Tag
Python
15 件の記事 · 1 / 2 ページ
-
現代の言語進化は同じ方向を向いている
記述量を減らすためではなく、表現できてしまう状態を減らすために構文は変わってきた——言語をまたぐ変化の共通ベクトルを読み解きます。
-
例外処理の書き方——捕まえる場所と捨てない情報
try/catch を書く技術ではなく、どこで捕まえてどこまで運ぶかの設計——例外処理の良し悪しはその一点で決まります。
-
パターンマッチには強度の差がある
match と書ければ同じではありません——分岐の網羅漏れをコンパイラが教えてくれるかどうかで、機能としての価値が変わります。
-
null を扱うときの注意点とベストプラクティス
null 安全は言語機能で自動的に手に入るものではなく——生成・伝播・消費の各段階で「不在」をどう設計するかの問題です。
-
readonly と frozen は同じ意味ではない
不変性には「束縛の不変」と「値の不変」、そして浅いか深いかの軸がある——同じ readonly でも守る範囲が違います。
-
失敗を返り値にするか、投げるか
例外と Result 型の違いは好みではなく、失敗を型に載せるかどうかの設計判断——処理漏れを誰が検出するかが変わります。
-
「値がない」の表し方で言語は4つに分かれる
null 許容・nullable 型・Option 型——同じ「null 安全対応」に見えて、実際に違うのは値の欠如が検査されるタイミングです。
-
A/Bテストを始める前に——検出力・効果量・サンプルサイズの設計
A/Bテストの結果が「効果なし」だったとき、それは本当に効果がなかったのか、それともサンプルが足りなかっただけなのか——実験前に必要なサンプルサイズを正しく設計するための3つのパラメータと計算方法を解説します。
-
10種類のシールを全部揃えるには何個買えばいい？——クーポンコレクター問題
10種類のシールが入ったお菓子、全部揃えるには平均何個買えばいい？——直感的な「10個」ではなく約29.3個になる理由を、幾何分布・調和数・モンテカルロシミュレーションで解説します。
-
なぜ標本分散は n-1 で割るのか——不偏分散と自由度の直感
標本分散を n で割ると母分散を系統的に過小推定してしまう——その理由を直感・数学・自由度の三つの視点で解説し、NumPy の ddof=1 が何をしているかを明らかにします。
-
ベイズ統計入門——事前知識を使って確率を更新する
データが少なくても「確率の分布」として答えを出せるベイズ統計の考え方——事前分布・尤度・事後分布という三つの要素と、頻度論との違いをビジネス文脈で解説します。
-
LLM 評価のブレを多層的に抑える ── スコアが信頼できる数字になるまで
AI に採点させるとき、1 回の採点では誤差か実差か区別できない。繰り返し採点・G-Eval 確率加重・ペアワイズ順序反転・ブートストラップ信頼区間・BH 多重比較補正を組み合わせ、LLM 評価のブレを多層的に抑える設計を整理します。
