Overview
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Datenwissenschaft findet im Code statt. Die Fähigkeit, reproduzierbaren, robusten und skalierbaren Code zu schreiben, ist der Schlüssel zum Erfolg eines Data-Science-Projekts - und ein Muss für alle, die mit Produktionscode arbeiten. Dieses praktische Buch schließt die Lücke zwischen Data Science und Software Engineering, und erklärt anschaulich, wie man die besten Praktiken aus der Softwaretechnik auf die Datenwissenschaft anwendet.
Die Beispiele sind in Python verfasst und stammen aus beliebten Paketen wie NumPy und pandas. Wenn du besseren Data-Science-Code schreiben willst, deckt dieser Leitfaden die wesentlichen Themen ab, die in Einführungskursen zu Data Science oder Coding oft fehlen:
- Datenstrukturen und objektorientierte Programmierung zu verstehen
- Deinen Code klar und gekonnt zu dokumentieren
- Deinen Code verpacken und weitergeben
- Integriere Data Science Code in eine größere Codebasis
- Lernen, wie man APIs schreibt
- Sicheren Code erstellen
- Best Practices für allgemeine Aufgaben wie Testen, Fehlerbehandlung und Protokollierung anwenden
- Effektiver mit Softwareentwicklern zusammenarbeiten
- Effizienteren, wartbaren und robusten Code in Python schreiben
- Setze deine Data-Science-Projekte in die Produktion um
- Und mehr
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