[B! python] wkubotaのブックマーク

wkubota id:wkubota

pythonに関するwkubotaのブックマーク (12)

僕の考えた最強の Python 開発環境 (2024)
はじめにこんにちは, 普段は情報科学専攻の大学院生をしながらバックエンドエンジニアをやっている @koki-algebra です. 普段は Go をよく書いているのですが, 大学でやっている機械学習の研究では Python を使うことがほとんどです. Go のエコシステムに慣れきった私は Python の混沌とした環境に耐えきれず, 最強の開発環境を整えることを決意しました. 具体的には Package Manager, Formatter, Linter, Type Checker, Test Tool を選定し, VSCode の DevContainer を用いてポータビリティに優れた開発環境を作ることを目指します. また, Deep Learning では GPU が必須である場合が多いので, GPU 環境も同時に整えたいと思います. 以下のレポジトリが今回考えた開発環境のテンプ
wkubota 2024/04/20
*あとで読む

python

開発
リンク
シェルスクリプトとの対比で理解するPythonのsubprocess - 朝日ネット　技術者ブログ
はじめに開発部の ikasat です。皆さんはgit, ssh, rsync のような外部コマンドを呼び出すスクリプトを書きたくなったことはありますか？個人的にこの類のスクリプトは最初はシェルスクリプトとして書くのですが、改修を重ねるうちに肥大化して処理も複雑になり、後から Python のような汎用プログラミング言語で書き直すことがよくあります。外部コマンド呼び出しを書き直す際に、Git 操作のために pygit2、 SSH 接続のために paramiko のようなライブラリをわざわざ使うのは大がかりだったり、 rsync に相当するようなこなれたライブラリが存在しなかったりする場合があります。そのような時は標準ライブラリの subprocess モジュールを利用し、Python から外部コマンドを呼び出すことになるでしょう。しかしながら、Python のチュートリアルペ
wkubota 2023/10/16
python

*あとで読む

シェル
リンク
Python 初心者が始める AI 時代の Docker を使ったアプリ開発
最近の AI 技術の進歩は目覚ましく、OpenAI による ChatGPT などの API の提供は沢山のアプリケーション開発者にとって Python を使った開発を始めるきっかけになったのではないでしょうか。筆者もそのうちの1人です。効率的かつ再現性の高い開発環境は必要不可欠であり、それを実現するためのツールの一つが Docker です。Docker はアプリケーションを容易に再現可能なコンテナ内で動作させることができ、開発から本番環境まで一貫した環境を提供します。これで﹁僕の環境では動いているんですけどねぇ...﹂といった問題[1]を避けることができます。本記事では、AI 時代に立ち向かうべく筆者が Python 初心者なりに取り組んだアプリケーション開発の方法の一つを解説します。ディレクトリ構成このような形を目指していきました。 . ├── .devcontainer │
wkubota 2023/06/01
*あとで読む

python
リンク
【必見】Pythonプログラマーが必ず確認するべきGitHubリポジトリ 10選
はじめに今回の記事では、学習・開発でPythonを使うプログラマーが必ず確認するべきGitHubリポジトリを10個紹介する。本記事の対象は主に以下の通り。実務でPythonを使っているプログラマー Pythonの情報収集に困っている人 Pythonの学習・開発の効率をアップさせたい人 Pythonのフレームワーク・ライブラリを確認しておきたい初心者 Pythonは1991年にリリースされてから今年で30年以上も経過している歴史のあるプログラミング言語なので、情報量が非常に多くどのように開発を進めればよいかわからない人も少なくないだろう。そこで、本記事では個人の独断と偏見で学習・開発でPythonを使うなら必ず確認するべきGitHubリポジトリを紹介する。Pythonで実装できるプロダクトは多岐に渡るので、本記事では分野ごとに確認するべきGitHubリポジトリを紹介する。必見 awe
wkubota 2022/10/20
*あとで読む

python

プログラミング
リンク
Pythonの勉強方法とは？ロードマップやおすすめの本10選を紹介
5-4. Pythonプログラミングパーフェクトマスター［最新Visual Studio Code対応第4版］
wkubota 2022/03/02
学習

プログラミング

python
リンク
Pythonでの開発・CI/CDの私的ベストプラクティス2022
はじめに 2021年、Pythonで複数の暗号系ライブラリを開発してPyPIで公開してきました。その過程で、setuptools、flit、poetryと、幾つかのパッケージ管理をわたり歩き、GitHub上でのCI/CDも色々試す中で私的なべスプラが定まってきたので、2022年初に備忘録としてまとめておきます。具体的には、pyenv、poetry、pre-commit、tox、GitHub Actions を活用し、低コストで︵＝なるべく自動で︶、高品質のプロダクトをPyPIにデプロイする方法・設定を共有します。個別のツールの記事はよく目にするのですが、開発ライフサイクル全体をカバーする記事がなかなか無かったので。開発環境の整備 - pyenvで複数のPythonバージョンでの開発環境を整備パッケージ管理 - poetry/pyproject.tomlでの一元的なパッケージ管理静的
wkubota 2022/01/06
*あとで読む

python

プログラミング
リンク
京都大学、Pythonの基本を解説した無料の教科書「素晴らしすぎる」「非常にわかりやすくて良い」 | Ledge.ai
Top > ラーニング > 京都大学、Pythonの基本を解説した無料の教科書「素晴らしすぎる」「非常にわかりやすくて良い」
wkubota 2021/10/21
*あとで読む

python

学習
リンク
東京大学、Pythonプログラミング無料入門 pandasやJupyterなど幅広い | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの「いいね履歴」に一覧として保存されていくので、再度読みたくなった時や、あとでじっくり読みたいときに便利です。
wkubota 2021/08/30
*あとで読む

python

プログラミング
リンク
りょうくんグルメの文体を自動でもとに戻すやつを作りました - 開け閉め
りょうくんグルメをご存知だろうか。知らなくても、本人のツイートの雰囲気は料理のレシピなんかで一度は見た文脈のはずだ。こんなやつ。まじでこの世の全てのタピオカ好きに教えてあげたいんだが新宿三丁目のceleb縁味には全ての人間を虜にする禁断のオレオミルクフォームがある。これが濃厚黒糖で超絶美味いからぜひ全国のタピオカ好き、タピオカを愛する者たち、タピオカを憎む者たち、全てのタピオカ関係者に伝われ pic.twitter.com/wnnPvkJ2pr— りょうくんグルメ (@uryo1112) 2019年6月15日﹁りょうくんグルメ﹂は文章が情報量に対してやたら長いので、pythonの練習も兼ねてアイデンティティである上から目線の構文を取り去ることにした。逆りょうくんグルメである。手順は大雑把に分けて以下の3ステップ。 1. Twitterからりょうくんグルメのツイートをスクレイピング
wkubota 2019/06/26
*あとで読む

ネタ

python
リンク
連休中に「ディープラーニングの数学」と「身近な数学」と「Google Colaboratory（Python）」でじっくり数学を復習しました - karaage. [からあげ]
﹁最短コースでわかるディープラーニングの数学﹂﹁身近な数学﹂を読むGW︵ゴールデンウィーク︶中は日経BPさんから献本いただいた﹁最短コースでわかるディープラーニングの数学﹂︵以降ディープラーニングの数学︶と、ほけきよ︵id:imslotter︶さんから献本いただいた﹁身近な数学﹂と数学と名のつく本2冊をじっくり読みました。全然違う繋がりで献本いただいた両本ですが、奇しくも同じ﹁数学﹂というキーワードがタイトルにあるということで、大胆にもまとめて書評を書いてみたいと思います︵笑︶また、両者とも付録として、内容の理解を深めるためのPythonコードがGitHubで公開されているのですが﹁Google Colaboratory﹂︵以降Google Colab︶を使うことで、Python環境を構築することなく、手軽にコードを実行できることが分かったので、その活用方法も合わせて紹介しようと
wkubota 2019/05/08
*あとで読む

数学

python

ディープラーニング
リンク
【保存版】エンジニアが機械学習を学ぶために読むべき厳選書籍4冊【機械学習入門書】
機械学習を含む人工知能を扱えるIT エンジニアの人材不足は深刻で、GoogleやAppleなどのIT大手の会社は挙って人材獲得競争を行なっています。米大手人材サービスのglassdoorによると、アメリカでの機械学習エンジニアの平均年収は$120,931︵約1350万円︶となっています。未経験者〜1年までの機械学習エンジニアの年収でも、$100,551︵約1121万円︶と非常に高額です。対して、日本のリクルートTech総研が実施した30代前半のエンジニアの年収調査では、システム開発︵Web・オープン系︶の平均年収で512万円というデータがあります。冒頭でも触れた通り、これから機械学習エンジニアの不足は明らかであり、より一層、給料の高騰が期待できるわけです！現在、ソフトウェアエンジニアとして活躍されている方々も、キャリアップを目指して機械学習を勉強されている方も多いはずです。そこで、本
wkubota 2018/03/19
*あとで読む

機械学習

エンジニア

python
リンク
Python 機械学習プログラミングデータ分析ライブラリー解説編
「IT エンジニアのための機械学習理論入門」で提供しているサンプルコードに含まれるデータ分析ライブラリ（NumPy/pandasなど）を解説した資料です。下記の書籍のサンプルコードが理解できるようになることが目標です。 - IT エンジニアのための機械学習理論入門(技術評論社) - http://www.amazon.co.jp/dp/4774176982/ 2015/10/25 ver1.0 公開 2015/10/26 ver1.1 微修正 2016/05/25 ver1.4 subplotの順番を修正 2016/11/15 ver2.0 改訂版公開 2016/11/16 ver2.1 改行幅修正 2017/01/10 ver2.2 微修正 2017/01/12 ver2.3 微修正Read less
wkubota 2015/10/27
機械学習

Python

あとで読む
リンク
1