cookiecutter-data-science

O nástroji

Cookiecutter Data Science je projekt od DrivenData poskytující logickou a flexibilní adresářovou strukturu pro sdílení a vývoj datově-vědeckých projektů v Pythonu. Nová verze 2 vyžaduje Python 3.9+ a instaluje se pomocí pipx, pip nebo (brzy) conda; k dispozici je i starší verze v1 přes klasický nástroj cookiecutter. Nástroj se ovládá příkazem ccds, který interaktivně nastaví projekt – volbu úložiště dat (žádné, Azure, S3, GCS), správce prostředí (virtualenv, conda, pipenv, uv, pixi, poetry), soubor se závislostmi (requirements.txt, pyproject.toml, environment.yml, Pipfile, pixi.toml), testovací framework (pytest, unittest), nástroje pro linting (ruff, flake8+black+isort), open-source licenci (MIT, BSD-3-Clause) a generování dokumentace přes mkdocs. Výsledná struktura obsahuje předpřipravené složky pro data (raw, interim, processed, external), notebooky, modely, reporty a zdrojový kód s moduly pro stahování dat, tvorbu příznaků, trénování a inferenci modelů. Projekt je open source a je dostupný na GitHubu organizace DrivenData.

Kategorie