# فصل ۰۹ — پروژه: یک نوت‌بوکِ یادگیری ماشین را بسته کن

<div dir="rtl">

# فصل ۰۹ — پروژه: یک نوت‌بوکِ یادگیری ماشین را بسته کن

## در این فصل چه یاد می‌گیری

هشت فصل، هشت مهارت. **این فصل هیچ مفهومِ تازه‌ای ندارد و همه‌شان را در یک بسته جمع می‌کند** — بسته‌ای که کسِ دیگری برمی‌دارد، یک دستور می‌زند، و همان عددی را می‌گیرد که تو گرفتی.

**عددِ پایانی این است: ۹ فایل، ۲۰۶ خط، ۱۰ تستِ سبز، و دقتِ `0.8154` که در نوت‌بوک و در مفسرِ تازه مو به مو یکی است.** و یک چیزِ اضافه که کمتر جایی می‌بینی: **`README` خودش تست می‌شود** — هر دستوری که داخلش نوشته‌ایم استخراج و اجرا می‌شود، و هر پنج‌تا با کدِ خروجِ صفر برمی‌گردند.

![یک جعبهٔ تحویل با فهرستِ محتویاتِ حکاکی‌شده روی درش](/lesson-assets/t1-s09-project-package/prompt/01-image-sealed-crate.png)

آخر این فصل می‌توانی:

- یک پروژهٔ کوچکِ داده‌محور را با ساختارِ استاندارد تحویل بدهی
- مجموعهٔ تستی بنویسی که با یک دستور اجرا شود و کدِ خروج بدهد
- مستندی بنویسی که **کهنه نمی‌شود، چون تست می‌شود**
- بازتولیدپذیری را ثابت کنی، نه ادعا

## قبل از شروع

هر هشت فصلِ قبل. **هیچ چیزِ تازه‌ای اینجا نیست جز چیدنشان کنارِ هم.**

**و یک توضیح دربارهٔ عنوان:** این ترم عمداً `torch` را به‌کار نمی‌برد و هیچ‌جایش هم لازم نمی‌شود. **هیچ‌کدام از هشت مهارتِ قبلی به نوعِ مدل بستگی ندارند** — ماژول، تست، قرارداد، اشکال‌یابی، پروفایل و هم‌زمانی روی یک دسته‌بندِ متنی همان‌قدر معنا دارند که روی یک شبکهٔ عصبی، و روی پیکرهٔ همین ترم عددهایشان با هشت فصلِ قبل مقایسه‌شدنی می‌ماند. **تمرینِ اجباریِ آخرِ فصل همان کار را روی یک نوت‌بوکِ خودت — از ژرفا یا هر جای دیگر — می‌خواهد**، و آنجاست که تفاوت‌های یک حلقهٔ آموزش را می‌بینی.

</div>

| اجرا | زمانِ تقریبی |
|---|---|
| CPU (پیش‌فرضِ Colab) | حدودِ یک دقیقه |

<div dir="rtl">

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/darbast/term-1-code-you-can-trust/session-09-project-package.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

## ۱. بسته، در شش فایل

**هر فایل یک مسئولیت، و هیچ‌کدام دربارهٔ دیگری چیزی نمی‌داند جز آنچه لازم است.**

</div>

```python
import json
from pathlib import Path

with open("tickets.jsonl", "w", encoding="utf-8") as f:
    for t in TICKETS:
        f.write(json.dumps(t, ensure_ascii=False) + "\n")

Path("tickets").mkdir(exist_ok=True)

Path("tickets/__init__.py").write_text('VERSION = "1.0.0"\n', encoding="utf-8")

Path("tickets/text.py").write_text(r'''import re

_SPACES = re.compile(r"\s+")


def normalise(text: str) -> str:
    if not isinstance(text, str):
        raise TypeError(f"normalise: متن باید str باشد، {type(text).__name__} گرفت")
    return _SPACES.sub(" ", text.replace("ي", "ی").replace("ك", "ک")).strip()
''', encoding="utf-8")

Path("tickets/data.py").write_text(r'''import json
from pathlib import Path

from tickets.text import normalise

DATA = Path(__file__).resolve().parent.parent / "tickets.jsonl"
LABELS = ["حساب", "پرداخت", "فنی", "ارسال"]


def load_tickets(path=DATA):
    with open(path, encoding="utf-8") as f:
        return [json.loads(line) for line in f if line.strip()]


def usable(rows):
    return [r for r in rows if isinstance(r.get("text"), str)
            and r["text"].strip() and r.get("label") in LABELS]


def deduplicate(rows):
    # ردیفِ تکراری بینِ آموزش و تست، دقت را بالاتر از واقعیت نشان می‌دهد (فصل ۳)
    seen, kept = set(), []
    for r in rows:
        key = normalise(r["text"])
        if key not in seen:
            seen.add(key)
            kept.append(r)
    return kept
''', encoding="utf-8")

Path("tickets/model.py").write_text(r'''from sklearn.feature_extraction.text import CountVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.pipeline import make_pipeline

from tickets.text import normalise


def build():
    return make_pipeline(CountVectorizer(), LogisticRegression(max_iter=1000))


def train_and_score(rows, seed=0):
    X = [normalise(r["text"]) for r in rows]
    y = [r["label"] for r in rows]
    X_tr, X_te, y_tr, y_te = train_test_split(
        X, y, test_size=0.25, random_state=seed, stratify=y)
    model = build()
    model.fit(X_tr, y_tr)
    return model, model.score(X_te, y_te)


def predict(model, text):
    return model.predict([normalise(text)])[0]
''', encoding="utf-8")

Path("tickets/cli.py").write_text(r'''import sys

import joblib

from tickets import VERSION, data, model

USAGE = "usage: python -m tickets [check | train | predict <text>]"


def main(argv):
    if not argv or argv[0] not in ("check", "train", "predict"):
        print(USAGE)
        return 2
    command = argv[0]
    if command == "check":
        rows = data.load_tickets()
        kept = data.usable(rows)
        unique = data.deduplicate(kept)
        print(f"version={VERSION} rows={len(rows)} usable={len(kept)} unique={len(unique)}")
        return 0
    if command == "train":
        rows = data.deduplicate(data.usable(data.load_tickets()))
        fitted, score = model.train_and_score(rows)
        joblib.dump(fitted, "model.joblib")
        print(f"trained rows={len(rows)} accuracy={score:.4f}")
        return 0
    if len(argv) < 2:
        print(USAGE)
        return 2
    print(model.predict(joblib.load("model.joblib"), argv[1]))
    return 0


if __name__ == "__main__":
    sys.exit(main(sys.argv[1:]))
''', encoding="utf-8")

Path("tickets/__main__.py").write_text(
    "import sys\n\nfrom tickets.cli import main\n\nsys.exit(main(sys.argv[1:]))\n",
    encoding="utf-8")

print(sorted(p.name for p in Path("tickets").glob("*.py")))
```

```text
['__init__.py', '__main__.py', 'cli.py', 'data.py', 'model.py', 'text.py']
```

<div dir="rtl">

**سه تصمیم که از فصل‌های قبل آمده‌اند:**

**۱) `deduplicate` در `data.py` نشسته، نه در `model.py`.** آن `assert` فصلِ ۳ نشان داد نشتیِ ردیفِ تکراری هفت واحد دقت را باد می‌کند؛ **حالا رفعش بخشی از خودِ بارگذاریِ داده است، نه کاری که باید یادت بماند انجامش بدهی.**

**۲) `normalise` روی ورودیِ غیررشته‌ای `TypeError` می‌دهد، نه `assert`.** فصلِ ۵ گفت `assert` با پرچمِ `-O` حذف می‌شود؛ **این‌یکی اعتبارسنجیِ ورودی است و باید همیشه باشد.**

**۳) `cli.py` عدد برمی‌گرداند و `__main__.py` آن را به `sys.exit` می‌دهد.** یعنی هر دستور یک **کدِ خروج** دارد: صفر یعنی موفق. **هر ابزارِ خودکاری که فردا این را صدا بزند، فقط همین عدد را می‌فهمد.**

## ۲. مجموعهٔ تست، در یک فایل

**ده تست، از هر چهار خانوادهٔ فصلِ ۳ به‌علاوهٔ تست‌های معمولیِ فصلِ ۲:**

</div>

```python
Path("tests.py").write_text(r'''import sys

from tickets import data, model
from tickets.text import normalise


def run_tests(namespace):
    names = sorted(n for n in namespace if n.startswith("test_"))
    failed = []
    for name in names:
        try:
            namespace[name]()
        except AssertionError as exc:
            failed.append((name, str(exc) or "بدونِ پیام"))
        except Exception as exc:
            failed.append((name, f"{type(exc).__name__}: {exc}"))
    for name, why in failed:
        print(f"  x {name} - {why}")
    print(f"{len(names) - len(failed)} از {len(names)} تست سبز")
    return len(failed)


def test_normalise_arabic():
    assert normalise("كارت بانكي") == "کارت بانکی"


def test_normalise_spaces():
    assert normalise("  رمز    عبور ") == "رمز عبور"


def test_normalise_rejects_none():
    try:
        normalise(None)
    except TypeError:
        return
    raise AssertionError("normalise باید روی None خطا بدهد")


def test_usable_drops_empty():
    rows = [{"text": "", "label": "فنی"}, {"text": "سلام", "label": "فنی"}]
    assert len(data.usable(rows)) == 1


def test_usable_drops_unknown_label():
    rows = [{"text": "سلام", "label": "نامشخص"}, {"text": "سلام", "label": "فنی"}]
    assert len(data.usable(rows)) == 1


def test_deduplicate_removes_repeats():
    rows = [{"text": "كارت", "label": "پرداخت"}, {"text": "کارت", "label": "پرداخت"}]
    assert len(data.deduplicate(rows)) == 1, "دو نوشتارِ یک متن باید یکی شمرده شوند"


def test_no_train_test_overlap():
    rows = data.deduplicate(data.usable(data.load_tickets()))
    texts = [normalise(r["text"]) for r in rows]
    assert len(set(texts)) == len(texts), "متنِ تکراری در دادهٔ آموزش مانده"


def test_proba_shape_and_sum():
    rows = data.deduplicate(data.usable(data.load_tickets()))
    fitted, _ = model.train_and_score(rows)
    proba = fitted.predict_proba(["رمز عبورم کار نمی‌کند"])
    assert proba.shape == (1, 4), f"شکلِ غیرمنتظره: {proba.shape}"
    assert abs(proba.sum() - 1.0) < 1e-9


def test_invariant_to_keyboard():
    rows = data.deduplicate(data.usable(data.load_tickets()))
    fitted, _ = model.train_and_score(rows)
    persian = model.predict(fitted, "کارت بانکی من کار نمی‌کند")
    arabic = model.predict(fitted, "كارت بانكي من كار نمي‌كند")
    assert persian == arabic, f"صفحه‌کلید جواب را عوض کرد: {persian} در برابرِ {arabic}"


def test_beats_chance():
    rows = data.deduplicate(data.usable(data.load_tickets()))
    _, score = model.train_and_score(rows)
    assert score > 0.40, f"از حدسِ تصادفی بهتر نیست: {score:.4f}"


if __name__ == "__main__":
    sys.exit(1 if run_tests(dict(globals())) else 0)
''', encoding="utf-8")

import subprocess
import sys

done = subprocess.run([sys.executable, "tests.py"], capture_output=True, text=True,
                      encoding="utf-8")
print(done.stdout.strip())
print("کدِ خروج:", done.returncode)
```

```text
10 از 10 تست سبز
کدِ خروج: 0
```

<div dir="rtl">

**به `test_invariant_to_keyboard` و `test_no_train_test_overlap` نگاه کن: دو درسِ گران‌قیمتِ فصلِ ۳، حالا به‌شکلِ دو تستِ ده‌خطی.** روزی که کسی `normalise` را از مسیرِ پیش‌بینی بردارد، اولی قرمز می‌شود. روزی که کسی `deduplicate` را «برای سرعت» حذف کند، دومی.

**و آن `sys.exit(1 if ... else 0)` مهم‌ترین خطِ فایل است.** بدونش، دروازهٔ خودکارِ ترمِ ۶ نمی‌فهمد تستی شکسته — **چون هیچ ماشینی متنِ فارسیِ خروجی را نمی‌خواند، فقط کدِ خروج را.**

## ۳. سنجاقِ نسخه

</div>

```python
import importlib.metadata

PINNED = ["scikit-learn", "numpy", "joblib"]
lines = [f"{name}=={importlib.metadata.version(name)}" for name in PINNED]
Path("requirements.txt").write_text("\n".join(lines) + "\n", encoding="utf-8")
print(Path("requirements.txt").read_text(encoding="utf-8").strip())
```

```text-approx
scikit-learn==1.7.2
numpy==2.4.6
joblib==1.5.3
```

<div dir="rtl">

**نسخه‌ها را از محیطِ واقعی می‌خوانیم، نه از حافظه.** فایلی که دستی نوشته شود، همان روزِ اول با محیط اختلاف پیدا می‌کند.

**و بدانی چه چیزی را تضمین نمی‌کند:** سنجاقِ نسخه محیط را **مشابه** می‌کند، نه یکسان. نسخهٔ خودِ پایتون، سیستم‌عامل و کتابخانه‌های سطحِ پایین هنوز آزادند. **و ترمِ ۳ هم تضمینش نمی‌کند.** آن ترم محیط را **ثبت** می‌کند تا فردا بدانی **چه چیزی عوض شده**؛ خودِ آن فصل صریح می‌گوید که بازتولیدپذیریِ کامل تقریباً هیچ‌وقت به‌دست نمی‌آید. **این فایل هشتاد درصدِ فایده را با یک فایل می‌دهد؛ بقیه‌اش کارِ `Dockerfile` و فایلِ قفل است که ترمِ ۴ فصلِ ۱ می‌سازدشان.**

## ۴. `README`ی که تست می‌شود

**هر مستندی که دستی نگه‌داری شود، کهنه می‌شود.** راهِ حل این است که مستند **اجرا** شود:

</div>

```python
FENCE = "`" * 3          # سه بک‌تیک، در کد ساخته می‌شود تا با خودِ این فایل تداخل نکند

README = "\n".join([
    "# tickets",
    "",
    "دسته‌بندیِ تیکتِ پشتیبانیِ فارسی.",
    "",
    "## نصب",
    "",
    FENCE + "bash",
    "pip install -r requirements.txt",
    FENCE,
    "",
    "## اجرا",
    "",
    FENCE + "bash",
    "python -m tickets check",
    "python -m tickets train",
    'python -m tickets predict "رمز عبورم را فراموش کردم"',
    "python tests.py",
    FENCE,
    "",
])
Path("README.md").write_text(README, encoding="utf-8")


def commands_in(readme):
    inside, found = False, []
    for line in readme.splitlines():
        if line.startswith(FENCE):
            inside = line.strip() == FENCE + "bash"
            continue
        if inside and line.strip():
            found.append(line.strip())
    return found


commands = commands_in(Path("README.md").read_text(encoding="utf-8"))
print("دستورهای پیداشده در README:", len(commands))
for c in commands:
    print("  ", c)
```

```text
دستورهای پیداشده در README: 5
   pip install -r requirements.txt
   python -m tickets check
   python -m tickets train
   python -m tickets predict "رمز عبورم را فراموش کردم"
   python tests.py
```

<div dir="rtl">

</div>

```python
import shlex

results = []
for command in commands:
    if command.startswith("pip "):
        results.append((command, "رد شد (نصب لازم نیست)", 0))
        continue
    parts = shlex.split(command)
    parts = [sys.executable if p == "python" else p for p in parts]
    done = subprocess.run(parts, capture_output=True, text=True, encoding="utf-8")
    printed = (done.stdout.strip() or done.stderr.strip() or "(بدونِ خروجی)").splitlines()
    results.append((command, printed[-1], done.returncode))

for command, output, code in results:
    print(f"  [{code}] {command}")
    print(f"        → {output}")
print("همهٔ دستورها موفق؟", all(code == 0 for _, _, code in results))
```

```text
  [0] pip install -r requirements.txt
        → رد شد (نصب لازم نیست)
  [0] python -m tickets check
        → version=1.0.0 rows=769 usable=769 unique=520
  [0] python -m tickets train
        → trained rows=520 accuracy=0.8154
  [0] python -m tickets predict "رمز عبورم را فراموش کردم"
        → حساب
  [0] python tests.py
        → 10 از 10 تست سبز
همهٔ دستورها موفق؟ True
```

<div dir="rtl">

**پنج دستور، هر پنج‌تا با کدِ خروجِ صفر.**

**این سی خط کد، مستنداتت را از یک وعده به یک آزمون تبدیل می‌کند.** فردا که کسی نامِ دستور را عوض کند و یادش برود `README` را به‌روز کند، همین قطعه قرمز می‌شود. **مستندی که اجرا نمی‌شود، حدس است.**

> 📏 **اندازه بگیر:** **با چه چیزی مقایسه شد؟** با هیچ — **این یک دروازه است، نه یک بهبود.** جوابش دودویی است: یا هر پنج دستور کار می‌کنند یا نه. **روی کدام داده؟** همان پیکرهٔ ۷۶۹تایی. **با چند `seed`؟** یکی، چون دوباره ادعای «بهتر شد» نداریم؛ **ادعا این است که «همان می‌شود»، و برای آن یک `seed` کافی است — دقیقاً مثلِ فصلِ ۱.**

## ۵. مفسرِ تازه، همان عدد

</div>

```python
from tickets import data, model

rows = data.deduplicate(data.usable(data.load_tickets()))
fitted, score = model.train_and_score(rows)
print(f"دقت در نوت‌بوک        : {score:.4f}")

done = subprocess.run([sys.executable, "-m", "tickets", "train"],
                      capture_output=True, text=True, encoding="utf-8")
from_cli = float(done.stdout.strip().split("accuracy=")[1])
print(f"دقت از مفسرِ تازه     : {from_cli:.4f}")
print("مو به مو یکی؟", f"{score:.4f}" == f"{from_cli:.4f}")
```

```text
دقت در نوت‌بوک        : 0.8154
دقت از مفسرِ تازه     : 0.8154
مو به مو یکی؟ True
```

<div dir="rtl">

**همان کاری که در فصلِ ۱ کردیم، این بار با کلِ بسته — و این بار عدد صادقانه است.**

**۰٫۸۱۵۴ در برابرِ ۰٫۹۰۱۶ فصلِ اول.** آن عدد نشتی داشت؛ این‌یکی روی دادهٔ یکتاشده است و **در همان بازهٔ ۰٫۸۰۸ تا ۰٫۸۳۹ می‌افتد که فصلِ ۳ با پنج `seed` اندازه گرفت.** یعنی نتیجه با آنچه قبلاً سنجیدیم می‌خواند — **و همین «خواندن با چیزی که قبلاً سنجیده‌ای» تنها راهِ اطمینان است.**

> ✅ **چک کن:** اگر عددِ نوت‌بوک و عددِ مفسرِ تازه یکی نشد، **همان لحظه بایست.** یعنی چیزی در نوت‌بوکت هست که در بسته نیست — معمولاً یک متغیر یا یک `seed` که فقط در حافظه زندگی می‌کند. **این دقیقاً همان چیزی است که فردا کسِ دیگری را زمین می‌زند.**

## ۶. سیاههٔ تحویل

</div>

```python
import time

start = time.perf_counter()
subprocess.run([sys.executable, "tests.py"], capture_output=True, text=True, encoding="utf-8")
tests_time = time.perf_counter() - start

files = sorted(Path(".").rglob("*.py")) + [Path("README.md"), Path("requirements.txt")]
total_lines = sum(len(p.read_text(encoding="utf-8").splitlines()) for p in files)
print(f"فایل‌های بسته      : {len(files)}")
print(f"مجموعِ خطوط        : {total_lines}")
print(f"زمانِ مجموعهٔ تست   : {tests_time:.1f} ثانیه")
```

```text-approx
فایل‌های بسته      : 9
مجموعِ خطوط        : 206
زمانِ مجموعهٔ تست   : 2.1 ثانیه
```

<div dir="rtl">

**دویست و شش خط. این همان چیزی است که یک ترم کار روی «کدی که می‌شود به آن تکیه کرد» تولید می‌کند.**

**و این سیاهه‌ای است که از حالا به بعد قبل از هر تحویلی می‌روی:**

</div>

| سؤال | کجای این بسته جوابش است |
|---|---|
| کسِ دیگری چطور اجرایش کند؟ | `README.md` — و دستورهایش تست می‌شوند |
| از کجا بدانم سالم است؟ | `python tests.py` با کدِ خروج |
| چه نسخه‌هایی لازم است؟ | `requirements.txt`، خوانده‌شده از محیطِ واقعی |
| عدد از کجا آمده؟ | `python -m tickets train`، بازتولیدپذیر |
| دادهٔ خراب چه می‌شود؟ | `usable` و `TypeError` سرِ مرز |
| نشتی چطور جلویش گرفته شده؟ | `deduplicate` + `test_no_train_test_overlap` |

<div dir="rtl">

> 🔧 **اگر کار نکرد:** اگر `python -m tickets` با `No module named tickets` شکست، مفسر از پوشه‌ای دیگر اجرا شده. **`python -m` پوشهٔ جاری را به `sys.path` اضافه می‌کند، پس باید دقیقاً در پوشهٔ **بالای** `tickets/` باشی.** با `print(Path.cwd())` ببین کجایی. و اگر `predict` با `FileNotFoundError: model.joblib` شکست، **`train` را قبلش نزده‌ای** — ترتیبِ دستورهای `README` هم برای همین همان است.

> 🤖 **از دستیارت بپرس:** «`pyproject.toml` چه چیزی به این بسته اضافه می‌کند که `requirements.txt` ندارد؟» جوابِ درست شاملِ نصب‌پذیر شدن، نامِ رسمیِ بسته و جدا شدنِ وابستگیِ توسعه از اجراست. بعد **خودت این را بپرس:** «اگر بسته‌ام را کسی `pip install` کند، مسیرِ `tickets.jsonl` که با `__file__` حساب شده کجا می‌افتد؟» — **جوابش تلخ است و دلیلِ اینکه داده هرگز داخلِ بسته نمی‌رود؛ ترمِ ۲ همین را کامل می‌کند.**

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| exit code | اگزیت کد | عددی که برنامه موقعِ پایان می‌دهد؛ صفر یعنی موفق |
| `__main__.py` | مِین | فایلی که `python -m <بسته>` اجرایش می‌کند |
| pinning | پینینگ | ثبتِ نسخهٔ دقیقِ وابستگی‌ها |
| executable documentation | اگزکیوتبل داکیومنتیشن | مستندی که دستورهایش واقعاً اجرا و بررسی می‌شوند |
| regression suite | ریگرشن سوئیت | مجموعهٔ تستی که جلوی برگشتِ باگ‌های قدیمی را می‌گیرد |
| delivery checklist | دلیوری چک‌لیست | سیاههٔ ثابتی که پیش از هر تحویل مرور می‌شود |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: چرا `sys.exit` در `tests.py` از خودِ متنِ خروجی مهم‌تر است؟

**تمرینِ اجباری:** یک نوت‌بوکِ **خودت** — از ژرفا یا از هر پروژهٔ دیگری — را با همین ساختار بسته کن. **شرطِ پذیرش سه‌تاست:** `python tests.py` سبز برگردد، `README` دستورهایش با همان استخراج‌کننده اجرا شوند، و **عددِ اصلیِ نوت‌بوک در مفسرِ تازه مو به مو تکرار شود.** اگر تکرار نشد، همان‌جا بایست و پیدایش کن — **این تمرین دقیقاً برای همان لحظه طراحی شده.**

**تمرینِ ستاره‌دار ⭐:** استخراج‌کنندهٔ دستور را به یک دروازهٔ واقعی تبدیل کن: اسکریپتی بنویس که `README` را بخواند، همهٔ دستورها را اجرا کند، و **اگر حتی یکی کدِ خروجِ غیرصفر داد، خودش با کدِ ۱ خارج شود.** بعد عمداً یک دستور در `README` را خراب کن و ثابت کن که دروازه‌ات می‌گیردش. **حالا مستنداتت هم یک تست دارد — و این همان چیزی است که ترمِ ۶ اسمش را CI می‌گذارد.**

## در فصل بعد

**ترمِ ۱ تمام شد.** حالا کدی داری که تست دارد، قرارداد دارد، پروفایل شده، و بازتولیدپذیر است.

**ولی همهٔ این‌ها فرض کرده‌اند داده‌ات درست است.** ترمِ ۲ همان فرض را برمی‌دارد: مسیرِ داده از منبع تا ویژگی، قالبِ ذخیره با عدد، اعتبارسنجی و اسکیما، نسخه‌بندیِ داده، و **قاعدهٔ سختش: هیچ تبدیلی روی داده بدونِ ثبتِ منشأ انجام نمی‌شود.**

</div>

---
Source: https://yaadestan.com/courses/darbast/lessons/t1/s09-project-package (یادستان, Yaadestan)
