「初探機器學習使用Python」まとめ#3 第一章 大致接近正確的軟體
「初探機器學習使用Python」（↓の中国語版 ）
Thoughtful Machine Learning with Python: A Test-Driven Approach
- 作者: Matthew Kirk
- 出版社/メーカー: O'Reilly Media
- 発売日: 2017/01/27
- メディア: ペーパーバック
- この商品を含むブログを見る
前回↓
#3では第1章について扱う。
將軟體撰寫正確
SOLID
SOLIDはソフトウェア開発における5原則で，Robert Maetinにより提唱された。
- 單一職責原則（SRP-Single Responsibility Principle）
- 開放/封閉原則（OCP-Open / Closed Principle）
- 里氏替換原則（LSP-Liskov Substitution Principle）
- 介面隔離原則（ISP-Interface Segregation Principle）
- 相依性反轉原則（DIP-Dependency Inversion Principle）
詳細はここでは省略，以下などを参考。
https://postd.cc/solid-principles-every-developer-should-know/
https://qiita.com/yui_mop/items/93fef037a787318e7067
測試與TDD
測試驅動開發的想法很簡單：
撰寫一個測試項，記錄要實現的內容；
首先進行測試以確驅動開發的想法很簡里定此測試項運作失敗，接著撰寫程式碼修正此測試項，並在通過測試之後，調整相關程碼以符合SOLID原則。（p5）
単語
意訳
「テスト駆動開発の考え方は単純です：
テスト項目を書いて達成したいことを記録します；
手順
- とても簡単な駆動開発のアイデアを確認するテストを実行する，ここでテスト項目は失敗する
- テスト項目を修正するコードを書く
- テストに成功した後，SOLID原則に従うために関連コードを調整する。
」
重構
重構 現有的程式碼以避免技術債的累積（p6）
単語
- 重構：refactoring，リファクタリング
- 現有：あり合わせの，既存の
- 技術債：Technical debt，技術的負債
意訳
「技術的負債の累積を回避するために既存のコードをリファクタリングする」
簡単に言えば，重構とはプログラムを整理することである。技術的負債とは，欠陥のあるコードを放置すると取り返しのつかないことになる（利息が積み重なるような）ことの例えである。
撰寫正確的軟體
用機器學習撰寫正確的軟體
省略。
究竟何謂機器學習？
省略。
機器學習的高利貸技術債
Machine Learning: The High-Interest Credit Card of Technical Debtにおける著者の主張を表す一文。
文中指出機器學習專案本質上是複雜且邊界模糊，重度仰賴資料相依性內容，遭受系統級的麵條式程式碼（spaghetti code）影響，以及可能 因為外界的變化而徹底改變。
単語
- 專案：project，重大事項
- 仰賴：〜に頼る，〜に依存する
- 系統：system
- 可能：〜かもしれない
- 因為 X 而 Y：XによってY
意訳
「本稿では、機械学習プロジェクトは本質的に複雑で境界がぼやけており、データ依存型コンテンツに大きく依存し、システムレベルのスパゲッティコードの影響を受け、外部からの変更によって急激に変わる可能性があると指摘する。」
参考：
機械学習システムにおける「技術的負債」とその回避策 - Qiita
https://www.techscore.com/blog/2014/12/10/technical_debt/
將SOLID應用於機器學習
單一職責原則（SRP）
-
糾結（entanglement）
CACE原則（Changing Anything Changes Everything）......何かを変えると全てが変わる，つまり1つの変更により色々変更されてしまう。
-
黏合式碼（glue code）
プログラムの要求仕様の実現には一切寄与しないが、もともと互換性がない部分同士を結合するためだけに働くコードのこと。（Wikipediaより）
開放/封閉原則（OCP）
-
隱藏回饋循環（Hidden feedback loops）
例：預測性警務（predictive policing）
里氏替換原則（LSP）
-
未充分利用的資料相依性（Underutilized data dependencies）
不要なパッケージの累積に繋がる。
介面隔離原則（ISP）
-
未宣告的使用者 / 可見性負債（Undeclared consumers / visibility debt）
知らないところで機械学習の予測が使われる。
-
不穩定資料相依性（Unstable data dependencies）
時間経過により変化するものは，入力変数として不安定。
相依性反轉原則（DIP）
-
管道叢林（Pipeline jungles）
-
實驗路徑（Experimental paths）
複雜但並非不可能的機器學習程式
省略。
TDD：科學方法2.0
成功的秘訣是：針對機器學習專案，使用SOLID檢查清單，TDD工具以及重構作業實現。（p13）
単語
- 針對：〜に対処して，〜において
意訳
「成功の秘訣は、機械学習プロジェクトにおいて，SOLIDチェックリスト、TDDツール、およびリファクタリングの割り当てを使用することである。」
重構知識之路
省略。
本書的預期
#1の続きより。
機器學習是一個令人著迷的尃業領域，可以實現很多的需求，但如果缼少紀律，檢查清單與指引，則許多的機器學習專案注定 要面臨失敗。（p13）
単語
- 著迷：夢中，魅了する
- 可以：〜できる
- 如果：もし〜なら
- 注定：〜することとなる，運命付けられている
- 要：〜したい，〜しなければならない，〜のはずである，...
意訳
「機械学習は多くのニーズを満たすことができる魅力的な実践分野であるが、ルールやチェックリストやガイドラインが欠けていると、多くの分野で失敗するおそれがある。」
次回↓
