Python 的 Iterable, Iterator 與 Generator 是經常會讓人產生混淆的事物，因為這 3 個都可以用 for 迴圈走訪，因此有些熟悉 Python 的面試官很喜歡問這 3 者之間的差異，追根究底是因為對這 3 者不熟悉的話，很容易寫出類似以下的低效率程式碼：
set([x for x in iterator])
本文將透過實際範例帶大家認識 Iterable, Iterator 與 Generator! 再也不搞混！
Posted on May 3, 2024 in Python 程式設計 - 中階 by Amo Chen ‐ 4 min read
BM25 是一個經典的數學公式，廣泛應用於評估文件與查詢字串之間的相關性，因此在某些搜索引擎的搜索結果排序中扮演重要角色。例如，Elasticsearch 就內建了使用 BM25 進行結果排序的功能。
此外，在 AI 領域，像是 RAG (Retrieval-Augmented Generation) 等應用，也實作使用 BM25 來檢索(retrieve)相關文件。
對 BM25 有所理解的話，將會對從事搜索相關工作的人有所裨益。
本文將以白話文說明搭配範例的方式，介紹 BM25 公式以及如何計算。
近年來不斷地看到一些公司或服務採用 WebAssembly 這項技術，包含 Adobe, Microsoft, Google, Figma 等等，使我也對 WebAssembly 產生一點興趣，不過一直都沒有特別花時間研究，只知道 WebAssembly 是 1 種類似組合語言而且可以在瀏覽器中執行的低階語言，相較於 JavaScript 而言，更接近硬體層級，因此效率也更好一些。
直到最近 side project 有個很實際的需求作為契機，我才藉機會研究 WebAssembly 並體驗一下用 WebAssembly 打造應用的感覺。
現代很多語言都支援將程式碼編譯為 WebAssembly ，其中比較知名的是 Rust 程式語言，不過本文將以 Go / Golang 作為教學示範。
Posted on Apr 26, 2024 in Go 程式設計 - 高階 by Amo Chen ‐ 9 min read
Python 3.8 推出 1 個新的運算子 — Walrus Operator, 又稱海象運算子，其運算符號為 :=。
Python 社群對海象運算子有一些爭議，主要是：
:= 與 = 符號太相似，難以快速識別但無論其爭議為何，海象運算子只用 1 個新的符號，就能使程式碼變得簡潔之外，還能同時滿足 Python 使用者的習慣，長遠來看其實是利大於弊。
譬如下列程式碼，在使用海象運算子之後，其實只需要 2 行即可：
x = input('> ')
while x:
print(x)
x = input('> ')
因此，學會適度使用海象運算子是可以帶來好處的！
本文將介紹海象運算子與幾個適合使用海象運算子的場景。
Posted on Apr 23, 2024 in Python 程式設計 - 中階 by Amo Chen ‐ 5 min read
本文將介紹 1 個相對少被提到的 operator 模組，該模組提供與 Python 各種運算子(operator)相對應的函式，適合喜歡 functional programming 的開發者使用，此外也有幾個高實用性的方法可以使用，不妨花一點點時間看看吧！
Posted on Apr 22, 2024 in Python 程式設計 - 中階 by Amo Chen ‐ 3 min read
Go 的程式設計中，透過回傳 error 型別的值告知錯誤發生是相當常見的模式，所以很多函式的回傳定義大多如下所示，其中 1 個會是 error 型別，用以告知執行時的錯誤：
func FunctionName() (結果的型別, error)
這也是為什麼我們如果閱讀各種以 Go 開發的開放原始碼專案會很常看到類似以下的程式碼的原因：
r, err := FunctionName()
if err != nil {
// Error handling here
}
所以學會判斷 error 的類型並處理各種類型的錯誤，變成 Go 程式設計的重要課題。
本文將探討如何判斷 error 類型以及多種不同判斷的方法。
Posted on Apr 16, 2024 in Go 程式設計 - 初階 by Amo Chen ‐ 6 min read
每個程式設計師多多少少都有打造私人工具箱，不僅可以增加工作效率，還可以跟著職業生涯累積起來帶著走。
AI 時代來臨，工具箱當然免不了要多一些 AI 相關的工具，本文將介紹怎麼用 LangChain 結合 Python 知名套件 Streamlit 打造屬於你的個人工具箱！
Last updated on Sep 24, 2024 in LangChain , Python 程式設計 - 高階 by Amo Chen ‐ 6 min read
談到 Python 數據分析的工具，多數人應該使用 Jupyter Notebook 搭配 pandas 進行數據分析，不過使用 pandas 還是不及使用 SQL 來得直覺一些，如果能夠在 Jupyter Notebook 中直接使用 SQL 對資料進行查詢、分析，對於精通 SQL 的人而言，將會減少需要額外學習 pandas 的成本。
恰好 JupySQL 是 1 個能夠讓我們在 Jupyter 以 SQL 對資料進行查詢、分析的擴充套件(extension)，而且 JupySQL 也整合 pandas, 因此可以將查詢結果轉換成為 pandas 的 DataFrame, 除此之外更整合 DuckDB, SQLite, MySQL, PostgreSQL 等常見資料庫，讓我們能夠輕鬆以 SQL 操作各種不同來源的資料庫。
本文將以 Google Colab 搭配 JupySQL 與 DuckDB, 帶你學習 Jupyter Notebook + pandas 之外的另一種方法！
Posted on Apr 9, 2024 in Python 模組/套件推薦 , Python 程式設計 - 中階 by Amo Chen ‐ 5 min read