Non stavo organizzando i TIL in modo sistematico — pubblicavo per categoria e li riassumevo brevemente nelle revisioni settimanali.
Funziona bene quando si imparano concetti nuovi, ma è molto inefficiente durante la fase di coding quotidiano stile hackathon. Per la fase di competizione (P stage), scriverò i TIL direttamente.
Piano di addestramento
Ci sono diverse feature, ma non posso garantire correlazioni o relazioni causali tra di esse. Ed è logico — i dati non lo supportano. Quindi ho definito un piano su come addestrare.
Sintesi
La mia calligrafia è terribile… In breve: creare un modello per feature, poi fare ensemble learning. Ogni modello riceve le stesse immagini in input ed esegue la classificazione per la propria feature.
Jupyter vs py
Dopo aver passato più di un anno al lavoro a programmare esclusivamente con Python da CLI (senza Jupyter), mi trovo molto più a mio agio con quell’approccio ed è più facile organizzare il codice. Con Jupyter, si ammassa tutto il codice in un notebook e la visibilità è terribile.
Detto questo, ho usato Jupyter per la sperimentazione. Ho prototipato dataset, utilizzo di pandas e varie classi/funzioni in Jupyter, poi li ho applicati ai file .py.
Comunque rimane scomodo per certi aspetti:
- Serve codice extra per gestire i moduli.
- Jupyter si basa molto sulle variabili globali, rendendo difficile la traduzione diretta in .py — altro codice extra necessario.
Alla fine sto programmando direttamente in .py.
PyCharm SSH
Uso la versione education di PyCharm, che supporta SSH e SFTP per la programmazione lato server. Quando l’ho provato, aveva più inconvenienti del remote-ssh di VSCode, quindi non l’ho usato.
A quanto pare funziona completamente — l’ho scoperto dalla sessione peer di oggi. Non ho tempo ora, ci proverò nel weekend. La qualità dell’IDE di PyCharm è molto migliore, quindi il passaggio sarebbe un vantaggio netto. Il problema è che l’ambiente della competizione non apre tutte le porte, quindi a quanto dicono il debug tramite PyCharm non funziona.