Мы находимся в том особенном периоде августа, когда для многих из нас рабочие проекты могут двигаться в более неторопливом темпе, в то время как беспокойный сентябрь скрывается за углом. Разве это не идеальное время, чтобы улучшить свои навыки программирования, ориентированные на науку о данных?
Независимо от того, какой у вас опыт программирования, вы найдете что-то новое, чтобы попробовать в основных моментах этой недели. Девять статей, которые мы выбрали, варьируются от руководств и ресурсов для начинающих до сложных тем, поэтому мы рекомендуем вам создать свой собственный список для чтения.
- Изучите мощные функции, встроенные в Python. Прежде чем перейти к многочисленным библиотекам и пакетам, расширяющим возможности Python, Кэти Хагерти рекомендует менее опытным программистам ознакомиться с его основными встроенными функциями.
- Нет опыта программирования? Начните здесь. Для любого начинающего специалиста по данным, который находит переменные, типы данных и другие фундаментальные концепции пугающими, ориентированное на новичков введение Филипа Уилкинсона — отличный универсальный ресурс, чтобы преодолеть первоначальную путаницу.
- JSON и Python: мощная комбинация. Полезный учебник для начинающих от Линн Квонг показывает, как специалисты по работе с данными, ориентированные на Python, могут максимально эффективно использовать формат JSON (нотация объектов JavaScript), который обычно используется для обмена данными между различными приложениями.
- Большие данные? Ваш код справится с этим. По мере того, как наборы данных становятся все больше и больше, обработка их может становиться все более сложной и трудоемкой. Если ваши CSV-файлы становятся громоздкими, Леони Монигатти предлагает рассмотреть четыре альтернативных формата файлов, особенно если вы по-прежнему хотите работать в привычном комфорте библиотеки Python Pandas.
- Нужен новый подход к обучению? Старая школа. Если вам неинтересно просматривать один ответ StackOverflow за другим, Бенджамин Нвеке предлагает обратиться к книгам. Он делится пятью рекомендуемыми вариантами, основанными на его собственном опыте — все они ориентированы на Python и охватывают широкий круг тем, которые имеют отношение к повседневным рабочим процессам специалистов по данным.
- Когда вы настроены на проект по машинному обучению. Если вы готовы засучить рукава, Джованни Валдата представляет собой подробный проект по анализу настроений и показывает, как реализовать выбор модели и гиперпараметры в Python.
- Освойте элементы системы машинного обучения. Новый пост Кайла Галлатина — хорошее место для начала, если вы хотите узнать о практических аспектах MLOps и о работе, связанной с производством моделей, — и он охватывает процесс с использованием только Python. !
- Что такое инкапсуляция и почему вас это должно волновать. Строго говоря, все, что определено в классе Python, является общедоступным, — объясняет Йонг Цуй, продолжая объяснять, как вы все еще можете создавать непубличные (или частные) методы в своем коде.
- Как упростить модульное тестирование в Python. Кей Ян Вонг возвращается к всегда актуальной теме модульного тестирования и знакомит нас с упрощенным процессом создания рабочих процессов модульного тестирования с помощью пакета pytest.
Мы надеемся, что подборка этой недели была вам полезна! Если вы это сделали, мы были бы благодарны, если бы вы подумали о том, чтобы поддержать авторов, написавших эти статьи, став участником Medium.
До следующей переменной,
Редакторы TDS
