Cómo te corrige el mundo oculto
Por qué importa Si sabes exactamente qué se comprueba, puedes dirigir tu esfuerzo a eso en lugar de adivinar. Saber cómo funciona la comprobación también te dice por qué es justa: nadie puede aprobar copiando respuestas, así que aprobar significa que construiste la cosa de verdad.
Piensa en un examen de conducir. Practicas por las calles de tu barrio hasta conocer cada esquina. El día del examen, el examinador elige una ruta por la que nunca has conducido. Las normas de circulación son las mismas, pero las calles son nuevas, así que la única forma de aprobar es saber conducir de verdad.
Varios de tus proyectos de las etapas se corrigieron justo así: el Tracker Lab de la etapa 2, el informe de dispositivos de la etapa 5 y el conjunto oculto de rastreadores de la etapa 6 ejecutaron tu código en un mundo oculto con las mismas reglas pero con otros sitios, nombres, rastreadores y visitantes. Cuando lleves tu proyecto escaparate un paso más allá, prueba ese paso de la misma forma: en un mundo con el que no lo ajustaste.
Mundo oculto: un mundo de práctica que no has visto, construido por el mismo generador que el que usaste para practicar, pero a partir de otra semilla. Solo se usa para corregir.
Semilla: el número inicial de un generador aleatorio. La misma semilla siempre construye el mismo mundo, y una semilla distinta construye otro. Así es como la corrección puede ser justa para todos y a la vez nueva para ti.
Dos tipos de comprobación
- Un informe comprobado contra un mundo oculto (los proyectos de las etapas 2 y 5). Tu código mira el mundo oculto y escribe un informe JSON; la comprobación lo compara con lo que sabe que hay de verdad.
- Pruebas ocultas (la mayoría de los laboratorios, y los proyectos de las etapas 3, 4, 6 y 7). La comprobación llama a tus funciones con entradas que no has visto y comprueba los resultados.
La redacción de tu proyecto final (próxima lección) no la corrige una máquina: es la parte que enseñas a una persona. Eso mantiene las comprobaciones automáticas centradas en lo que una máquina puede juzgar con justicia.
JSON: un formato de texto simple para datos, hecho de listas entre corchetes y valores con etiqueta entre llaves. Un diccionario y una lista de Python se convierten en JSON casi uno a uno.
Cómo es la comprobación de un informe
Un informe no es más que hallazgos estructurados. Si llevas el proyecto de la etapa 3 un paso más allá, hasta una auditoría completa de una tienda de práctica, un informe podría ser así:
{
"site": "shopa.example",
"third_parties": ["adco.example", "cdn.example"],
"trackers": ["adco.example"],
"cookies": [{"name": "uid", "domain": "adco.example", "third_party": true}],
"csp_present": false
}
El corrector le hace unas cuantas preguntas sencillas. ¿Es un JSON válido? ¿Están los campos obligatorios, con los tipos correctos? Y para cada hallazgo: ¿está de verdad en el mundo oculto?
Aciertos, fallos y falsas alarmas
Una alarma de humo puede acertar o equivocarse de dos formas distintas. Puede quedarse callada durante un incendio real (un fallo), o puede saltar cuando solo has hecho una tostada (una falsa alarma). Una buena alarma mantiene bajos los dos. Tus hallazgos se juzgan igual.
Verdadero positivo: informaste de algo y está de verdad. Falso positivo: informaste de algo que no está (una falsa alarma). Falso negativo: algo está y no informaste de ello (un fallo).
Supón que tu bloqueador, en el mundo oculto, ve 20 peticiones de rastreadores y 80 normales. Bloquea 19 de los rastreadores y también, por error, 1 petición normal que necesitaba una página. Eso son 19 aciertos, 1 fallo y 1 falsa alarma. En la etapa 2 convertiste recuentos así en precisión (cuántas de las cosas que bloqueaste eran de verdad rastreadores) y exhaustividad (cuántos de los rastreadores reales pillaste).
La regla para aprobar un proyecto podría ser como la del plan del curso: "bloqueó al menos el 95 % de las peticiones de rastreadores, sin falsos positivos". Aquí 19 de 20 es exactamente el 95 %, pero la única petición bloqueada por error hace igualmente que no se cumpla. En las herramientas de privacidad importan los dos errores: un fallo deja pasar el rastreo, y una falsa alarma rompe la página y enseña a la gente a desactivar la herramienta.
El mismo código, la misma nota
La corrección es determinista: ejecuta el mismo código en el mismo mundo oculto y siempre obtendrás el mismo resultado. Cuando un proyecto comprueba la velocidad, cuenta operaciones frente a un presupuesto, nunca el tiempo de un reloj, así que un portátil lento no baja la nota.
Revisa tu propio informe antes de entregarlo
La mayoría de las entregas fallidas no son ideas equivocadas; son un campo que falta o una errata. Una pequeña autocomprobación las pilla:
import json
report = {"site": "shopa.example", "trackers": ["adco.example"], "csp_present": False}
def missing_fields(report, required):
# return the required field names that the report does not have
return [name for name in required if name not in report]
print(missing_fields(report, ["site", "third_parties", "trackers", "csp_present"]))
# ['third_parties'] -> add it before you submit
print(json.dumps(report, indent=2, sort_keys=True))
En otros lenguajes
Se corrige el informe, no el código, así que sirve cualquier lenguaje que escriba JSON (así que puedes reconstruir tu escaparate en el lenguaje que usas en el trabajo).
JavaScript:
const report = { site: "shopa.example", trackers: ["adco.example"], csp_present: false };
const required = ["site", "third_parties", "trackers", "csp_present"];
console.log(required.filter(name => !(name in report))); // [ 'third_parties' ]
console.log(JSON.stringify(report, null, 2));
Go:
type Report struct {
Site string `json:"site"`
Trackers []string `json:"trackers"`
CSPPresent bool `json:"csp_present"`
}
out, _ := json.MarshalIndent(Report{Site: "shopa.example", Trackers: []string{"adco.example"}}, "", " ")
fmt.Println(string(out))
C#:
var report = new { site = "shopa.example", trackers = new[] { "adco.example" }, csp_present = false };
Console.WriteLine(System.Text.Json.JsonSerializer.Serialize(report));
Una idea equivocada muy común
"Mi nota en el mundo de práctica es del 100 %, así que la oculta también lo será." No siempre. Si tu código depende sin que te des cuenta de detalles del mundo de práctica, como una lista de nombres de rastreadores que copiaste de él, no verá rastreadores en el mundo oculto. Eso se llama sobreajuste (overfitting): ajustarse a los ejemplos que viste en lugar de a la regla que hay detrás. Prueba tu lógica en unos cuantos mundos de práctica construidos con semillas distintas (por ejemplo build_world(seed=2) además del habitual) antes de entregar.
Resumen
- La corrección con un mundo oculto ejecuta tu trabajo en un mundo de una semilla que no has visto, así que las respuestas copiadas suspenden y la habilidad real aprueba.
- Algunos proyectos se corrigen con un informe JSON sobre un mundo oculto, la mayoría con pruebas ocultas; la redacción del proyecto final es para personas, no para un corrector.
- Los hallazgos se juzgan por los aciertos, los fallos y las falsas alarmas; cuentan los dos tipos de error.
- La corrección es determinista y cuenta operaciones, no tiempo de reloj. Revisa los campos de tu informe antes de entregarlo.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.