Gold provenance-first pipeline을 완성한다

1. 01

   먼저 생각하기 · 기초

   DI65 predict · Gold provenance-first pipeline을 완성한다: “dtype drift·index misalignment·missing/invalid 혼합·many-to-many explosion·chained assignment·chart omission·notebook hidden state 중 하나가 주입돼도 마지막 output만 보고 pipeline을 승인한다.” fixture를 실행하기 전에 shape·dtype·index·missing·aggregate 중 이 레슨의 결과 변화를 예측한다.

   상황

   정수 점수 열에 pd.NA가 포함되고, nullable Int64·float64·object 변환에 따라 합계와 검증 결과가 달라집니다.

   문제

   각 dtype과 skipna 정책에서 count·sum·mean·comparison 결과를 예측하고, 결측치 처리 계약을 ordered steps로 작성하세요.

   제공 자료

   • Input fixture: score=[10, pd.NA, 30], 그룹 두 개, nullable Int64 contract
   • 결측치를 0으로 대체하는 것은 관측되지 않음과 실제 0을 합치는 정책 변경입니다.
   • 집계의 skipna 기본값을 암묵적으로 사용하지 말고 기대 count와 함께 기록합니다.
   • nullable boolean 비교 결과의 pd.NA는 False와 같지 않습니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   순서대로 적기 · 외운 답에 기대지 않았는지 밝히고, 내 까닭과 “항상 맞다”는 말을 깨는 장면까지 쓰기20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   연습과 같은 문제를 다시 풀어 보는 시간이에요. 힌트 없이 먼저 생각해 보세요. 지금 적은 답은 바로 합격으로 기록되지 않아요.

   내 답과 맞춰 볼 기준 보기움직임과 비교
2. 02

   내 말로 설명하기 · 익힌 것을 써보기

   DI65 explain · Gold provenance-first pipeline을 완성한다: frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.이 결과 해석과 재현성에 필요한 이유를 데이터 의미·연산 의미·증거 경계로 나눠 설명한다.

   상황

   customer_id가 양쪽에서 중복된 merge가 정상처럼 완료되지만 예상 행 수보다 큰 many-to-many 결과를 만듭니다.

   문제

   조인 전 key cardinality, validate 옵션, 예상 행 수 범위, unmatched 정책을 사용해 폭증 원인과 fail-closed gate를 설명하세요.

   제공 자료

   • Input fixture: orders customer_id=[A,A,B], customers customer_id=[A,A,B], inner merge
   • 성공한 merge 호출은 관계 cardinality가 의도와 같다는 증거가 아닙니다.
   • many_to_one 계약이면 right key uniqueness를 조인 전에 검증합니다.
   • 행 수 변화와 unmatched key count를 함께 reconciliation evidence로 남깁니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   까닭을 함께 쓰는 설명 · 외운 답에 기대지 않았는지 밝히고, 내 까닭과 “항상 맞다”는 말을 깨는 장면까지 쓰기20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   연습과 같은 문제를 다시 풀어 보는 시간이에요. 힌트 없이 먼저 생각해 보세요. 지금 적은 답은 바로 합격으로 기록되지 않아요.

   내 답과 맞춰 볼 기준 보기설명 기준과 비교
3. 03

   틀린 곳 고치기 · 익힌 것을 써보기

   DI65 debug · Gold provenance-first pipeline을 완성한다: 최소 DataFrame/array fixture로 “dtype drift·index misalignment·missing/invalid 혼합·many-to-many explosion·chained assignment·chart omission·notebook hidden state 중 하나가 주입돼도 마지막 output만 보고 pipeline을 승인한다.”를 재현하고 최초 위반 지점만 수정한다.

   상황

   하나의 notebook에서 chained assignment, object dtype 유입, index 순서 불일치, many-to-many merge가 연속 발생합니다.

   문제

   최종 숫자만 고치지 말고 최초로 계약이 깨지는 줄을 찾고, 최소 재현 fixture와 단계별 수정·회귀 검사를 작성하세요.

   제공 자료

   • Input fixture: 네 결함이 섞인 12줄 pandas pipeline과 단계별 row/dtype/index snapshot
   • 최종 예외나 잘못된 chart는 최초 원인이 아니라 downstream symptom일 수 있습니다.
   • 각 transform 직후 schema·index·row count를 기록해 failure localization을 수행합니다.
   • 수정은 결과값 hard-code가 아니라 계약 위반을 제거하는 최소 변경이어야 합니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   순서대로 적기 · 외운 답에 기대지 않았는지 밝히고, 내 까닭과 “항상 맞다”는 말을 깨는 장면까지 쓰기20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   연습과 같은 문제를 다시 풀어 보는 시간이에요. 힌트 없이 먼저 생각해 보세요. 지금 적은 답은 바로 합격으로 기록되지 않아요.

   내 답과 맞춰 볼 기준 보기답과 설명 함께 비교
4. 04

   새 문제에 써보기 · 새 문제

   DI65 transfer · Gold provenance-first pipeline을 완성한다: 실무 인수인계 전에 CSV·SQLite를 검증된 clean data와 report evidence로 바꾸는 배치에 같은 계약을 이식하고 달라진 grain·privacy·cost·decision owner를 방어한다.

   상황

   AI가 생성한 notebook을 dtype drift·missingness·index misalignment·join cardinality 네 scenario와 네 policy, 네 phase의 64-state evidence loop로 검증합니다.

   문제

   모든 state id, phase evidence, final-only verdict, 공개 가능한 artifact 경계를 설계하고 누락 상태를 fail-closed로 판정하세요.

   제공 자료

   • Input fixture: 4 scenarios × 4 policies × 4 phases, synthetic fixtures only
   • policy는 implicit-notebook·clean-only·schema-guarded·provenance-first 네 수준입니다.
   • 최종 verdict는 PUBLISH_REPLAY phase 전에는 공개하지 않습니다.
   • 모든 state는 scenario:policy:phase로 고유하며 executable oracle은 release-test fixture에만 둡니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   비교표 · 외운 답에 기대지 않았는지 밝히고, 내 까닭과 “항상 맞다”는 말을 깨는 장면까지 쓰기20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   연습과 같은 문제를 다시 풀어 보는 시간이에요. 힌트 없이 먼저 생각해 보세요. 지금 적은 답은 바로 합격으로 기록되지 않아요.

   내 답과 맞춰 볼 기준 보기설명 기준과 비교

4개 답이 남았습니다.