管理者用環境構築手順 (Administrator Setup)

プロジェクト作成時に 一度だけ 行う初期設定．

GitHub リポジトリの作成 (Repository Creation)

private リポジトリとして作成する（臨床データは含めないが，研究途中のコードを公開しないため）．

gh repo create rintoHasegawa/TIASJudgeModel --private --source=. --remote=origin \
  --description "舌画像から舌色 5 分類を推定する機械学習モデル（TIASjudge 用）"

リポジトリのセキュリティ設定 (Repository Security Settings)

Dependabot alerts（脆弱性検出）と Dependabot security updates はリポジトリごとに既定で OFF なので，作成直後に有効化する（冪等なので再実行してよい）．

gh api -X PUT repos/rintoHasegawa/TIASJudgeModel/vulnerability-alerts
gh api -X PUT repos/rintoHasegawa/TIASJudgeModel/automated-security-fixes

検証:

gh api repos/rintoHasegawa/TIASJudgeModel/vulnerability-alerts       # 204 なら有効（404 なら無効）
gh api repos/rintoHasegawa/TIASJudgeModel/automated-security-fixes   # {"enabled":true,...} なら有効

※ 依存バージョンの定期更新は .github/dependabot.yml で設定する（別物．リポジトリ設定とは独立に動く）．

Newton 側の初期設定 (Server Setup)

mkdir -p ~/work/TIASJudgeModel        # コード置き場（push で上書きされる）
mkdir -p ~/data/TIASJudgeModel        # データ置き場（push の対象外）
chmod 700 ~/data/TIASJudgeModel       # 共用サーバなので自分だけに絞る

コードを初回送信したあと，サーバ上で以下を確認する．

cd ~/work/TIASJudgeModel
uv sync
uv run python -c "import torch; print(torch.cuda.is_available(), torch.cuda.device_count())"

uv sync は CUDA 版 PyTorch が入るため時間がかかる．True と GPU 台数が出ることを確認する．False の場合は ENV_01「CPU / GPU の依存差」に従う．

臨床データの初回コピー (Initial Data Copy)

原本は研究室 PC に置き，研究室 LAN 内で Newton へ一度だけコピーする．手元 PC を経由させない．

研究室 PC で作業する（hostname で研究室 PC であることを確認してから実行する）
研究室 PC から Newton へコピーする（例: scp -r <データ> Newton:~/data/TIASJudgeModel/）
コピー後に件数を突き合わせる（両側でファイル数を数える）
原本は研究室 PC に残す（Newton 側は作業用コピー）

以降は再転送しない．データセットの内容確認（枚数・クラス分布・破損チェック）はサーバ上のコマンドで行い，集計結果のみを手元で見る．

学外アクセス用の踏み台 (Off-campus Access)

研究室 PC を ProxyJump の踏み台にする設定は SmTIAS-LightSim で構築済みのため，本プロジェクトでの追加作業は不要（未設定の場合は同プロジェクトの docs/02_ENV/ENV_02_環境構築手順.md「学外から接続する（研究室 PC 経由）」に従う）．

人間が確認すべき事項 (Human Checklist)

Claude は実施できない．着手前に確認する．

臨床データの倫理審査・データ利用許諾の範囲（機械学習での二次利用が含まれるか）
データを研究室の共用計算サーバに置くことが規程上許容されるか
研究室 PC で SSH サーバを動かすことが研究室のルールに照らして問題ないか