Dataanalyse foregår gjennom koding. Evnen til å skrive reproduserbar, robust og skalerbar kode er avgjørende for suksessen til et datavitenskapsprosjekt, og er helt essensiell for de som arbeider med produksjonskode. Denne praktiske boken kobler sammen datavitenskap og programvaresengineering på en tydelig måte, og forklarer hvordan man kan anvende beste praksis fra programvareutvikling innen datavitenskap. Eksempler presenteres i Python, hentet fra populære biblioteker som NumPy og pandas. Hvis du ønsker å forbedre koden din innen datavitenskap, dekker denne guiden viktige temaer som ofte mangler i innføringskurs i datavitenskap eller koding. Blant emnene som dekkes finner vi: Forståelse av datastrukturer og objektorientert programmering, klart og dyktig dokumentering av koden, pakking og deling av koden, integrering av datavitenskapskode med et større kodegrunnlag, skriving av APIer, utvikling av sikker kode, anvendelse av beste praksis på vanlige oppgaver som testing, feilhåndtering og logging, samt hvordan man kan samarbeide mer effektivt med programvareingeniører.
