book

データサイエンスのためのソフトウェアエンジニアリング入門 ―明快かつ速いコードを書く

Name: データサイエンスのためのソフトウェアエンジニアリング入門 ―明快かつ速いコードを書く
ISBN: 9784814401321

by Catherine Nelson, 漆戸パティ

October 2025

Intermediate to advanced

308 pages

3h 39m

Japanese

O'Reilly Japan, Inc.

Read now

Unlock full access

　表紙
　大扉
　原書大扉
　クレジット
　賞賛の声
　まえがき
　　　　　ソフトウェアエンジニアリング vs. データサイエンス
　1章　良いコードとは何か？
　　1.1　優れたコードが重要な理由　　　　　「作品」としてのコード　　1.2　変化する要件への対応　　1.3　単純さ　　　1.3.1　同じことを繰り返さない（DRY）　　　1.3.2　冗長なコードを避ける　　1.4　モジュール化　　1.5　可読性　　　1.5.1　標準と慣習　　　1.5.2　命名法　　　1.5.3　クリーンアップ　　　1.5.4　ドキュメンテーション　　1.6　パフォーマンス　　1.7　堅牢性　　　1.7.1　エラーとロギング　　　1.7.2　テスト　　　　　本書のデータ　　1.8　まとめ
　2章　パフォーマンスの分析
　　　　　早すぎる最適化　　2.1　パフォーマンス向上の方法　　2.2　実行時間の計測　　2.3　プロファイリング　　　2.3.1　cProfile　　　2.3.2　line_profiler　　　2.3.3　Memrayによるメモリプロファイリング　　2.4　時間計算量　　　2.4.1　時間計算量の見積もり　　　2.4.2　オーダー記法　　2.5　まとめ
　3章　データ構造
　　3.1　Pythonのネイティブなデータ構造　　　3.1.1　リスト　　　3.1.2　タプル　　　3.1.3　辞書　　　3.1.4　セット（集合）　　3.2　NumPy　　　3.2.1　NumPyの関数　　　3.2.2　NumPyのパフォーマンスに関する考察　　　3.2.3　Daskを使った配列演算　　3.3　機械学習における配列　　3.4　pandas　　　3.4.1　DataFrameの機能　　　3.4.2　DataFrameのパフォーマンス　　3.5　まとめ
　4章　オブジェクト指向プログラミングと関数型プログラミング
　　4.1　オブジェクト指向プログラミング　　　4.1.1　クラス、メソッド、属性　　　4.1.2　クラスの定義　　　4.1.3　OOPの主要概念　　4.2　関数型プログラミング　　　4.2.1　ラムダ関数とmap()　　　4.2.2　関数をDataFrameに適用　　4.3　どのパラダイムを使うべきか？　　4.4　まとめ

　5章　エラー、ログ、デバッグ
　　5.1　Pythonのエラー　　　5.1.1　Pythonのエラーメッセージ　　　5.1.2　エラー処理　　　5.1.3　エラーの生成　　5.2　ロギング　　　5.2.1　何を記録するか　　　5.2.2　ロギングの設定　　　5.2.3　ログの取り方　　5.3　デバッグ　　　5.3.1　デバッグの戦略　　　5.3.2　デバッグ用ツール　　5.4　まとめ
　6章　コードのフォーマット、リンティング、型チェック
　　6.1　コードの形式とスタイルガイド　　　　　タブにするかスペースにするかの大論争　　　6.1.1　PEP 8　　　6.1.2　importのフォーマット　　　6.1.3　Blackを使ったフォーマッティング　　6.2　リンター　　　6.2.1　リンティング用ツール　　　6.2.2　IDE内でのリンティング　　6.3　型チェック　　　6.3.1　型注釈　　　6.3.2　mypyによる型チェック　　6.4　まとめ
　7章　テスト
　　7.1　テストを書くべき理由　　　　　テスト駆動開発　　7.2　テストの時期　　7.3　テストの書き方と実行方法　　　7.3.1　基本的なテスト　　　7.3.2　予期しない入力のテスト　　　7.3.3　pytestを使った自動テストの実行　　7.4　その他のテスト用フレームワーク　　7.5　テストの種類　　　7.5.1　単体テスト　　　7.5.2　統合テスト　　7.6　データ検証　　　7.6.1　データ検証の例　　　7.6.2　Panderaを使ったデータ検証　　　7.6.3　Pydanticによるデータ検証　　7.7　機械学習用のテスト　　　7.7.1　モデルトレーニングのテスト　　　7.7.2　モデル推論のテスト　　7.8　まとめ
　8章　デザインとリファクタリング
　　8.1　プロジェクトのデザインと構造　　　8.1.1　プロジェクトデザインの考慮事項　　　8.1.2　機械学習プロジェクトの例　　8.2　コードのデザイン　　　8.2.1　モジュラーコード　　　8.2.2　コードデザインの枠組み　　　8.2.3　インタフェースと契約　　　8.2.4　結合度　　8.3　ノートブックからスケーラブルなスクリプトへ　　　8.3.1　なぜノートブックの代わりにスクリプトを使うのか　　　8.3.2　ノートブックからのスクリプト作成　　8.4　リファクタリング　　　8.4.1　リファクタリングの戦略　　　8.4.2　リファクタリングの例　　8.5　まとめ
　9章　ドキュメンテーション
　　9.1　コードベース内のドキュメンテーション　　　9.1.1　ネーミング　　　9.1.2　コメント　　　9.1.3　docstring　　　9.1.4　README、チュートリアル、その他の長いドキュメント　　9.2　Jupyterノートブックにおけるドキュメンテーション　　9.3　機械学習の実験の文書化　　9.4　まとめ
　10章　コードの共有
　　10.1　Gitを使ったバージョン管理　　　10.1.1　Gitの動作　　　10.1.2　変更とコミットの追跡　　　10.1.3　リモートとローカル　　　10.1.4　ブランチとプルリクエスト　　　　　コードレビュー　　10.2　依存ライブラリと仮想環境　　　　　バージョニング　　　10.2.1　仮想環境　　　10.2.2　pipによる依存関係の管理　　　10.2.3　Poetryによる依存関係の管理　　10.3　パッケージング　　　10.3.1　パッケージングの基本　　　10.3.2　pyproject.toml　　　10.3.3　パッケージのビルドとアップロード　　10.4　まとめ
　11章　API
　　11.1　APIの呼び出し　　　11.1.1　HTTPメソッドとステータスコード　　　11.1.2　SDGs APIからのデータの取得　　11.2　独自APIの作成　　　　　その他のAPIフレームワーク　　　11.2.1　独自APIのセットアップ　　　11.2.2　APIへの機能の追加　　　11.2.3　GETエンドポイントの追加　　　11.2.4　POSTエンドポイントの追加　　　11.2.5　独自APIの呼び出し　　11.3　まとめ
　12章　自動化とデプロイ
　　12.1　コードのデプロイ　　12.2　自動化の例　　　12.2.1　コミット前フック　　　12.2.2　GitHub Actions　　12.3　クラウドへのデプロイ　　　12.3.1　コンテナとDocker　　　12.3.2　Dockerコンテナの構築　　　12.3.3　Google CloudへのAPIのデプロイ　　　12.3.4　他のクラウドプロバイダーを使ったAPIのデプロイ　　12.4　まとめ
　13章　セキュリティ
　　13.1　セキュリティとは　　　　　データの「プライバシー」　　13.2　セキュリティリスク　　　13.2.1　クレデンシャル、物理的セキュリティ、ソーシャルエンジニアリング　　　13.2.2　サードパーティーのパッケージ　　　13.2.3　Pythonのpickleモジュール　　　13.2.4　バージョン管理システムのリスク　　　13.2.5　APIのセキュリティリスク　　13.3　セキュリティ対策　　　13.3.1　セキュリティに関するレビューとポリシー　　　13.3.2　安全なコーディングのためのツール　　　13.3.3　シンプルなコードスキャン　　13.4　機械学習のセキュリティ　　　13.4.1　機械学習システムへの攻撃　　　13.4.2　機械学習システムのセキュリティ対策　　13.5　まとめ
　14章　ソフトウェア開発の現場
　　14.1　開発の原則やプラクティス　　　14.1.1　ソフトウェア開発のライフサイクル　　　14.1.2　ウォーターフォール型ソフトウェア開発　　　14.1.3　アジャイルソフトウェア開発　　　14.1.4　アジャイル・データサイエンス　　14.2　ソフトウェア業界における役割　　　14.2.1　ソフトウェアエンジニア　　　14.2.2　テストエンジニア　　　14.2.3　データエンジニア　　　14.2.4　データアナリスト　　　14.2.5　プロダクトマネージャー　　　14.2.6　UXリサーチャー　　　14.2.7　デザイナー　　14.3　コミュニティ　　　14.3.1　オープンソース　　　14.3.2　イベントでの講演　　　14.3.3　Pythonコミュニティ　　14.4　まとめ
　15章　さらなる飛躍を求めて
　　15.1　コードの未来　　15.2　コードで描く未来　　15.3　おわりに
　著者紹介
　奥付

Overview

データサイエンティストがより良いコードを書くために、ソフトウェア開発の基本手法を学ぶための実践的なガイドブック。読みやすく保守しやすいPythonコードの書き方を具体的な例とともに解説します。テスト、ロギング、リファクタリング、ドキュメント、パフォーマンス、デプロイなど、実務に役立つ内容が満載です。AIがコードを自動生成する時代でも、コードの質を見極める力が重要だという視点に立脚し、自らの判断でコードを設計・評価できるスキルを身につける実用性重視の一冊。対象読者は、初中級者のデータサイエンティストおよびデータサイエンス分野への進出を考えているソフトウェア開発者。

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Read now

Unlock full access

More than 5,000 organizations count on O’Reilly

O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.

Julian F.

Head of Cybersecurity

I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.

Addison B.

Field Engineer

I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.

Amir M.

Data Platform Tech Lead

I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.

Mark W.

Embedded Software Engineer

Publisher Resources

ISBN: 9784814401321Publisher Website

Cloud Computing

Data Engineering

Data Science

AI & ML

Programming Languages

Software Architecture

IT/Ops

Security

Design

Business

Soft Skills