toruby 175th の自己紹介がてらのプレゼン

toruby.md

自己紹介

• 舘野祐一, id:secondlife (セコン), @hotchpotch
• 10月末〜🍆塩原市在住
• toruby 初心者
• 世界一周の中断中
  • 6ヶ月20カ国
• 2021は機械学習エンジニア

機械学習といえば

• メインの言語は Python
• 機械学習のエコシステムがやたら整っている

Rubyist が見た Python

• 言語的なもの
• 型ヒント的なもの
• 利用シーン的なもの

言語的なもの

Ruby と感じた違い

• 関数がファーストクラス
  • Ruby は Proc(手続きオブジェクト)
• 実行時処理イテレータが基本
  • map, filter など

関数がファーストクラス

• 例えば String#join
• Ruby は Proc(手続きオブジェクト)

イテレータは実行時処理

• map, filter など、組み込み各種から Iteratable を返す
  • map 等を適用しただけでは実行されない
  • 最初は [] に直接アクセスできずに面倒
  • yield になれる(generator作る)と、そういうもんだなと
  • 実行を遅らせられる、タイミングを決められるので、分散処理などが楽
• 継承図
  • https://future-architect.github.io/images/20201223/collections.png

型ヒント

• Ruby 3.0 のようなものが、Python には古くからある
• 言語仕様としての定義(PEP)と、型ヒントを扱う型チェッカ実装各種
• VSCode の pylance (実装は pyright、TypeScript で書かれてる)がすこぶる便利
  • https://github.com/microsoft/pyright
  • 儲かってる企業が投資しまくりで成り立ってる感
• https://secon.dev/entry/2021/07/07/060000-python-typing/

利用シーン

• 機械学習
• 機械学習開発は通常のソフトウェア開発と異なる
  • ソフトウェア開発の諸先輩方の前で話すのはアレですが…
  • ソフトウェア開発は機能の要件定義、テスト、実装
• 機械学習はデータをこねくり回したり、実装しながらデータを学習させる
  • 求めたい結果がでるまでは試行錯誤のプロセス
  • 結果が出てから、きちんとした実装にうつる
  • そのため「特定のデータ環境がある環境で、どれだけ試行錯誤できるか」が重要

進化したノートブック

• Ruby は irb, pry があって超便利！
• Python は pry 的なものは Ruby より使いにくいが、Jupyter Notebook (ノートブック)がある
  • こねくり回しやすさ・試行錯誤しやすさ・共有しやすさ
• VSCode なら、コード中にもかける
• github や colab で機械学習コードを共有

ノートブック便利

• 最近のチュートリアル各種サンプルコードは .ipynb (ノートブック)
• 書籍も ipynb が基本
  • 例: https://github.com/ageron/handson-ml2

Google Colab

• フルマネージドなノートブックサービス
  • インスタンスは最長24時間で死ぬ(colab pro の場合)
  • が、揮発するため再現性を意識できて良い
  • 実行コードがどの環境でも再現する
• 何でもやれる
  • 例: psql をインストール、SQL を実行、結果を DataFrame として取る
  • https://colab.research.google.com/drive/1XtjD4a9rbRmq4kOuD-swGt6BEBRgguH4

colab + ruby

• ruby も動くよ
  • https://colab.research.google.com/drive/1iwO-NcMWL_Yf2KYpQyTTGp8mTFj4m_ZE#scrollTo=cj96vzQWzPoB
  • ただ、前設定がちょいと必要

両方を触ってみて

• Ruby が書ければ Python もすぐ書ける
• 言語的には Ruby がやはり好き
  • 驚き最小の原則
  • 書いていて「楽しい」
• Python は型ヒント(VSCode)でどうにかする
  • 驚く挙動が多いが、docstring でのドキュメントがしっかりしている
• ノートブック (とそれを取り巻くエコシステム)はめちゃ便利