ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Software Engineering Principles in Python

พื้นฐานระดับทักษะ

อัปเดตแล้ว 11/2568

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

เริ่มเรียนหลักสูตรฟรี

PythonProgramming4 ชม.15 videos51 Exercises4,100 เอ็กซ์พี64,497คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

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.

ข้อกำหนดเบื้องต้น

Introduction to Functions in Python

1

Software Engineering & Data Science

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!

Python, data science, & software engineering

50 เอ็กซ์พี

The big ideas

50 เอ็กซ์พี

Python modularity in the wild

100 เอ็กซ์พี

Introduction to packages & documentation

50 เอ็กซ์พี

Installing packages with pip

50 เอ็กซ์พี

Leveraging documentation

100 เอ็กซ์พี

Conventions and PEP 8

50 เอ็กซ์พี

Using pycodestyle

100 เอ็กซ์พี

Conforming to PEP 8

100 เอ็กซ์พี

PEP 8 in documentation

100 เอ็กซ์พี

เริ่มบท

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.

Writing your first package

50 เอ็กซ์พี

Minimal package requirements

50 เอ็กซ์พี

Naming packages

100 เอ็กซ์พี

Recognizing packages

100 เอ็กซ์พี

Adding functionality to packages

50 เอ็กซ์พี

Adding functionality to your package

100 เอ็กซ์พี

Using your package's new functionality

100 เอ็กซ์พี

Making your package portable

50 เอ็กซ์พี

Writing requirements.txt

100 เอ็กซ์พี

Installing package requirements

50 เอ็กซ์พี

Creating setup.py

100 เอ็กซ์พี

Listing requirements in setup.py

100 เอ็กซ์พี

เริ่มบท

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.

Adding classes to a package

50 เอ็กซ์พี

Writing a class for your package

100 เอ็กซ์พี

Using your package's class

100 เอ็กซ์พี

Adding functionality to classes

50 เอ็กซ์พี

Writing a non-public method

100 เอ็กซ์พี

Using your class's functionality

100 เอ็กซ์พี

Classes and the DRY principle

50 เอ็กซ์พี

Using inheritance to create a class

100 เอ็กซ์พี

Adding functionality to a child class

100 เอ็กซ์พี

Using your child class

100 เอ็กซ์พี

Multilevel inheritance

50 เอ็กซ์พี

Exploring with dir and help

100 เอ็กซ์พี

Creating a grandchild class

100 เอ็กซ์พี

Using inherited methods

100 เอ็กซ์พี

เริ่มบท

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.

Documentation

50 เอ็กซ์พี

Identifying good comments

100 เอ็กซ์พี

Identifying proper docstrings

100 เอ็กซ์พี

Writing docstrings

100 เอ็กซ์พี

Readability counts

50 เอ็กซ์พี

Using good function names

100 เอ็กซ์พี

Using good variable names

100 เอ็กซ์พี

Refactoring for readability

100 เอ็กซ์พี

Unit testing

50 เอ็กซ์พี

Using doctest

100 เอ็กซ์พี

Using pytest

100 เอ็กซ์พี

Documentation & testing in practice

50 เอ็กซ์พี

Documenting classes for Sphinx

100 เอ็กซ์พี

Identifying tools

50 เอ็กซ์พี

Final Thoughts

50 เอ็กซ์พี

เริ่มบท

Software Engineering Principles in Python

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

สำหรับธุรกิจ

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ให้ทีมของคุณเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบ รวมถึงฟีเจอร์ทั้งหมด

ในแทร็กต่อไปนี้

Data Engineer in Pythonการรับรอง

Associate AI Engineer for Data Scientistsการรับรอง

Associate AI Engineer for Developers

Python Programming

instructors

Adam Spannbauer

Machine Learning Engineer at Eastman

collaborators

Chester Ismay

Adrián Soto

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Software Engineering Principles in Python วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา