Warum solltest du dich als Data Scientist für Konzepte der Softwareentwicklung interessieren? Hier stellen wir konkrete Konzepte vor und zeigen, wie diese wichtigen Ideen deinen Data-Science-Workflow grundlegend verbessern können!

Python, Data Science & Software Engineering

Die großen Ideen

Python-Modularität in freier Wildbahn

Einführung in Pakete & Dokumentation

Pakete mit pip installieren

Dokumentation nutzen

Konventionen und PEP 8

pycodestyle verwenden

PEP 8 einhalten

PEP 8 in der Dokumentation

Softwareentwicklung & Data Science

Werde zum vollwertigen Python-Paketentwickler, indem du dein erstes Paket schreibst! Du lernst, wie du Python-Code strukturierst und schreibst, der installiert, verwendet und verteilt werden kann – genau wie bekannte Pakete wie NumPy und Pandas.

Dein erstes Package schreiben

Minimale Paketanforderungen

Pakete benennen

Packages erkennen

Paketen Funktionalität hinzufügen

Funktionalität zu deinem Paket hinzufügen

Die neue Funktionalität deines Packages nutzen

Dein Paket portabel machen

requirements.txt schreiben

Paketanforderungen installieren

setup.py erstellen

Anforderungen in setup.py auflisten

Ein Python-Modul schreiben

Objektorientierte Programmierung ist ein Grundpfeiler der Python-Entwicklung. Durch den Einsatz von Klassen und Vererbung wird dein Python-Paket für seine Nutzerinnen und Nutzer deutlich leistungsfähiger.

Klassen zu einem Paket hinzufügen

Eine Klasse für dein Package schreiben

Die Klasse deines Pakets verwenden

Funktionen zu Klassen hinzufügen

Eine nicht öffentliche Methode schreiben

Die Funktionalität deiner Klasse nutzen

Klassen und das DRY-Prinzip

Mit Vererbung eine Klasse erstellen

Einer Kindklasse Funktionalität hinzufügen

Deine Kindklasse verwenden

Mehrstufige Vererbung

Mit dir und help erkunden

Erstellen einer Enkelklasse

Geerbte Methoden verwenden

Klassen nutzen

Du hast jetzt ein voll funktionsfähiges Python-Paket für Textanalysen geschrieben! Damit die Pflege deines Projekts so einfach wie möglich ist, nutzen wir Best Practices rund um Dokumentation und Unit-Tests.

Dokumentation

Gute Kommentare erkennen

Aussagekräftige Docstrings erkennen

Docstrings schreiben

Lesbarkeit zählt

Gute Funktionsnamen verwenden

Gute Variablennamen verwenden

Für bessere Lesbarkeit refaktorieren

Unittests

doctest verwenden

pytest verwenden

Dokumentation & Tests in der Praxis

Klassen für Sphinx dokumentieren

Tools zuordnen

Abschließende Gedanken

Wartbarkeit

Als Data Scientist profitierst du enorm von Konzepten aus der Softwareentwicklung: So kannst du deinen Code leichter wiederverwenden und mit anderen teilen. In diesem Kurs lernst du die wichtigsten Ideen rund um Modularität, Dokumentation und automatisiertes Testen kennen und siehst, wie sie dir helfen, Data-Science-Probleme schneller und so zu lösen, dass sich dein zukünftiges Ich freut. Am Ende setzt du das Gelernte ein und schreibst dein eigenes Python-Paket für Textanalysen.

Introduction to Functions in Python

Lernen Sie über Modularität, Dokumentation und Tests, um Datenprobleme schneller und sicherer zu lösen.

Grundlagen der Softwareentwicklung in Python

Lerne mehr über Modularität, Dokumentation und automatisierte Tests, damit du Probleme im Bereich Data Science schneller und zuverlässiger lösen kannst.

Associate AI Engineer für Datenwissenschaftler

Associate AI Engineer für Entwickler

Dateningenieur in Python

Python-Programmierung

Minimale Paketanforderungen

Grundlagen der Softwareentwicklung in Python

Interaktive Übung