今年から、できるだけシェルスクリプトを書くのをやめようとしている。私が毎日 zsh に打ち込んでいるのも広義のシェルスクリプトだし、自分用の雑なスクリプトを書くことはあるけれど、チームの他の人も将来に使ったり改変したりするようなものは、なるだけ他の言語を使っている。 シェルスクリプトを書くのは難しいし、その難しさは、学ぶに値しないといったら言い過ぎかもしれないけれど、2021年に初心者が取り組むべき問題とは言い難いと思う。 シェルは悪いプログラミング言語である Bash Strict Mode とかを使ってみても、シェルスクリプトには落とし穴が多すぎる。自分で書いたものを自分で使っている分には大丈夫なのだけど、スクリプトがチーム内で使われるようになると、考慮していなかったところ、例えばファイル名に空白文字が含まれるとか、そういうレベルの微妙なところで、ちゃんと書かれていないスクリプトは壊れ
Pythonが速度改善に本気出すと聞いたので恒例のたらい回しベンチをとってみたら、RubyがYJITですごく速くなっていて驚いた話 - Smalltalkのtは小文字です
2022-09-09改訂： gcc バージョンが古すぎたのと、C が内部計測でなかった点を改め計測しなおしました。結果、Rust は C より速くはなくなりました。紛らわしいことで、ごめんなさい。また、gcc のバージョンアップに伴い、Python および Ruby についてはビルドと計測をしなおしたので、これらも少し速い値に変わっています。この点もどうぞあしからず。 2022-09-10追記：ご要望のあった Python numba.njit 使用時と Go の結果を追加しました。PHP は JIT 有効化が面倒だったので断念しました^^; 2022-09-10追記2：C の計測で clock() を使うのはフェアではないという指摘がありましたので、念のため clock_gettime() を使用したコードに差し替えました。結果に大きな差はありません。 2022-09-10追記3：PHP
どうして Julia を作ったか
プログラミング言語「Julia」開発者さんの文章がとても好きなので、雰囲気重視で訳しました。結構意訳です。原典：https://julialang.org/blog/2012/02/why-we-created-julia/ =================================================「どうして Julia を作ったか」 それは、僕らが欲張りだからだ。 Matlab はめっちゃ使う。僕らの中にはLispの天才もいるし、PythonやRuby のすげー奴、Perl を巧みに使いこなす奴もいる。毛も生えない子供の頃からMathematica で遊んだ奴もいる。いまだにツルツルな奴だって仲間だ。Rではアホみたいにたくさんグラフを書いた。C言語からは、いつだって冒険の匂いがする。 ぜんぶ、大好きだ。面白いし、いろいろなことができる。何かをしたいと思った時--科
はじめに もっとミニマルで簡単なポータブルな環境を! 自分自身の研究のための環境構築についてこれまで二本の記事を書いてきました. これらの記事から二年ほどたち, いくつかの点において不満点が出てきました. 特に, GCPや自宅のサーバー上でリモートで作業することが多くなってきたので, よりミニマルでポータブルな環境が必要になりました. 以下では, 現時点で最小限の努力で環境を再現ができることを目標にしたDockerベースのGitHubレポジトリのテンプレートとその使い方を紹介します. このテンプレートを用いて作られた環境は, 新たなコンピュータ上で最短4ステップで環境を再現できるようになります. git clone VSCodeの"Open in Remote Containers" renv::restore() dvc pull この環境とセットアップはこのレポジトリにテンプレートとし
なぜこの記事を書くのか 皆さん、データ解析を行う際にどのようなライブラリを用いているでしょうか。 おそらく大半の人はpandasを使っているのではないでしょうか。 私もpandas使ってます。簡単だよね(´・ω・｀) しかし、業務でバカクソでけえデータを読み込もうとしたときに、読み込み時間がとんでもなくかかったり、メモリ不足でそもそも読み込めもしないことが起きていました。 読み込みにメモリ食われすぎて他の作業ができずに待機した挙句、燃え尽きたかのようにノーパソのファンが止まると同時にメモリ不足のエラーが出たときには切れ散らかします。 （画像元：葬送のフリーレン公式Xアカウントのポストより） そんなこともあり、AWSなどのクラウドサービスでメモリに余裕を持たせるためにめちゃくちゃ良いインスタンスを使用していましたが、コストの問題で断念しました。 しかし、どうしても読み込みたいということもあり
線形代数演習講義へのjulia導入を考える
本記事はJulia Advent Calendar 2022の12/23の記事です。 東京大学で働いている松井と申します。 線形代数の講義における演習（実際にコードを書き行列演算を行う）の重要性を感じています。 そのためにjuliaを使えないかと思い至り、pythonとの比較に焦点を当て思っていることを述べます。 線形代数における演習の意義 線形代数は工学全般において重要で基盤的な学問体系ですが、なかなかとっつきにくいものです。その理由の一つは線形代数の諸アルゴリズムは最終的には計算機で実行するにも関わらず、学生は自分の手を動かしてコーディングする機会が少ない点だと感じます。多くの大学のカリキュラムでは大学初年次に線形代数講義があると思いますが、座学がメインであることが多いと思います。本当は、座学と並行して実際にコーディングして行列演算を行う「演習講義」があれば、理解が深まるだろうと感じま
カルマンフィルターについて - Qiita
はじめに 千葉大学/Nospareの米倉です．今回はカルマンフィルターについて解説していきたいと思います． カルマンフィルターで何が出来るの？ フィルターとあるように，カルマンフィルターが出来る基本的なことは線形ガウス状態空間モデルのフィルタリング密度を逐次的に求めることです．ここで２つのキーワード，「線形ガウス状態空間モデル」と「フィルタリング密度」という単語が出てきましたので，まずはそれらについて解説します． 線形ガウス状態空間モデルとは 状態空間モデルとは2つの確率過程からなります．1つは潜在変数・状態変数・隠れ変数といわれるもので，これは直接観測できないがマルコフ連鎖に従う変数だとモデリングされます．例えば景気の良し・悪し等，概念として存在するけれど直接は観測できないものを想像してください．2つめは観測値で，これは直接観測できるもの，つまりデータです．ただし変数に依存して観測される
こちらの記事は、Rhea Moutafis 氏により2020年5月に公開された『 Bye-bye Python. Hello Julia! 』の和訳です。 本記事は原著者から許可を得た上で記事を公開しています。 Pythonの勢いに歯止めがかかると同時に新しい競争相手の登場だ Juliaがまだあなたにとって未知であっても、心配しないでほしい。 Photo by Julia Caesar on Unsplash 誤解しないでほしい。 Pythonの人気は、コンピュータ科学者、データサイエンティスト、AIスペシャリストといった堅固なコミュニティによって支えられている。 しかし、これらの人々と一緒に夕食をともにしたことがあれば、彼らがPythonの弱点についてどれほどわめき散らしているのかも知っているだろう。 速度が遅いことに始まり過度のテストが必要になること、以前のテストにもかかわらずランタイ
Pythonでデータ処理をしている際、numpyにはまらないごちゃごちゃした前処理があり、ちょっと遅いんだよなぁ。。。となること、ないでしょうか。 ルーチンになっている解析であれば高速化を頑張る意味がありそうですが、新しい解析を試行錯誤している最中など、わざわざ高速化のためのコードをガリガリ書いていくのは辛いぐらいのフェーズ、ないでしょうか。 こんなとき、私はJuliaを使っています。Juliaは特別な書き方をしなくても高速になる場合が多く、並列処理も簡単にできます。 julialang.org Julia、いいらしいが名前は聞いたことがあるけど使うまでには至ってない、という方がと思います。今まで使っているコードの資産を書き直すのは嫌ですよね。 しかし、JuliaにはPythonの資産を活かしつつ高速にデータ処理がするための道具がそろっています。 今回の記事はPythonとJuliaをいっ
Liam Tung （Special to ZDNET.com） 翻訳校正： 村上雅章 野崎裕子 2021-05-31 06:30 世界的に普及しているプログラミング言語Pythonの生みの親であるGuido van Rossum氏が、ブラウザーやモバイル機器上で同言語の普及がそれほど進んでいない理由について、そしてJuliaといった将来的にライバルになりそうな言語について語った。 かつて「優しい終身の独裁者」（BDFL）と呼ばれていたvan Rossum氏は2020年11月よりMicrosoftのディスティングイッシュト・エンジニアとして勤務し、CPythonコミュニティーに対する同社の貢献を支援している。CPythonコミュニティーは、van Rossum氏が生み出したPythonを機械学習（ML）やデータサイエンスの興隆という波に乗せ、今日最も人気が高いプログラミング言語の1つに押し
この記事は移転しました。約2秒後に新記事へ移動します。移動しない場合はココをクリックしてください。
fast.ai - Mojo may be the biggest programming language advance in decades
I remember the first time I used the v1.0 of Visual Basic. Back then, it was a program for DOS. Before it, writing programs was extremely complex and I’d never managed to make much progress beyond the most basic toy applications. But with VB, I drew a button on the screen, typed in a single line of code that I wanted to run when that button was clicked, and I had a complete application I could now
Juliaは、データ解析やAIの分野で、Python人気を追い越すでしょうか？どのぐらい時間を要するでしょうか？ - Quora
期待を込めて。 近い将来（2〜3年以内）、少なくとも、Pythonと並行して普通に使われるようにはなるとは思っています。 私は、5年くらい前、v0.3のころから使ってますが、最近は、ネット上ではないリアルで使っている人には出会うことが増えてきました。多分、着実にユーザー数が増えてきているんだろうとは思っています。 Juliaは、Python（+numpy）よりも簡単な言語なので、Pythonできる人なら1日で学べます。Matlabからの移行はもっと簡単で半日もあれば学べます。（ただし、本当に高速なプログラムを書きたい場合には、それなりの知識が必要です。具体的には、C++のtemplateの知識があると、型がどう決まって、その結果、どう書くと高速になるのかが、わかるでしょう。） まずは、データの前処理、後処理に使うことからでしょうか。メインの処理は、普通にPythonで書くか、PyCall.
Haskellの子供たち
Owenのブログより。 もし、私が4年前にタイムスリップして、昔の自分にHaskellが輝きを失い始めていると言ったら、私はそれを信じないでしょう。私はHaskellで育ち、カテゴリ理論への欲求はHaskellによって刺激され、私の最大のプログラミング・プロジェクトはHaskellであり、Haskellを使った会社で働くのが夢でした。 しかし今では、以前ほどHaskellに興奮していないことに気が付きました。何が変わったのでしょうか? いくつか要因があると思います。主な要因の1つは、Haskellが本当に得意としているプログラミングの種類だと思います。つまり、抽象的で正しいインタフェースを作ることは、私にとって興味のあるタイプのプログラミングではないと言うことです。キャリアとしてソフトウェアに携わりたいと思ったとき、自分を繰り返さないようにする素晴らしい機能を持った言語はとても役に立ちまし
技術者なら「プログラミングで単位の扱いの間違いはコンパイルエラーにして欲しい」と思った事があるでしょう。 mm と inch でごっちゃになったとか、次元(ディメンジョン)が不合理な演算をしたとか、そういう頭の痛いバグに悩まされることありますよね。 言語によっては実行時またコンパイル時に単位チェックできるパッケージもあります。 今回は、Julia, Python, F#, C#, C++ について見てみましょう。 Julia Unitful Unitfulパッケージのインストール juliaでREPLに入り]でパッケージ管理に入る。
データサイエンティスト協会によるデータサイエンス100本ノック（構造化データ加工編）をJuliaで解きました。 はじめに わざわざ紹介するまでもありませんが、Juliaは書きやすくて実行が速いモダンな科学計算向け言語として昨今注目を集めています。ただ、まだデータをこねくりまわすコード例が少なく、前処理などの用途で使うには少しとっつきづらさも残っていると思います。つい先月公開されたデータサイエンス100本ノック（構造化データ加工編）はそんな日頃遭遇するデータ処理のタスクを効果的にカバーしているもので、Python、R、SQLでの回答例もついています。ということで、いっちょこれをJuliaでやって実地で使えるように練習しようと思い立ち、やってみました。いくぶんでも参考になるかもしれないので、あくまで一回答例として公開してみます。 コード https://github.com/Ken-Kurok
For many years I used the Julia programming language for transforming, cleaning, analyzing, and visualizing data, doing statistics, and performing simulations. I published a handful of open-source packages for things like signed distance fields, nearest-neighbor search, and Turing patterns (among others), made visual explanations of Julia concepts like broadcasting and arrays, and used Julia to ma
この記事は移転しました。約2秒後に新記事へ移動します。移動しない場合はココをクリックしてください。
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます マサチューセッツ工科大学（MIT）は米国時間6月26日、確率的プログラミングシステム「Gen」を開発したと発表した。Genにより、初心者でもコンピュータービジョンやロボティクス、統計に関する処理を容易に手がけられるようになるという。 Genは、「Julia」に組み込まれるかたちで実装されている。なお、JuliaはMITの研究者らによって2012年に公開された動的プログラミング言語であり、世界的に高い人気を集めている。 Genの開発者らは「カスタム化した複数のモデリング言語をJuliaに組み込む」ことで、ユーザーが「数式と格闘したり、高効率なコードを手作業で記述したりせずとも」人工知能（AI）のモデルやアルゴリズムを開発できる新たなAIプ
Home
Wave's free accounting software helps freelancers and microbusinesses save on bookkeeping while Xero is more scalable and fully featured for small, midsize and some large businesses.
（修正）Juliaで反復数値計算をしたらPythonよりも圧倒的に速かった話←そうでもなかった話 - Qiita
注意 この記事では最初、Juliaが劇的に速いという結論を出しましたが、検討の結果記事を修正しています。改変を加えて読みにくくなっていますが、この過程自体が速度の最適化とは何かを表していると思いますので修正部分を消さずにそのまま載せています。 やったこと MCMC法を用いたガウス過程のパラメータ推定をPython, Juliaを使って実装し、速度を比較した 追記（190828） 「pythonでもJITコンパイル（高速化）を使えるんだからそれと比較すべきでは？」というコメントをいただいたため、python+numbaの測定結果を追加しました。 追記（190927） コメントいただき、numbaの最適化をおこなったコードを提供いただきました。トータルでくらべると最適化NumbaのPythonの方が3倍程度早いとのこと。私の方でも検証したところ再現性が見られました。 結果 pureなpytho
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 近年、「Python」ユーザーの数が急増しているが、成長するデータサイエンス分野で地位を確立しようとしている言語はほかにもある。 最近の新規参入者は「Julia」だ。Juliaは、米マサチューセッツ工科大学（MIT）が設計したプログラミング言語であり、「C」言語のスピードと「Python」の使いやすさ、「Ruby」の動的型付け、「MatLab」の強力な数学的能力、「R」言語の優れた統計機能を兼ね備えたものであり、同言語の設計者は、「すべてを欲しい」開発者のための言語と表現するほどだ。 Juliaはリリースされてから7年が経ち、Pythonのような既存の言語と比べると今も比較的ニッチな言語ではあるが、機械学習モデルの構築やスーパーコンピュ
こんにちは、優勝しました。 背景 Juliaを使おうとしたら様々な環境構築時のトラブルに見舞われました。終わりです。 使えるけどストレスなところ グラフの描画が遅い matplotlibと比較してしまう PyPlotが使えない -> ローカルPCのpyenvのせい Plotsを使うことにした グラフを描画しても画像に焼いてブラウザから見るしかなかった 困ったこと pkgのインストールにたまに失敗する すでに削除したはずのpkgが原因で実行時にエラーがこびりつく これらは全部ローカル環境でJuliaを使おうとしているために起こる問題です。原因解決するのも時間かかるし、将来的なことを考えてDockerを使うことを決意しました。 Dockerの構成 全部Jupyter Labに投げる方針です。Jupyter公式のイメージを持ってくるだけで、Python、Julia、Rが使えるらしいです。 Doc
エンジニアから昨今注目を集めているスクリプト言語Julia。高度な計算を可能にし、読み書きもしやすく日本でもファンが多い。主に機械学習に利用され、医療分野などでの応用が期待されている。Juliaの生みの親であり、法人向けにJulia用のクラウドプラットフォームを提供するJulia Computingの創業者でCEOのViral B. Shah氏に話を聞いた。 MIT発最新のプログラミング言語で機械学習を簡単に、高速に ――まず御社の製品について教えてください。 Julia computingでは、他のプログラミング言語・クラウドビジネス・マシンラーニング関連企業とは一線を画す製品戦略を展開しています。 まず、Juliaの設計者として、私たちはJuliaを使うのに最適なクラウドプラットフォームJulia Hubを提供しています。Julia hub.comにアクセスすると、様々なタスクやジョブ
This page has moved
This page has moved. Redirecting you to https://www.gen.dev/…
Factorization Machinesをレコメンデーションで使うときの評価推定値計算 - LIVESENSE Data Analytics Blog
こんにちは、リブセンスで統計や機械学習関係の仕事をしている北原です。今回はレコメンデーションで使う評価推定値計算の効率化に関する小ネタです。機械学習を実務で使うときのちょっとした工夫に関するお話です。実装にはJuliaを使います。 FM(Factorization Machines)をレコメンデーションで使う場合、各ユーザーに対してレコメンド可能なアイテムの評価推定値計算を行うため、ユーザー数とアイテム数が多くなると非常に計算時間がかかります。学習データで交差検証をしたりコンペで使ったりしているだけだとあまり問題にならないのですが、実務では結構問題になります。こういうのは実務の現場で個別に対処されているためか知見もあまり公開されていないようです。対処方法はいろいろあるのですが、ここでは計算方法を少し工夫することで計算量を削減する簡単な方法を紹介します。合わせて計算量の見積もりや計算量削減の
2018年10月20日、第8回目となるイベント「JuliaTokyo」が開催されました。技術計算を得意とする新しい汎用プログラミング言語であるJulia。その知見と共有しJuliaの普及を促すため、実際にJuliaを用いているエンジニアたちが一堂に会し、自身の事例を語りました。プレゼンテーション「機械学習×名古屋×Julia 」に登場したのは、antimon2氏。講演資料はこちら 機械学習×名古屋×Julia antimon2氏：では始めます。仮で「機械学習と名古屋とJulia」っていう名前で送っていて、「と」が「×」に変わっただけですが、正式に「機械学習×名古屋×Julia」というタイトルで発表を進めていきます。 今日話す内容はだいたいこんな感じです。自分のこと、あと機械学習、実際にどういうふうなのかを順番に話していきます。 まずは私のことなんですけど、「私×Julia」というか「お前誰
Juliaは2012年に公開された新しい言語です。その特徴はとにかく実行速度が速いことです。数あるプログラミング言語の中で速いと言われるC言語に匹敵します。それでAIなどの科学技術計算の分野で注目されています。今回は今後要注目の言語Juliaについて紹介します。 科学技術計算で注目を集めるJuliaについて 昨今、AIやデータサイエンスなど科学技術計算の分野では、プログラミング言語のPythonが最も利用されています。しかしPythonはコンパイラ言語ではないので実行速度が遅く、こうした高度な計算をもっと高速な言語で開発したいという要望が出ています。Juliaはこうした要望に応えるべく開発されました。 とにかく高速に動かすことを命題としているため、Juliaは柔軟な動的言語でありながら、C言語以上に高速に動作するものとなっています。そして、確実にデータサイエンスの分野で頭角を現しています。
開発部 R&D ユニットの村田です。OSSの開発をしております。本記事では、Ruby で書かれたマンデルブロ集合を計算するメソッドを実行時に Julia に変換して実行するとめっちゃ速くなる (場合がある)、という話をします。 はじめに Ruby 3.1 では YJIT がマージされ、Rails アプリケーションが速くなりました。今後のバージョンアップがとても楽しみですね。ただし、Ruby のデータ処理対応を進めている身としては、データ処理や数値計算がより高速になって欲しいと思っています。 データ処理や数値計算を高速化する試みとして、Python では NUMBA というライブラリが開発されています。NUMBA は、メソッド単位でバイトコードを LLVM を用いてネイティブコードにコンパイルすることでメソッド実行を高速化します。ただメソッドをネイティブコードに変換するのではなく、実行時にメ
Juliaで精度保証付き数値計算
Juliaを使って、精度保証付き数値計算の方法を紹介します。精度保証付き数値計算は「敷居が高い」と言われ続けていますが、その敷居をみんなが跨げるようにするのが本稿の目的です。Juliaは近年飛ぶ鳥を落とす勢いの計算機言語で、区間演算が実装されているIntervalArithmetic.jlというパッケージがあります。これを利用して、精度保証付き数値計算を実装した例を紹介します。精度保証付き数値計算ってこうやるんだと身近に感じてもらい、今後使ってもらったら嬉しいです。 注意 区間演算の実装であるIntervalArithmetic.jlの実装にまだ不安があり、精度保証付き数値計算で論文を書くときは、MATLABのINTLABやC++のkvライブラリを利用することを推奨します。今はまだ、こうやって実装するのかと気軽に精度保証付き数値計算を体感してもらうためのコンテンツです。今後、区間演算の実装
Why Python is not the programming language of the future
Python has served us well — but will it last? Photo by David Clode on Unsplash It took the programming community a couple of decades to appreciate Python. But since the early 2010’s, it has been booming — and eventually surpassing C, C#, Java and JavaScript in popularity.
Method-based JIT compilation by transpiling to Julia
I will demonstrate a new approach to the method-based Just-In-Time compilation for Ruby. This is used Julia language as an infrastructure of the JIT compilation. I will describe the characteristics of this approach and show you some example results.
A team of MIT researchers is making it easier for novices to get their feet wet with artificial intelligence, while also helping experts advance the field. In a paper presented at the Programming Language Design and Implementation conference this week, the researchers describe a novel probabilistic-programming system named “Gen.” Users write models and algorithms from multiple fields where AI tech
「Pythonのように書けて，Cのように動く」新しいプログラミング言語Juliaの基本的な文法や使い方から，実践的な内容として，標準ライブラリには含まれない数値計算やデータの可視化などのパッケージの活用まで解説する。 ◆対象者◆ ＊ Juliaに興味を持ち，初めて触れるプログラミング学習者 ＊ 科学技術計算を高速かつ手軽に行いたい学生や研究者 ◆書籍の特徴◆ Juliaは2012年に開発版が公開され，2018年に安定版のバージョン1.0がリリースされた新しいプログラミング言語である。JuliaはPythonやRなどのスクリプト言語のように手軽に使用できながら，Cなどの高速なプログラミング言語にも匹敵する実行速度をもち，科学技術計算分野を中心に大きな注目を集めている。2019年には，米国の工業・応用数学に関する学会であるSIAM（Society for Industrial and Appl
Juliaは，技術計算のためのオープンソース，マルチプラットフォーム，高レベル，高性能なプログラミング言語です． JuliaはLLVMLow-Level Virtual Machine (LLVM) は， 中間コードあるいはマシンコードを作るためのコンパイラ・インフラストラクチャです．ベースのJIT Just-In-Timeコンパイルは，実行前ではなく実行時に実行されます． したがって，コンパイルされたコードの速度と解釈の柔軟性が得られます． コンパイラはコードを解析して型を推定します．LLVMコードが生成された後に，ネイティブコードにコンパイルされます．コンパイラを備えています． これは，低レベルコードの煩わしさなしに， CやFORTRANなどの言語と同等の性能を引き出します． コードは，その場でコンパイルされるため，シェルすなわちREPL Read-Eval-Print-Loop; 対
VoxEUアブストラクト「経済研究に最良のプログラミング言語はどれか：Juliaか，Matlabか，Pythonか，Rか」（2020年8月20日）
[Alvaro Aguirre & Jon Danielsson, “Which programming language is best for economic research: Julia, Matlab, Python or R?” VoxEU, August 20, 2020] 経済研究でとりわけ広く使われているプログラミング言語は，Julia, Matlab, Python, R だ．本コラムでは，3つの規準でこれらの言語を比較する：すなわち，利用できるライブラリの力，大規模データセットを取り扱う際にできることと速度，計算の負荷が大きいタスクでの速度と使いやすさ，この3点で比較する．R はよい選択肢ではあるものの，著者が一般的に推奨するのは Julia であり，著者が新規プロジェクトによく選ぶのもこの言語だ．
2018年10月20日、第8回目となるイベント「JuliaTokyo」が開催されました。技術計算を得意とする新しい汎用プログラミング言語であるJulia。その知見と共有しJuliaの普及を促すため、実際にJuliaを用いているエンジニアたちが一堂に会し、自身の事例を語りました。プレゼンテーション「DataFrames and Types with Julia 」に登場したのは、ki_chi氏。講演資料はこちら DataFrames and Types with Julia ki_chi氏：タイトルは英語なんですが、講演自体は日本語でやらせていただきます。「あとで使いまわせると便利かな」と思って、調子に乗って英語にしただけです、すみません（笑）。気になさらずお願いいたします。 「DataFrames and Types with Julia」というタイトルで発表させていただきます。 Twit
Juliaでの調べ方 いろいろ - Qiita
はじめに Julia言語には豊富なDocumentがあり、沢山のコードが公開されていて、それらの確認方法もいろいろ用意されているので、一旦まとめてみます。 公式 The Julia Programming Language：公式ＨＰ Julia Documentation：公式ドキュメント JuliaLang /julia ：GitHubソースコード The Julia Language(YouTube)：Youtubeチャンネル 基本的に公式ドキュメント読めば大概のことは、解決するはず。 というか読みましょう。（自戒） <追記>他言語から殴り込みに来てJulia大したことないなとお思いの方は、公式DocのPerformance Tipsを読むと良いかもしれません。型や配列のちょっとした考え方で大きな差が出たりします。</追記> 入力補完([tab]を打て) 入力補完も充実してます。 RE
うわっ…私のpandas、遅すぎ…?って時にやるべきこと（先人の知恵より） こちらに書かれている通り、pandasはたしかに遅い、特に使い方によっては極端に遅い。かといってforループを回避するためにあれこれ読みにくいコードを書きたくない。……だったらJuliaにしたらいいよ！ という記事です。 pandasはどのくらい遅いか？ 元記事のデータは非公開のコードで加工されたもののようなので、ここでは他の公共データセットのデータを使わせてもらいます。Scikit-learnに入っているCalifornia Housingを使いましょう。約2万件しかデータがないのはちょっと物足りないので10回連結して約20万件に水増しします。 import sklearn from sklearn.datasets import fetch_california_housing import pandas as
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
シェルスクリプトを書くのをやめる - blog.8-p.info
VSCode + Dockerでよりミニマルでポータブルな研究環境を
PandasからPolarsへ移行した方がいいのか - Qiita
バイバイ Python。 ハロー Julia！ - Qiita
JuliaとPythonを併用したデータ処理のススメ - MNTSQ Techブログ
「Python」の弱点やそのとらえ方--生みの親、グイド・ヴァンロッサム氏が語る
非オブジェクト指向言語Juliaで書くオブジェクト指向 - SE教育パパむううみんのブログ
Julia, Python, F#, C#, C++で単位付き数値を扱う - Qiita
Juliaでデータサイエンス100本ノック（構造化データ加工編） - Qiita
Why I no longer recommend Julia
JuliaとLispのマクロの比較 - SE教育パパむううみんのブログ
MIT、「Julia」上で動作する初心者向け汎用AIプログラミングシステム「Gen」を発表
データサイエンティストが注目--ユーザーから見た「Julia」の長所と短所 - ZDNet Japan
Juliaを使いたいのに、環境構築に失敗してブチ切れたからDockerで優勝した
Python並みに使いやすくC言語並みに早く。応用性抜群のプログラミング言語を支えるJulia Computing
機械学習×名古屋×Julia Juliaとの出会いとこれまでにやってきたこと Part1
世界のプログラミング言語(30) C言語よりも速い柔軟な動的言語「Julia」
Ruby を Julia に変換して実行すると速くなる (場合がある) - Speee DEVELOPER BLOG
Style Guide · The Julia Language
New AI programming language goes beyond deep learning
1から始める Juliaプログラミング | コロナ社
The Fast Track to Julia
Juliaのデータ処理パッケージを比較してみた DataFramedMeta・JuliaDB・Queryverse Part1
JuliaならDataFrameでforループしても十分速い - Qiita
tamana-shop.jp
news.yahoo.co.jp
shueisha.online
note.com/kazushinakamura
note.com/kazushinakamura
abema.tv