Pourquoi, en tant que scientifique des données, devriez-vous vous intéresser aux concepts d'ingénierie logicielle ? Ici, nous verrons des concepts précis d'ingénierie logicielle et comment ces idées importantes peuvent transformer votre flux de travail en science des données !

Python, science des données et génie logiciel

Les grandes idées

La modularité Python sur le terrain

Introduction aux paquets et à la documentation

Installer des paquets avec pip

Tirer parti de la documentation

Conventions et PEP 8

Utiliser pycodestyle

Respecter PEP 8

PEP 8 dans la documentation

Ingénierie logicielle et science des données

Devenez un développeur de paquets Python à part entière en écrivant votre premier paquet ! Vous apprendrez à structurer et à écrire du code Python qui peut être installé, utilisé et distribué comme les paquets réputés tels que NumPy et pandas.

Rédiger votre premier paquet

Exigences minimales d'un paquet

Nommer les paquets

Reconnaître les paquets

Ajouter des fonctionnalités aux forfaits

Ajouter des fonctionnalités à votre paquet

Utiliser la nouvelle fonctionnalité de votre paquet

Rendre votre paquet portable

Rédiger requirements.txt

Installer les dépendances du paquet

Créer setup.py

Énumérer les exigences dans setup.py

Écrire un module Python

La programmation orientée objet est un pilier du développement Python. En tirant parti des classes et de l'héritage, votre paquet Python deviendra un outil beaucoup plus puissant pour vos utilisateurs.

Ajouter des classes à un paquet

Écrire une classe pour votre paquet

Utiliser la classe de votre paquet

Ajouter des fonctionnalités aux classes

Écrire une méthode non publique

Utiliser les fonctionnalités de votre classe

Les classes et le principe DRY

Utiliser l'héritage pour créer une classe

Ajouter des fonctionnalités à une classe enfant

Utiliser votre classe enfant

Héritage multiniveau

Explorer avec dir et help

Créer une classe petite-fille

Utiliser des méthodes héritées

Utiliser les classes

Vous avez maintenant créé un paquet Python entièrement fonctionnel pour l'analyse de texte ! Pour faciliter au maximum la maintenance de votre projet, nous appliquerons les pratiques exemplaires liées à la documentation et aux tests unitaires.

Documentation

Repérer de bons commentaires

Reconnaître de bonnes docstrings

Rédiger des docstrings

La lisibilité compte

Choisir de bons noms de fonctions

Utiliser de bons noms de variables

Remanier pour améliorer la lisibilité

Tests unitaires

Utiliser doctest

Utiliser pytest

Documentation et tests en pratique

Documenter des classes pour Sphinx

Identifier les outils

Pour terminer

Maintenabilité

Les scientifiques des données gagnent beaucoup à s'inspirer de l'ingénierie logicielle : ils peuvent réutiliser plus facilement leur code et le partager avec des collaborateurs. Dans ce cours, vous découvrirez les notions clés de modularité, de documentation et de tests automatisés, et verrez comment elles vous aident à résoudre plus rapidement des problèmes de science des données, tout en rendant votre vous du futur heureux. Vous mettrez même en pratique vos nouvelles compétences en ingénierie logicielle pour créer votre propre paquet Python pour l'analyse de texte.

Introduction to Functions in Python

Découvrez la modularité, la documentation et les tests automatisés pour résoudre les problèmes de science des données.

Principes d'ingénierie logicielle en Python

Apprenez la modularité, la documentation et les tests automatisés pour résoudre les problèmes de science des données plus rapidement et de façon plus fiable.

Ingénieur IA associé pour scientifiques des données

Ingénieur IA associé pour développeurs

Ingénieur de données en Python

Programmation Python

Installer des paquets avec pip

Principes d'ingénierie logicielle en Python

Exercice interactif pratique