ehdbddl06001-ui

ai-weekly

매주 도는 의료 AI 실습 오케스트레이터. pipelines/datasets.py가 정한 이번 주 주제(오픈 데이터 + 모델구조)를 받아 실습 카드를 생성하고 Colab 노트북과 연결한다. "이번 주 AI 실습", "주간 AI 주제", "ai weekly", "이번주 데이터셋 뭐야" 요청에 트리거.

ehdbddl06001-ui 0 Updated 4w ago
GitHub

Install

npx skillscat add ehdbddl06001-ui/my-github-test/ai-weekly

Install via the SkillsCat registry.

SKILL.md

주간 AI 실습 절차

의료 AI를 매주 하나씩 직접 돌려보게 만드는 얇은 루틴. 무엇을 할지는 코드가 정한다
(커리큘럼 1→12 순서, 달력 아님, LLM 아님). 규칙은 여기, 결정론은 pipelines/datasets.py.

순서

  1. 이번 주 주제 확인 (결정론, 순차 진행)

    python pipelines/datasets.py         # 현재 주차 목표·모델·데이터셋 + 카탈로그
    python pipelines/datasets.py --list  # 12주 전체와 진도(현재/완료) 확인

    출력의 goal / arch / dataset_key / dataset_url / access를 이번 주 대상으로 삼는다.
    커리큘럼은 1주차(신호)부터 순서대로 진행한다. 한 주를 마치면 마지막에
    python pipelines/datasets.py --advance 로 다음 주차로 넘긴다(진도는 state에 저장).

  2. 중복 회피 — 최근 다룬 ailab 주제 확인:

    python -c "from pipelines.state import recent_topics; print(recent_topics('ailab', 21))"

    이미 최근에 만든 주제면 커리큘럼의 다음 항목으로 옮기거나, 심화 각도로 변주한다.

  3. 카드 생성 — /gen-ailab 규칙으로 kind: weekly 카드를 만든다.

    • frontmatter의 dataset은 datasets.py의 key와 일치, week는 커리큘럼 주차(1~12).
    • notebook은 notebooks/ailab_template.ipynb(또는 주제 전용 노트북) 경로.
    • Architecture 도식 + Instructions(지시어 해설) 표를 반드시 포함.
    • ## Gate 섹션 필수: 그 주차의 metric·target·deliverable(datasets.py에서 옴)을
      적고, python pipelines/check_week.py --results <파일> 진급 명령을 넣는다. 노트북은
      끝에서 results.json({week, metric, value})을 남기게 한다.
  4. 노트북 연결 — 새 구조가 필요하면 notebooks/에 노트북을 추가하고 colab_url을
    frontmatter에 링크(https://colab.research.google.com/github/<repo>/blob/main/notebooks/<file>).
    기존 템플릿으로 충분하면 그대로 링크한다.

  5. 검증·색인·번들

    python pipelines/indexer.py --check
    python pipelines/indexer.py
    python pipelines/export_ailab_web.py
    python pipelines/export_search_web.py
  6. 커밋 — 새 .md + docs/ 번들 + (있다면)새 노트북 + (진도를 바꿨다면) state/ailab_progress.json 을
    같은 커밋에. python pipelines/publish.py -m "<메시지>"(콘텐츠 레인 → main).

완료 게이트 (지속 연습의 핵심)

  • 사용자가 바빠 매주 못 만들어도, 판정→진급은 코드가 한다: 노트북이 남긴 results.json을
    python pipelines/check_week.py --results <파일>(또는 --value <값>)로 판정 → 기준 통과 시
    자동으로 다음 주차로 넘어가고 다음 과제를 출력한다. 진도는 state/ailab_progress.json.
  • 판정은 **결정론(지표 임계값)**만 신뢰한다. '학습됐다'를 LLM이 지어내지 않는다. 질적 판단
    (코드 품질·이해도)은 /ai-mentor가 맡고, 애매하면 check_week.py --pass로 승인한다.

주의

  • 실습 데이터가 credentialed(🔴, 예: MIMIC)면 카드에 접근 절차를 명시하고, 바로 못 받는
    주라도 '읽고 설계'하는 과제로 대체한다.
  • 한 번에 한 주제만. 카드엔 재현 가능한 결과 한 줄을 남길 자리(## My notes)를 둔다.
  • 요일 분산 예: 주 1회(예: 토) 이 스킬을 돌려 그 주 카드를 올린다.