Varför bör du som datavetare bry dig om mjukvaruutvecklingens principer? Här går vi igenom konkreta begrepp från mjukvaruutveckling och hur dessa viktiga idéer kan förbättra ditt arbetsflöde inom datavetenskap.

Python, datavetenskap och mjukvaruutveckling

De stora idéerna

Python-modularitet i praktiken

Introduktion till paket och dokumentation

Installera paket med pip

Använda dokumentation

Konventioner och PEP 8

Använda pycodestyle

Följa PEP 8

PEP 8 i dokumentation

Mjukvaruutveckling och datavetenskap

Bli en fullfjädrad Python-paketutvecklare genom att skriva ditt första paket! Du lär dig hur du strukturerar och skriver Python-kod som kan installeras, användas och distribueras – precis som välkända paket som NumPy och pandas.

Skriv ditt första paket

Minimala krav för ett paket

Namnge paket

Identifiera paket

Lägga till funktionalitet i paket

Lägg till funktionalitet i ditt paket

Använda ditt pakets nya funktionalitet

Gör ditt paket portabelt

Skriva requirements.txt

Installera paketkrav

Skapa setup.py

Lista beroenden i setup.py

Skriva en Python-modul

Objektorienterad programmering är en grundpelare i Python-utveckling. Genom att använda klasser och arv blir ditt Python-paket ett betydligt kraftfullare verktyg för dina användare.

Lägga till klasser i ett paket

Skriv en klass för ditt paket

Använd paketets klass

Lägga till funktionalitet i klasser

Skriva en icke-publik metod

Använd klassens funktionalitet

Klasser och DRY-principen

Använd arv för att skapa en klass

Lägga till funktionalitet i en barnklass

Använd din barnklass

Arv i flera nivåer

Utforska med dir och help

Skapa en barnbarnklass

Använda ärvda metoder

Använda klasser

Nu har du skrivit ett fullt fungerande Python-paket för textanalys! För att göra det så enkelt som möjligt att underhålla projektet tar vi hjälp av bästa praxis inom områden som dokumentation och enhetstestning.

Dokumentation

Identifiera bra kommentarer

Identifiera korrekta docstrings

Skriva docstrings

Läsbarhet är viktigt

Välj bra funktionsnamn

Bra variabelnamn

Refaktorisering för läsbarhet

Enhetstestning

Använda doctest

Använda pytest

Dokumentation och testning i praktiken

Dokumentera klasser för Sphinx

Identifiera verktygen

Avslutande tankar

Underhållbarhet

Datavetare kan dra stor nytta av att lära sig begrepp från mjukvaruutvecklingens värld – det gör det enklare att återanvända kod och dela den med kollegor. I den här kursen får du lära dig om de viktiga idéerna bakom modularitet, dokumentation och automatiserad testning, och du ser hur de kan hjälpa dig att lösa datavetenskapliga problem snabbare och på ett sätt som du kommer att uppskatta även i framtiden. Du får dessutom använda dina nyförvärvade mjukvarukunskaper för att skriva ett eget Python-paket för textanalys.

Introduction to Functions in Python

Lär dig om modularitet, dokumentation och automatiserad testning för att lösa dataproblem snabbare.

Mjukvaruutvecklingsprinciper i Python

Lär dig om modularitet, dokumentation och automatiserad testning för att lösa datavetenskapsproblem snabbare och mer tillförlitligt.

Associate AI Engineer för data scientists

Associate AI Engineer för utvecklare

Dataingenjör i Python

Python-programmering

Minimala krav för ett paket

Mjukvaruutvecklingsprinciper i Python

Interaktiv övning med praktiskt arbete