為什麼身為資料科學家的你要在意軟體工程的概念？在這裡，我們會介紹特定的軟體工程觀念，以及這些重要想法如何徹底改變你的資料科學工作流程！

Python、資料科學與軟體工程

關鍵大方向

真實情境中的 Python 模組化

套件與文件說明入門

用 pip 安裝套件

善用文件說明

慣例與 PEP 8

使用 pycodestyle

符合 PEP 8

文件中的 PEP 8

軟體工程與資料科學

透過撰寫你的第一個套件，成為一位完整的 Python 套件開發者！你會學到如何組織與撰寫可被安裝、使用並發佈的 Python 程式碼，就像 NumPy 與 pandas 等知名套件一樣。

撰寫你的第一個套件

最小套件需求

套件命名

辨識套件

為套件加入功能

為你的套件加入功能

使用套件的新功能

讓你的套件可攜式化

撰寫 requirements.txt

安裝套件需求

建立 setup.py

在 setup.py 中列出需求

撰寫 Python 模組

物件導向程式設計是 Python 開發的核心之一。透過善用類別與繼承，你的 Python 套件將成為對使用者更強大的工具。

在套件中加入類別

為你的套件撰寫一個類別

使用你套件的類別

為類別加入功能

撰寫非公開方法

使用你類別的功能

類別與 DRY 原則

使用繼承來建立類別

為子類別加入功能

使用你的子類別

多層繼承

用 dir 和 help 探索

建立孫代類別

使用繼承的方法

運用類別

你現在已經完成一個可用於文字分析的完整 Python 套件！為了讓專案維護更輕鬆，我們將實踐文件與單元測試等最佳做法。

文件撰寫

辨識好的註解

辨識合格的 docstring

撰寫 docstring

可讀性很重要

善用良好的函式名稱

使用好的變數名稱

為提升可讀性進行重構

單元測試

使用 doctest

使用 pytest

文件與測試實作

為 Sphinx 撰寫類別文件

辨識工具

最後的想法

可維護性

資料科學家若能學習軟體工程的觀念，將能大幅受益，更容易重複使用程式碼並與協作者分享。在本課程中，你會學到模組化、文件撰寫與自動化測試等重要概念，並了解它們如何幫助你更快解決資料科學問題，還能讓未來的你更輕鬆維護。你也會把學到的軟體工程本領派上用場，親手撰寫一個用於文字分析的 Python 套件。

Introduction to Functions in Python

學習模組化、文件化和自動化測試，以更快速可靠地解決數據科學問題。

Python 的軟體工程原則

掌握模組化、文件撰寫與自動化測試，提升資料科學問題的解決速度與可靠性。

AI 工程師助理職涯路徑（適合資料科學家）

AI 工程師入門路徑（適合開發人員）

資料工程師 使用 Python

Python 程式設計

最小套件需求

Python 的軟體工程原則

動手互動練習