データサイエンティストがより良いコードを書くために、ソフトウェア開発の基本手法を学ぶための実践的なガイドブック。読みやすく保守しやすいPythonコードの書き方を具体的な例とともに解説します。テスト、ロギング、リファクタリング、ドキュメント、パフォーマンス、デプロイなど、実務に役立つ内容が満載です。AIがコードを自動生成する時代でも、コードの質を見極める力が重要だという視点に立脚し、自らの判断でコードを設計・評価できるスキルを身につける実用性重視の一冊。対象読者は、初中級者のデータサイエンティストおよびデータサイエンス分野への進出を考えているソフトウェア開発者。 賞賛の声 まえがき 1章 良いコードとは何か？ 1.1 優れたコードが重要な理由 1.2 変化する要件への対応 1.3 単純さ 1.3.1 同じことを繰り返さない（DRY） 1.3.2 冗長なコードを避ける 1.4 モジュール化
Making Python 100x faster with less than 100 lines of Rust
Update: I gave a talk on this topic at P99 CONF 2023 and at PyCon IL 2024 (Hebrew). A while ago at $work, we had a performance issue with one of our core Python libraries. This particular library forms the backbone of our 3D processing pipeline. It’s a rather big and complex library which uses NumPy and other scientific Python packages to do a wide range of mathematical and geometrical operations.
はじめに 機械学習エンジニアの大庭です。普段はマイクロアドが提供する広告配信プラットフォーム UNIVERSE Ads に接続する機械学習 API の研究開発をしています。 マイクロアドでは、機械学習モデルの学習側との連携が容易なこととメンテナンス性を重視して Python で機械学習 API を実装しています。Python は使いやすい反面、基本文法は速いとは言えない言語です。そのため、実行時間制約の厳しい Real Time Bidding (RTB) のなかで使うには高速化を意識しておく必要があります。今回は様々ある Python の高速化手法の理解と整理のため記事にしました。 個人的にですが、Python の高速化は以下の手順で行っていくのがいいと思っています。この記事では、この手順毎に便利なツールやライブラリをまとめました。 ボトルネックの特定 計算量（オーダー）を減らす コード
はじめに 書籍「きれいなPythonプログラミング」を読みました。非常に参考にり、そして「感動」した書籍でしたので、面白かったトピックを記載します 作者 Al Sweigart（アル・スウェイガート）さんという方で、この書籍以外にも「退屈なことはPythonにやらせよう」なども書いている方です。また、「きれいなPythonプログラミング」も含め無料の英語版をクリエイティブ・コモンズ・ライセンスのもとwww.inventwithpython.comで公開されています。 基本的なことは理解したが、次は何をしようと考えている人向け 原題は「Python で基本的なことを超えて(Beyond the Basic Stuff with Python)」となっており、書籍の「はじめに」の部分にもありましたが、pythonのチュートリアルを読み終えて、次は何をしようと考えている人向けです。また、ある程度
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Python の常識は Julia の非常識 以下は，ChatGPT に聞いたものを編集したものです。 Julia では、Python と同じ感覚でコードを書くと、パフォーマンスが落ちることがあるため、Julia の特性に合わせたコーディングスタイルを習得することが重要です。 Python での慣習や手法をそのまま Julia に持ち込むのではなく、Julia に最適化されたアプローチを取ることが重要です。 Julia と Python は、それぞれ異なる設計哲学に基づいており、パフォーマンスやコードの設計にも大きな違いがあります。Ju
I decided to take a sniff around the standard library and see what I can find. Jim Crist-Harif pointed me to python -m site, which outputs useful information about your installation: sys.path = [ '/opt/homebrew/Cellar/python@3.11/3.11.4_1/Frameworks/Python.framework/Versions/3.11/lib/python3.11', '/opt/homebrew/Cellar/python@3.11/3.11.4_1/Frameworks/Python.framework/Versions/3.11/lib/python311.zip
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Python の常識は Julia の非常識 以下は，ChatGPT に聞いたものを編集したものです。 Julia では、Python と同じ感覚でコードを書くと、パフォーマンスが落ちることがあるため、Julia の特性に合わせたコーディングスタイルを習得することが重要です。 Python での慣習や手法をそのまま Julia に持ち込むのではなく、Julia に最適化されたアプローチを取ることが重要です。 Julia と Python は、それぞれ異なる設計哲学に基づいており、パフォーマンスやコードの設計にも大きな違いがあります。Ju
Python Interview Questions
Here is a list of common Python interview questions with detailed answers to help you prepare for the interview as a Python developer. Python, with its versatile use cases and straightforward syntax, has seen its popularity growing continuously in software development, data science, artificial intelligence, and many other fields. As such, interviews for Python-related positions are designed not on
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
データサイエンスのためのソフトウェアエンジニアリング入門
Python の高速化 - MicroAd Developers Blog
「きれいなPythonプログラミング」を読んで - Qiita
Python の常識は Julia の非常識 -- 91項目を列挙-- - Qiita
CLI tools hidden in the Python standard library
Python の常識は Julia の非常識 -- 91項目を列挙-- - Qiita