Funktionaler Code für Data Science
Zu diesem Talk wurde kein Video veröffentlicht.
Daten und ihre Analyse spielen eine zentrale Rolle in der heutigen Gesellschaft. Nur eine saubere und belastbare Analyse von Daten ermöglicht das Treffen von Entscheidungen, an deren Ende positive Ergebnisse stehen können — sei es in der Geschäftswelt, dem Gesundheitswesen, der Regierung oder im alltäglichen Leben. Trotzdem erleben wir in der Data Science bisweilen ein eher behelfsmäßiges Vorgehen, bei dem verschiedene Methoden und Programme mit Hilfe von ungetestetem prozeduralen ad-hoc Code “zusammengeklebt” werden.
Dieser Talk untersucht die Vorteile funktionaler Programmiertechniken in der Data Science. Mit besonderem Augenmerk auf puren Funktionen, “Immutability” und den Vorteilen eines starken Typsystems werden wir demonstrieren, wie diese Konzepte zu zuverlässigeren und wartbareren Arbeitsabläufen beitragen können. Praktische Beispiele werden die verbesserte Klarheit des Quellcodes, überprüfbare Spezifikationen, die Möglichkeit zur Parallelisierung und vereinfachtes Debugging demonstrieren.
Dieser Vortrag richtet sich sowohl an Data Scientists, als auch an jeden mit Interesse an zuverlässiger und robuster Datenanalyse. Vorherige Kenntnisse in funktionaler Programmierung sind nützlich, aber keineswegs Voraussetzung.
Lizenz:
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY NC ND 4.0).