لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تست کد علم داده پایتون
Testing Python Data Science Code
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
هر چه دنیای علم داده بزرگتر و پیچیدهتر شود، دادههای بیشتری برای جمعآوری، مرتبسازی، تمیز کردن، مدلسازی و موارد دیگر وجود دارد. یک نکته دردناک در حال ظهور در این دنیای جدید شجاع این است که اگر شیوه های مهندسی داده و توسعه شما نامرغوب باشد، بسیاری از مشکلات ممکن است پیش بیاید. این دوره در سطح پیشرفته به دانشمندان داده، توسعه دهندگان پایتون و تحلیلگران داده نشان می دهد که چگونه کدهای علمی (علم داده) نوشته شده در پایتون را آزمایش کنند. مربی و مشاور کهنهکار علم داده، Miki Tebeka، تکنیکهای تست را با تمرکز بر مسائل خاص کد علم داده، مانند خطاهای ممیز شناور، آزمایشهای آماری، کار با مجموعههای داده بزرگ، انتخاب خط پایه و موارد دیگر پوشش میدهد. پس از ارائه یک نمای کلی تست، میکی به آزمایش با پای تست و فرضیه می پردازد. او نحوه استفاده از طرحواره ها، مقادیر صدق، آزمایش تقریبی و موارد دیگر را در اعتبارسنجی داده ها توضیح می دهد. Miki تست رگرسیون را انجام می دهد، سپس نحوه آزمایش نوت بوک های Jupyter را نشان می دهد.
سرفصل ها و درس ها
مقدمه
Introduction
آزمایش کاربردهای علمی
Testing scientific applications
آنچه شما باید بدانید
What you should know
راه اندازی
Setting up
1. بررسی اجمالی تست
1. Testing Overview
چرا تست؟
Why test?
انواع تست
Types of tests
چالش ها در آزمایش کاربردهای علمی
Challenges in testing scientific applications
نمای کلی یکپارچه سازی مداوم
Continuous integration overview
امتحان فصل
Chapter Quiz
2. pytest
2. pytest
بررسی اجمالی pytest
pytest overview
انتخاب تست ها
Selecting tests
تست های پارامتریزه
Parametrized tests
وسایل
Fixtures
مسخره
Mocking
چالش: تست با pytest
Challenge: Test with pytest
راه حل: با pytest تست کنید
Solution: Test with pytest
امتحان فصل
Chapter Quiz
3. فرضیه
3. hypothesis
مروری بر فرضیه
Overview of hypothesis
آزمون با فرضیه
Testing with hypothesis
ابزارهای NumPy
NumPy utilities
خدمات پاندا
pandas utilities
استراتژی های نوشتن
Writing strategies
چالش: آزمون با فرضیه
Challenge: Test with hypothesis
راه حل: آزمون با فرضیه
Solution: Test with hypothesis
در کار خود در 353Solutions، Miki کارگاه های عملی ارائه می دهد که به متخصصان کمک می کند درک خود را از Python تقویت کنند. و برو. علاوه بر این، او خدمات مشاوره ای متناسب با تخصص در ساخت زیرساخت های کلان داده را ارائه می دهد. همانطور که کار او در 353Solutions نشان می دهد، او در Python and Go و همچنین C++، JavaScript، Clojure و موارد دیگر مهارت بالایی دارد.
نمایش نظرات