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

スクールって「卒業後の実力」をどう見極めればいい？

答え：卒業生のGitHubで判断できます。完成品よりも、“再現性×運用×説明力”です。

関連記事：
>>【保存版】データ職のポートフォリオ完全ガイド｜再現性・評価・LTまで
>>【保存版】Git/GitHub入門：バージョン管理・ブランチ戦略・レビュー・自動化を“実務の型”で最短習得
>>【コピペOK】pytestで“壊れないPython”を作る12ステップ
>>【保存版】モデル評価：指標の選び方・交差検証・閾値最適化・ビジネス接続を“実務の型”で解説
>>【保存版】ハイパーパラメータ入門：Grid/Random/Optunaの実務チューニング完全ガイド
>>コピペで回るレポート納品｜Jupyter→PDF/HTML→共有の自動化テンプレ
>>【保存版】可視化入門：Matplotlib/Plotlyの使い分けと“伝わるグラフ設計”10ステップ

なぜGitHubで判断できるのか（現場視点）

採用側が重視するのは「壊れない」「伝わる」こと。高い精度のモデルよりも、再現できて、テストが回り、意思決定に繋がるリポジトリが評価されます。

• 再現性：環境・データ・手順が整い、READMEどおりに動く
• 運用：テスト・CI・Issue/PRが回っており、壊れにくい
• 説明力：目的/指標/意思決定までを1枚で伝えられる

実例：AさんはAUCが高いのにデータ取得手順がREADMEに無く、再現で詰まりました。
Bさんは精度は普通でも Makefile・pytest・CI が揃い、意思決定（閾値や運用案）も明記。
Bさんを即面接に進行しました。

保存版ルーブリック（100点満点）

合計：100点（60点以上＝実務入門可、75点以上＝即戦力候補）

30分チェックリスト（コマンド付き）

目的：初見のリポジトリを30分で評価し、合否の目星をつける

1) 依存とテスト

# 依存関係の定義があるか
cat requirements.txt || cat pyproject.toml
# 単体テストが最小でも用意されているか
pytest -q

解説：依存が明記されていれば環境構築が速い。pytest -q が即時に通るなら、最低限の品質管理が回っています。

2) CI の有無（GitHubの場合）

#GitHub Actions のワークフロー定義
cat .github/workflows/*.yml

解説：プッシュ/PR時に自動でテストが走れば、壊れたコードが主分岐に混ざりにくい。

3) 実行手順（Makefile推奨）

# 主要ターゲットが並び、上から流せるか
make -n all || grep -n "Usage" README.md

解説：make -n は実行せずに流れだけ確認できます。READMEの「Usage」が明快なら、短時間再現が可能。

4) 変更履歴の粒度

git log --oneline | head -n 20

解説：巨大な1コミットや「fix」だけのメッセージは赤信号。小さく頻繁なコミットが健全です。

5) 行数と構成

pip install cloc && cloc .

解説：行数とディレクトリの偏りで保守しやすさが分かります。venv/ や .ipynb_checkpoints/ をgit管理していると減点。

減点例（よくある落とし穴）：巨大1コミット／生データを data/ にコミット／venv/ を管理／正解率のみの評価／3Dグラフ多用＋注釈なし

スクール選びのコツ：レビューが厳しいほど伸びる

差し戻し事例やPRテンプレを公開/共有できるスクールは、実務に近いレビューを運用している可能性が高いです。
まずは無料カウンセリングで、GitHubのサンプル課題を見せてもらいましょう。

TechAcademy データサイエンスコース（受講料：174,600円～ ※更に割引あり）

TechAcademy 無料相談

株式会社キカガク AI人材長期育成コース（受講料：237,600円~）

キカガク 無料相談

読者タイプ別：チェック観点の優先度

• 社会人（転職）：CI/テスト/PRの運用と、意思決定への翻訳を重視。
• 副業目的（稼ぎたい）：レポート納品の型と自動化（Makefile/スケジューラ）。
• 在宅中心：READMEの明快さと、短時間で再現できるか。録画や図の分かりやすさも加点。

判定のしかた（タイムボックス：30分）

1. README（5分）：目的/KPI/データ/再現手順/結果/限界/次アクション
2. 実行（10分）：make all or python -m pip install -r requirements.txt → pytest -q
3. 構成/変更（5分）：tree -L 2 と git log --oneline
4. CI/PR（5分）：.github/workflows とPR履歴
5. 採点（5分）：上の表に点を入れて合計。合格/要改善を判定

評価フォーム（コピペ可）

# 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）：

テンプレ集：そのまま使える“良い型”

ディレクトリ構成

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

ポイント：tests/ と Makefile、ci.yml が揃うと再現→検証→自動チェックの流れが完成します。

README.md テンプレ

# 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

Makefile テンプレ

.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/*

ポイント：all で上から一気通し。init で依存を入れ、seed を固定。
test を最後に置くことで壊れにくさを担保します。

GitHub Actions（CI）テンプレ

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

ポイント：PR時にテストが自動実行。レビューの質が安定し、人の手戻りが減ります。

pytest 最小例

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

解説：値域テストは壊れた変更を早期に検知します。まずは1つの関数から始めましょう。

アンチパターン（減点リスト）

• 巨大1コミット（初回pushで全ファイル）／コミットメッセージが "fix" のみ
• data/ に**生データ（個人情報）**をコミット
• venv/ や .ipynb_checkpoints/ を git 管理下に置く
• 評価が正解率のみ、CVや±stdが無い
• 図が 3D/グラデ/色だらけ、単位や基準線が無い

相談時に使える質問テンプレ（コピペ可）

1. 卒業生の **サンプルGitHub（PR/レビュー履歴付き）**を見せられますか？
2. 課題で pytest と CI は必須ですか？差し戻し基準は？

この記事から次に読むべきもの（内部リンク）