Why should you as a Data Scientist care about Software Engineering concepts?  Here we'll cover specific Software Engineering concepts and how these important ideas can revolutionize your Data Science workflow!

Python, data science, & software engineering

The big ideas

Python modularity in the wild

Introduction to packages & documentation

Installing packages with pip

Leveraging documentation

Conventions and PEP 8

Using pycodestyle

Conforming to PEP 8

PEP 8 in documentation

Software Engineering & Data Science

Become a fully fledged Python package developer by writing your first package!  You'll learn how to structure and write Python code that you can be installed, used, and distributed just like famous packages such as NumPy and Pandas.

Writing your first package

Minimal package requirements

Naming packages

Recognizing packages

Adding functionality to packages

Adding functionality to your package

Using your package's new functionality

Making your package portable

Writing requirements.txt

Installing package requirements

Creating setup.py

Listing requirements in setup.py

Writing a Python Module

Object Oriented Programming is a staple of Python development.  By leveraging classes and inheritance your Python package will become a much more powerful tool for your users.

Adding classes to a package

Writing a class for your package

Using your package's class

Adding functionality to classes

Writing a non-public method

Using your class's functionality

Classes and the DRY principle

Using inheritance to create a class

Adding functionality to a child class

Using your child class

Multilevel inheritance

Exploring with dir and help

Creating a grandchild class

Using inherited methods

Utilizing Classes

You've now written a fully functional Python package for text analysis!  To make maintaining your project as easy as possible we'll leverage best practices around concepts such as documentation and unit testing.

Documentation

Identifier les bons commentaires

Identifier des docstrings corrects

Rédiger des docstrings

La lisibilité compte

Choisir de bons noms de fonctions

Utiliser de bons noms de variables

Rafactorer pour améliorer la lisibilité

Tests unitaires

Utiliser doctest

Utiliser pytest

Documentation et tests en pratique

Documenter les classes pour Sphinx

Identifier les outils

Dernières réflexions

Maintainability

Les data scientists gagnent énormément à s’inspirer des concepts de l’ingénierie logicielle : ils réutilisent plus facilement leur code et le partagent mieux avec leurs collaborateurs. Dans ce cours, vous découvrirez les idées clés que sont la modularité, la documentation et les tests automatisés, et verrez comment elles vous aident à résoudre plus vite des problèmes de Data Science tout en rendant votre « vous du futur » heureux. Vous mettrez même en pratique vos nouvelles compétences d’ingénierie logicielle pour créer votre propre package Python dédié à l’analyse de texte.

Introduction to Functions in Python

Découvrez la modularité, la documentation et les tests automatisés pour résoudre les problèmes plus vite.

Principes d’ingénierie logicielle en Python

Découvrez la modularité, la documentation et les tests automatisés pour résoudre de manière fiable les problèmes liés à la data science.

Ingénieur IA associé pour les scientifiques de données

Associate AI Engineer pour développeurs

Ingénieur de données en Python

Programmation Python

Identifier des docstrings corrects

Exercice interactif pratique