Direkt zum Inhalt
StartseitePython

Software Engineering Principles in Python

Learn about modularity, documentation, and automated testing to help you solve data science problems more quickly and reliably.

Kurs Kostenlos Starten
4 Stunden15 Videos51 Übungen47.773 LernendeTrophyLeistungsnachweis

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Trainierst du 2 oder mehr?

Versuchen DataCamp for Business

Beliebt bei Lernenden in Tausenden Unternehmen

Kursbeschreibung

Data scientists can experience huge benefits by learning concepts from the field of software engineering, allowing them to more easily reutilize their code and share it with collaborators. In this course, you'll learn all about the important ideas of modularity, documentation, & automated testing, and you'll see how they can help you solve Data Science problems quicker and in a way that will make future you happy. You'll even get to use your acquired software engineering chops to write your very own Python package for performing text analytics.
Für Unternehmen

Trainierst du 2 oder mehr?

Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.
DataCamp Für UnternehmenFür eine maßgeschneiderte Lösung buchen Sie eine Demo.

In den folgenden Tracks

Zertifizierung verfügbar

Dateningenieur in Python

Gehe zu Track

Associate AI Engineer für Datenwissenschaftler

Gehe zu Track

Associate AI Engineer für Entwickler

Gehe zu Track
  1. 1

    Software Engineering & Data Science

    Kostenlos

    Why should you as a Data Scientist care about Software Engineering concepts? Here we'll cover specific Software Engineering concepts and how these important ideas can revolutionize your Data Science workflow!

    Kapitel Jetzt Abspielen
    Python, data science, & software engineering
    50 xp
    The big ideas
    50 xp
    Python modularity in the wild
    100 xp
    Introduction to packages & documentation
    50 xp
    Installing packages with pip
    50 xp
    Leveraging documentation
    100 xp
    Conventions and PEP 8
    50 xp
    Using pycodestyle
    100 xp
    Conforming to PEP 8
    100 xp
    PEP 8 in documentation
    100 xp
  2. 2

    Writing a Python Module

    Become a fully fledged Python package developer by writing your first package! You'll learn how to structure and write Python code that you can be installed, used, and distributed just like famous packages such as NumPy and Pandas.

    Kapitel Jetzt Abspielen
    Writing your first package
    50 xp
    Minimal package requirements
    50 xp
    Naming packages
    100 xp
    Recognizing packages
    100 xp
    Adding functionality to packages
    50 xp
    Adding functionality to your package
    100 xp
    Using your package's new functionality
    100 xp
    Making your package portable
    50 xp
    Writing requirements.txt
    100 xp
    Installing package requirements
    50 xp
    Creating setup.py
    100 xp
    Listing requirements in setup.py
    100 xp
  3. 3

    Utilizing Classes

    Object Oriented Programming is a staple of Python development. By leveraging classes and inheritance your Python package will become a much more powerful tool for your users.

    Kapitel Jetzt Abspielen
    Adding classes to a package
    50 xp
    Writing a class for your package
    100 xp
    Using your package's class
    100 xp
    Adding functionality to classes
    50 xp
    Writing a non-public method
    100 xp
    Using your class's functionality
    100 xp
    Classes and the DRY principle
    50 xp
    Using inheritance to create a class
    100 xp
    Adding functionality to a child class
    100 xp
    Using your child class
    100 xp
    Multilevel inheritance
    50 xp
    Exploring with dir and help
    100 xp
    Creating a grandchild class
    100 xp
    Using inherited methods
    100 xp
  4. 4

    Maintainability

    You've now written a fully functional Python package for text analysis! To make maintaining your project as easy as possible we'll leverage best practices around concepts such as documentation and unit testing.

    Kapitel Jetzt Abspielen
    Documentation
    50 xp
    Identifying good comments
    100 xp
    Identifying proper docstrings
    100 xp
    Writing docstrings
    100 xp
    Readability counts
    50 xp
    Using good function names
    100 xp
    Using good variable names
    100 xp
    Refactoring for readability
    100 xp
    Unit testing
    50 xp
    Using doctest
    100 xp
    Using pytest
    100 xp
    Documentation & testing in practice
    50 xp
    Documenting classes for Sphinx
    100 xp
    Identifying tools
    50 xp
    Final Thoughts
    50 xp
Für Unternehmen

Trainierst du 2 oder mehr?

Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.

In den folgenden Tracks

Zertifizierung verfügbar

Dateningenieur in Python

Gehe zu Track

Associate AI Engineer für Datenwissenschaftler

Gehe zu Track

Associate AI Engineer für Entwickler

Gehe zu Track

In anderen Tracks

Python-Programmierung

Mitwirkende

Collaborator's avatar
Chester Ismay
Collaborator's avatar
Adrián Soto

Voraussetzungen

Introduction to Functions in Python
Adam Spannbauer HeadshotAdam Spannbauer

Machine Learning Engineer at Eastman

Mehr Anzeigen

Was sagen andere Lernende?

    Melden Sie sich an 15 Millionen Lernende und starten Sie Software Engineering Principles in Python Heute!

    Kostenloses Konto erstellen

    GoogleLinkedInFacebook

    oder

    Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.