Powtarzalna analiza naukowa z GitHub i Docker

Badania naukowe wymagają przejrzystości, ale udostępnianie złożonych przepływów pracy analizy danych, aby inni mogli je uruchamiać bez błędów, jest poważnym wyzwaniem.Ten kurs tekstowy prowadzi przez podstawowe pojęcia odtwarzalności, pokazując, jak skutecznie dokumentować i pakować swoją pracę. Dowiesz się, jak korzystać z kontroli wersji i konteneryzacji, aby Twój kod naukowy, środowisko i potoki danych były całkowicie odtwarzalne przez każdego, w dowolnym miejscu. Czego się nauczysz: - Zrozum podstawowe zasady odtwarzalnej nauki i dlaczego liczy się spójność środowiskowa. - Śledź i zarządzaj zmianami kodu naukowego systematycznie za pomocą GitHub. - Twórz izolowane, spójne środowiska obliczeniowe za pomocą kontenerów Docker. - Skonfiguruj zautomatyzowane przepływy pracy za pomocą podstawowych akcji GitHub, aby przetestować potoki analiz. - Wyraźnie udokumentuj kroki analizy danych, aby zapewnić bezproblemową współpracę i wzajemną ocenę. Kurs zaczyna się od podstawowych definicji i teorii odtwarzalności, zanim przejdziesz do przewodników krok po kroku na temat pisania Dockerfiles i zarządzania repozytoriami.Będziesz uczyć się praktycznych, opartych na tekście przykładów przepływów pracy z kontenerami, które możesz natychmiast dostosować do własnych badań. Ten program jest przeznaczony dla początkujących analityków danych, badaczy i naukowców, którzy chcą, aby ich praca była bardziej solidna, bez wcześniejszego doświadczenia w zakresie DevOps lub konteneryzacji.Zacznij budować weryfikowalne, powtarzalne przepływy pracy naukowej już dziś.