Ingénierie logicielle pour les scientifiques des données

La science des données se déroule dans le code. La capacité à écrire du code reproductible, robuste et évolutif est la clé de la réussite d'un projet de science des données - et est absolument essentielle pour ceux qui travaillent avec du code de production. Ce livre pratique comble le fossé entre la science des données et le génie logiciel, et explique clairement comment appliquer les meilleures pratiques de l'ingénierie logicielle à la science des données.

Les exemples sont fournis en Python, tirés de paquets populaires tels que NumPy et pandas. Si tu veux écrire un meilleur code de science des données, ce guide couvre les sujets essentiels qui sont souvent absents des cours d'introduction à la science des données ou au codage, notamment comment :

• Comprendre les structures de données et la programmation orientée objet.
• Documenter clairement et habilement ton code
• Mettre en forme et partager ton code
• Intégrer le code de la science des données à une base de code plus large
• Apprendre à écrire des API
• Créer du code sécurisé
• Appliquer les meilleures pratiques aux tâches courantes telles que les tests, la gestion des erreurs et la journalisation.
• Travailler plus efficacement avec les ingénieurs logiciels
• Écrire un code plus efficace, plus facile à maintenir et plus robuste en Python.
• Mets tes projets de science des données en production
• Et plus encore