スクール卒業後の実力はGitHubで判定｜評価軸と30分チェック

# 1) 依存とテスト
cat requirements.txt || cat pyproject.toml
pytest -q

# 2) CIの有無（GitHubの場合）

cat .github/workflows/\*.yml

# 3) 実行手順（Makefile推奨）

make -n all || grep -n "Usage" README.md

# 4) 変更履歴の粒度

git log --oneline | head -n 20

# 5) 行数と構成

pip install cloc && cloc .

# GitHub評価フォーム
- リポジトリ名：
- URL：
- 目的/KPI：
- 合計点：__/100（合格≥60, 強い≥75）
## メモ
- 強み：
- 弱み：
- 改善提案（3点）：

project/
  ├─ README.md
  ├─ pyproject.toml or requirements.txt
  ├─ data/ (raw/processed/README)
  ├─ src/
  │   ├─ features.py
  │   ├─ train.py
  │   └─ evaluate.py
  ├─ models/ (artifacts with metadata)
  ├─ tests/
  │   ├─ test_features.py
  │   └─ test_metrics.py
  ├─ notebooks/
  ├─ Makefile
  └─ .github/workflows/ci.yml

# プロジェクト名
## 目的とKPI
- 例：解約確率の予測（KPI: PR-AUC）
## データ
- 取得方法/サンプル/データ辞書（列名・単位・欠損）
## 再現手順
```bash
python -m pip install -r requirements.txt
make all  # or python src/train.py
pytest -q
```
## 結果
- 指標（CV±std）、重要特徴、図1枚（注釈/基準線）
## 意思決定（打ち手）
- 閾値/在庫/コンタクト戦略の提案
## 限界と次の一手
- 仮定/データ制約/改善案

.PHONY: all init data features train eval test clean
all: init data features train eval test

init:
python -m pip install -r requirements.txt
echo "seed=42" > .env

data:
python src/download\_data.py

features:
python src/features.py

train:
python src/train.py

eval:
python src/evaluate.py

test:
pytest -q

clean:
rm -rf models/*.pkl data/processed/*

name: ci
on: [push, pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with: {python-version: '3.11'}
      - run: python -m pip install -r requirements.txt
      - run: pytest -q

from src.evaluate import pr_auc

def test\_pr\_auc\_range():
s = pr\_auc(\[0,1,1],\[0.1,0.8,0.6])
assert 0.0 <= s <= 1.0