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, & rekayasa perangkat lunak

Gagasan besar

Modularitas Python di dunia nyata

Pengantar paket & dokumentasi

Memasang paket dengan pip

Memanfaatkan dokumentasi

Konvensi dan PEP 8

Menggunakan pycodestyle

Mengikuti PEP 8

PEP 8 dalam dokumentasi

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

Identifying good comments

Identifying proper docstrings

Writing docstrings

Readability counts

Using good function names

Using good variable names

Refactoring for readability

Unit testing

Using doctest

Using pytest

Documentation & testing in practice

Documenting classes for Sphinx

Identifying tools

Final Thoughts

Maintainability

Data scientist dapat meraih manfaat besar dengan mempelajari konsep dari bidang rekayasa perangkat lunak, sehingga mereka lebih mudah menggunakan kembali kode dan membagikannya dengan kolaborator. Dalam kursus ini, Anda akan mempelajari gagasan penting tentang modularitas, dokumentasi, dan pengujian otomatis, serta melihat bagaimana semua itu dapat membantu Anda menyelesaikan permasalahan Data Science dengan lebih cepat dan dengan cara yang akan membuat Anda di masa depan merasa puas. Anda bahkan akan menggunakan keterampilan rekayasa perangkat lunak yang diperoleh untuk menulis paket Python Anda sendiri untuk melakukan analitik teks.

Introduction to Functions in Python

Pelajari modularitas, dokumentasi, dan pengujian otomatis untuk memecahkan masalah data lebih cepat.

Prinsip Rekayasa Perangkat Lunak di Python

Pelajari modularitas, dokumentasi, dan pengujian otomatis untuk selesaikan masalah ilmu data dengan lebih cepat dan andal.

Insinyur AI Asisten untuk Ilmuwan Data

Insinyur Kecerdasan Buatan (AI) untuk Pengembang

Data Engineer dalam Python

Pemrograman Python

Machine Learning Engineer at Eastman

Mengapa rekayasa perangkat lunak?

Konsep rekayasa perangkat lunak

Manfaat modularitas

Modularitas dalam Python

Manfaat dokumentasi

Manfaat pengujian otomatis

Mari Tinjau

Software Engineering & Data Science - Python, data science, & rekayasa perangkat lunak

Python, data science, & rekayasa perangkat lunak

Create Your Free Account