A ciência de dados se materializa no código.A habilidade de escrever código reproduzível, robusto e escalável é imprescindível para o sucesso de um projeto de ciência de dados - e é absolutamente crucial para quem trabalha com código de produção.Estelivro prático preenche a lacuna entre a ciência de dados e a engenharia de software e explica de forma clara como aplicar as melhores práticas da engenharia de software à ciência de dados.Exemplos são fornecidos em Python, extraídos de pacotes populares como o NumPy e o pandas.Caso queira escrever um código de ciência de dados melhor, este guia apresenta os tópicos essenciais que, muitas vezes, não são abordados nas aulas introdutórias de ciência de dados ou de programação, incluindo como:Compreender estruturas de dados e programação orientada a objetosDocumentar seu código de forma clara e habilidosaEmpacotar e compartilhar seu códigoIntegrar código de ciência de dados a uma base de código maiorAprender a escrever APIsCriar código seguroAplicar práticas recomendadas a tarefas comuns, como testes, tratamento de erros e registro em logsTrabalhar de modo mais eficaz com engenheiros de softwareEscrever código mais eficiente, de fácil manutenção e robusto em PythonImplantar seusprojetos de ciência de dados em produçãoE muito mais.