他の言語だと、loopのindexを最大値から減らしながらリストにアクセスし、いらない要素を消したりするが、 Pythonの場合はリスト内包表記とif文を使って新しいリストを生成するのが良いっぽい。 例えば、以下のような感じ。
somelist = [x for x in somelist if not determine(x)]
参考：
PythonのEnumの名前を文字列で取得する
Color.RED.nameのようにnameプロパティを呼ぶと、"RED"のように文字列で名前が取得出来る。
文字列で受け取った区分がどのEnumの値かを判別するときに使う。
参考：
JupyterNotebookにアクセスしようとすると、「channel 3: open failed: connect failed: Connection refuse」エラー
再現手順は以下。
- JupyterNotebookサーバを起動する
- JupyterNotebookサーバは外部公開されていないサーバなので、そのサーバへのSSHトンネルを掘る
- ブラウザに以下のようなURLをコピペしてJupyterNotebookを表示しようとすると、エラーが発生する
http://localhost:8889/?token=5595570968c0467ffd34f6001a82a05553c0f10118e71e1c&token=5595570968c0467ffd34f6001a82a05553c0f10118e71e1c
原因はJupyterNotebookサーバにSSHトンネル経由でアクセスするには--ip=*オプションを追加する必要があるため。
参考：
EC2インスタンスのセキュリティグループを変更する手順
EC2インスタンスに紐付くセキュリティグループを変更するにはEC2インスタンスを作り直さないといけないと思っていたが、 変更できるっぽい。。手順は以下参照。
学習データを集める時に差分プライバシーが使えそう
AIは学習データをどれだけ集められるかが非常に重要だが、 個人情報などはプライバシー・セキュリティの問題で集めることが難しい。 そういう場合に差分プライバシーが使えそう。 アイデアとしては、個人を特定できないよう、各データにランダムなノイズを載せるが ノイズは小さいので、ノイズを載せた後でも学習データとしては十分有用というもの。 Appleが使っている実績もあるし、今後使ってみたい。
Pythonで関数オブジェクトの型アノテーションをする
Callableを使えば出来る。Callable[引数のリスト, 返値] という仕様になっている。例は以下。
multiply: Callable[[int, int], int] = lambda x, y: x * y
参考：
