Software Design 2019.9
http://image.gihyo.co.jp/assets/images/cover/2019/641909.jpg
図書館で借りた。
ちょうど仕事でJupyter Notebookの環境を作ってデータをコネコネし始めようとしていたので、PythonとJupyter Notebookの解説が目に留まった。
ついでにGoogle Cloud Platformの基本の記事もあったので (本としてはGCPがメインコンテンツだけど) 、ついでに勉強になった。
感想
学んだこと
/icons/hr.icon
Notes
Python特集
ポエム - 自己成長しよう。自己肯定感を高めよう、などなど。コミュニティと繋がって、切磋琢磨していくことが重要よ。
よく使われる scikit-learn や pandas には注目しましょう。
Pythonの学習環境10選
Progate、Godecademy
Udacity - Intro to Machine Learning
MITのオープン講座
Coursera - ディープラーニング専門講座
Stanford School of Humanities and Science (Self-Paced)
Google - Machine Learning Practica
CMU - 自然言語処理 (NLP) のためのニューラルネットワーク講座
Google - Coding TensorFlow
PyTorch ZeroToAll
Kaggle
Pythonの基本的な説明。Jupyter NotebookのLocal環境のセットアップ方法など。まぁこの辺りはググれば分かる話。
GCP特集
BigQueryについて
テーブルはRDBのテーブルそのもの。
かつては専用のSQLだったが、最近は一般的なRDBMSで利用される標準SQLが利用可能になっている。
課金はクエリ・スキャン対象のデータサイズで決まる。
パケ死には注意。クエリの際にスキャン容量が表示されるので、これを見てだいたいの課金額を把握することが重要。例えば1ペタバイトのテーブルにSELECT * FROM ~~~をやっちゃうと、クエリ一発で50万円ほどの課金額となる。
データポータルを使って、BQのクエリ結果を可視化できる。多くのビジュアライズツールが利用可能。
/icons/hr.icon