Pourquoi, en tant que Data Scientist, devriez-vous vous intéresser aux concepts de génie logiciel ? Nous allons voir des notions précises de génie logiciel et comment elles peuvent révolutionner votre flux de travail en Data Science !

Python, data science et génie logiciel

Les grandes idées

La modularité Python sur le terrain

Introduction aux packages et à la documentation

Installer des packages avec pip

Tirer parti de la documentation

Conventions et PEP 8

Utiliser pycodestyle

Se conformer à PEP 8

PEP 8 dans la documentation

Génie logiciel et Data Science

Devenez un véritable développeur de packages Python en écrivant votre premier package ! Vous apprendrez à structurer et écrire du code Python pouvant être installé, utilisé et distribué comme les célèbres packages NumPy et pandas.

Écrire votre premier package

Exigences minimales d'un package

Nommer des packages

Reconnaître les packages

Ajouter des fonctionnalités aux packages

Ajouter des fonctionnalités à votre package

Utiliser la nouvelle fonctionnalité de votre package

Rendre votre package portable

Écrire requirements.txt

Installer les dépendances du package

Créer setup.py

Lister les dépendances 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 package Python deviendra un outil bien plus puissant pour vos utilisateurs.

Ajouter des classes à un package

Écrire une classe pour votre package

Utiliser la classe de votre package

Ajouter des fonctionnalités aux classes

Écrire une méthode non publique

Utiliser les fonctionnalités de votre classe

Classes et 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 enfant

Utiliser des méthodes héritées

Utiliser des classes

Vous avez maintenant écrit un package Python pleinement fonctionnel pour l'analyse de texte ! Pour rendre la maintenance de votre projet la plus simple possible, nous appliquerons les bonnes pratiques de documentation et de tests unitaires.

Documentation

Identifier de bons commentaires

Identifier des docstrings correctes

Rédiger des docstrings

La lisibilité avant tout

Choisir des noms de fonctions appropriés

Utiliser de bons noms de variables

Refactoriser pour la lisibilité

Tests unitaires

Utiliser doctest

Utiliser pytest

Documentation et tests en pratique

Documenter des classes pour Sphinx

Identifier les outils

Réflexions finales

Maintenabilité

Les data scientists peuvent tirer de grands bénéfices des concepts du génie logiciel : ils réutilisent plus facilement leur code et le partagent mieux avec leurs collaborateurs. Dans ce cours, vous allez découvrir des notions essentielles comme la modularité, la documentation et les tests automatisés, et voir comment elles vous aident à résoudre plus vite des problèmes de Data Science tout en rendant votre vous du futur ravi. Vous mettrez même en pratique vos compétences de génie logiciel 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 de génie logiciel 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

Les grandes idées

Exercice interactif pratique