왜 데이터 사이언티스트가 소프트웨어 공학 개념에 관심을 가져야 할까요? 여기서는 특정 소프트웨어 공학 개념과 이러한 핵심 아이디어가 여러분의 데이터 사이언스 워크플로를 어떻게 혁신할 수 있는지 다룹니다!

Python, 데이터 사이언스, 그리고 소프트웨어 엔지니어링

핵심 아이디어

실전에서의 Python 모듈성

패키지와 문서화 소개

pip으로 패키지 설치하기

문서화 활용하기

규칙과 PEP 8

pycodestyle 사용하기

PEP 8 준수하기

문서에서의 PEP 8

소프트웨어 공학과 데이터 사이언스

첫 패키지를 작성해 본격적인 Python 패키지 개발자가 되어 보세요! NumPy와 Pandas처럼 설치, 사용, 배포할 수 있도록 Python 코드를 구조화하고 작성하는 방법을 배웁니다.

첫 번째 패키지 만들기

최소 패키지 요건

패키지 이름 정하기

패키지 알아보기

패키지에 기능 추가하기

패키지의 새 기능 사용하기

패키지를 이식 가능하게 만들기

requirements.txt 작성하기

패키지 요구 사항 설치하기

setup.py 만들기

setup.py에 요구 사항 나열하기

Python 모듈 작성하기

객체 지향 프로그래밍은 Python 개발의 기본입니다. 클래스와 상속을 활용하면 여러분의 Python 패키지가 사용자에게 훨씬 더 강력한 도구가 됩니다.

패키지에 클래스 추가하기

패키지를 위한 클래스 작성하기

패키지의 클래스 사용하기

클래스에 기능 추가하기

비공개 메서드 작성하기

클래스 기능 활용하기

클래스와 DRY 원칙

상속을 사용해 클래스 만들기

자식 클래스에 기능 추가하기

자식 클래스를 사용해 보기

다단계 상속

dir와 help로 탐색하기

손자 클래스 만들기

상속된 메서드 사용하기

클래스 활용하기

이제 텍스트 분석을 위한 완전한 Python 패키지를 작성하셨습니다! 프로젝트를 최대한 쉽게 유지·관리할 수 있도록 문서화와 단위 테스트 같은 개념의 모범 사례를 적용해 보겠습니다.

문서화

좋은 주석 찾기

올바른 독스트링 식별하기

Docstring 작성하기

가독성이 중요합니다

좋은 함수 이름 사용하기

좋은 변수 이름 사용하기

가독성을 위한 리팩터링

단위 테스트

doctest 사용하기

pytest 사용하기

문서화와 테스트 실습

Sphinx용 클래스 문서화

도구 식별하기

마무리 생각

유지보수성

데이터 과학자는 소프트웨어 공학의 개념을 익히면 코드 재사용과 협업 공유가 훨씬 쉬워져 큰 이점을 얻을 수 있어요. 이 강의에서는 모듈화, 문서화, 자동화된 테스트 같은 핵심 아이디어를 배우고, 이것들이 어떻게 데이터 과학 문제를 더 빠르고 향후 유지보수도 편하게 해결하도록 돕는지 살펴봅니다. 나아가 텍스트 분석을 수행하는 나만의 Python 패키지를 직접 만들어 보며 소프트웨어 공학 실력을 실전에 적용해 볼 거예요.

Introduction to Functions in Python

모듈화, 문서화, 자동 테스트를 통해 데이터 과학 문제를 더 빠르고 신뢰성 있게 해결하세요.

Python으로 배우는 소프트웨어 공학 원칙

모듈화, 문서화, 자동화된 테스트에 대해 알아보고 데이터 과학 문제를 더 빠르고 안정적으로 해결하는 데 활용하세요.

클래스와 DRY 원칙

Create Your Free Account