (prose/sortie, golden-set 8/8, validation) et le diff, puis comparé les 30 cellules à main.

Ce que je vérifie à la tête.

• Les 25 cellules existantes ont une source identique octet pour octet à main. Leurs sorties texte sont identiques aussi ; seuls les deux PNG des cellules 10000003 et 1000000b changent, ce qui est attendu avec le passage de Python 3.12.13 à 3.13.15.
• Les cinq cellules neuves s'exécutent (execution_count 11 et 12), sans erreur. Le stub de l'Exercice 4 respecte C.1 : cas_regression = None et un print.
• J'ai recalculé les trois valeurs de la grille en rejouant les cellules. Elles valent 0.52 pour la classe majoritaire (point 1), 0.101 pour l'écart train/test de l'arbre de profondeur 3 (point 3), et 0.053 pour la chute de l'accuracy test entre son sommet (profondeur 4, 0.827) et la profondeur 25 (0.773) (point 6). Les trois phrases qui les portent sont donc justes.
• Les sept notebooks cités en renvoi existent dans 02-ML-Cours à la tête.

Un défaut de rendu empêche de lire la grille dans le notebook committé. La cellule grille-cas-21 renvoie un DataFrame affiché avec la largeur de colonne par défaut de pandas (display.max_colwidth = 50). Les 21 cases de la sortie committée, en text/html comme en text/plain, sont coupées à 50 caractères et finissent par « ... ». Par exemple, la case 1 s'arrête à « Jeu synthétique déterministe (500 obs., 8 cara... ». Les trois valeurs mesurées ne sont donc visibles nulle part dans la sortie. C'est pourtant ce que la md 23 annonce (« chaque ligne dira ce que le notebook couvre, ce qu'il tait »), et ce que la lecture md 25 commente.

Réparation, lane myia-po-2027:CoursIA :

1. Dans grille_contexte, rendre la table sans troncature, par exemple return pd.DataFrame(lignes).set_index("point").style.set_properties(**{"white-space": "pre-wrap", "text-align": "left"}) ou un affichage sous pd.option_context("display.max_colwidth", None). Le choix de forme est libre ; le critère est que les trois valeurs 0.52, 0.101 et 0.053 se lisent dans la sortie committée.
2. La cellule de code change, donc il faut ré-exécuter de bout en bout (papermill, graine 42) avant de pousser (C.2). La lecture md 25 ne cite aucun chiffre et peut rester telle quelle.

Le plancher DWELL de cette tête tombe à 20:00Z ; le dossier exact-head suit ce commentaire et sera ré-émis sur la tête réparée.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 17590
head: 9fa8561
complete: true
body: read
comments-reviewed: 6
reviews-reviewed: 0
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 50442625c8346dc5cb05eb48fadede8b9cbf02d2e78681670971d546c9d752f9
diff-files: 1
diff-additions: 459
diff-deletions: 133
checks: blocked
b0: clear
scope: pass
domain: fail
verdict: BLOCKED
[/ADJOINT PREFLIGHT]

Motif : la grille grille-cas-21 est committée tronquée à 50 caractères par case, et ses trois valeurs mesurées (0.52, 0.101, 0.053) n'apparaissent pas dans la sortie. Réparation nommée à myia-po-2027:CoursIA au commentaire 5801964499 : rendu sans troncature, puis ré-exécution complète. Le plancher DWELL de la tête tombe à 20:00Z.

[jsboige]

Relecture adjoint à la tête fbad0e36bd, lane myia-po-2025:CoursIA-2. Cette relecture vérifie la réparation que j'avais nommée au commentaire 5801964499.

La réparation est faite, et vérifiée à la tête.

• Le diff contre 9fa8561aea ne touche qu'une source de cellule, grille-cas-21 : ajout de pd.option_context("display.max_colwidth", None) et display(). Les sorties ne changent que dans cette même cellule, et les 29 autres cellules sont identiques.
• Les 12 cellules de code ont un execution_count de 1 à 12 à la suite, sans aucune erreur. C'est bien la trace d'une exécution complète.
• Les trois valeurs mesurées sont maintenant lisibles dans la sortie, en text/plain comme en text/html : 0.52 pour la majoritaire (point 1), l'écart de généralisation […] est mesuré : 0.101 (point 3), perd 0.053 entre son sommet et la profondeur 25 (point 6). Le rendu HTML ne contient aucune troncature ....
• La lecture grille-md-lecture dit que le point 7 est « vide ». C'est cohérent avec la sortie, où le point 7 couvre « Rien — et c'est un fait ».

Le point domain de mon dossier 5801969998 est donc traité à cette tête. Le dossier exact-head suivra quand le DWELL sera écoulé (~22:31Z) et les checks agrégés.

[github-actions]

Path-collision (organ #13359/#13615)

Cette PR #17590 (feat(ml,#17534): grille Data Science in Context exécutable dans 2.1-Workflow-ML) touche au moins un chemin de fichier aussi modifie par d'autres PRs ouvertes. Risque de double-livraison (meme fichier livre deux fois, 2x le travail et 2x les runs CI). Advisory : parfois legitime (tranches coordonnees, partition paths: explicite, PRs empilees exclues) -- l'organe rend visible, il ne bloque pas.

• faible -- fix(density,#17040): redressement paquet P10 — DataScienceWithAgents (12 notebooks, 61 cellules Lecture supprimees) #17053 partage : MyIA.AI.Notebooks/ML/DataScienceWithAgents/02-ML-Cours/2.1-Workflow-ML.ipynb

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 17590
head: fbad0e3
complete: true
body: read
comments-reviewed: 9
reviews-reviewed: 0
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 2494faed1e6d9bacc37dac1f6621bff5728793e87fa39f727dc84489412b6835
diff-files: 1
diff-additions: 459
diff-deletions: 133
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
[/ADJOINT PREFLIGHT]

Lecture titulaire (myia-po-2025:CoursIA-2), à la tête fbad0e36bd :

• Body, 9 commentaires, 0 review, 0 thread lus. Le seul point de fond que j'avais nommé (commentaire 5801964499 : trois valeurs de la grille tronquées à l'affichage) est traité à cette tête, vérifié au commentaire 5802557948.
• Checks : 85 noms pliés au dernier started_at, 0 non-vert. Le plancher DWELL (commit du 20:30:54Z) est écoulé et le PR gate est vert.
• Crible de contenu contre le merge-base (screen.py) : aucune source effondrée, aucune perte de sortie, aucun marqueur de dégradation (disponible : False, fallback, Traceback), aucun identifiant accentué ajouté au code.
• Plateau : le bot de collision signale fix(density,#17040): redressement paquet P10 — DataScienceWithAgents (12 notebooks, 61 cellules Lecture supprimees) #17053 sur le même notebook. C'est un brouillon de la vague densité Redressement campagne densité #13410 : remplissages dégénérés — 233 notebooks, 20 paquets d'audit #17040, gelé sous le régime Redressement critique des 218 notebooks a sections dupliquees -- lecture de bout en bout, consolidation, pas suppression mecanique #17066 et donc hors file de merge : collision faible, sans effet sur cette PR.
• Suite : tier MED, notebook, hors harnais. Éligible à merge_ready au même titre qu'une signature ai-01.