تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی برنامه نویسی R در علم داده: داده های با سرعت بالا

دوره آموزشی برنامه نویسی R در علم داده: داده های با سرعت بالا

1 ساعت 21 دقیقهمتوسط2018-09-29

مدرسین

Mark Niemann-Ross

Mark Niemann-Ross

Technologist experienced in hardware, software, and science fiction

جزئیات دوره

داده‌های با سرعت بالا - مانند اطلاعاتی که از دستگاه‌های توییتر و اینترنت اشیا سرچشمه می‌گیرند - با سرعتی فراتر از درک عادی وارد می‌شوند و عملکرد بالایی را از سخت‌افزار و نرم‌افزار می‌خواهند. در حالی که ممکن است در ابتدا برای این چالش به نظر نرسد، زبان برنامه نویسی R را می توان برای کار با داده های با سرعت بالا تقویت کرد. R که نزدیک به فلز با قرار گرفتن مستقیم در بالای زبان برنامه نویسی C نوشته شده است، مجموعه ای غنی از ساختارهای داده و مفاهیم را ارائه می دهد. این دوره به برنامه نویسی R کارآمد می پردازد و استراتژی های عملی ارائه می دهد که می تواند به شما کمک کند موجو خود را روی داده های با سرعت بالا کار کنید.
مربی Mark Niemann-Ross با به اشتراک گذاشتن چارچوبی برای درک انواع مختلف داده های با سرعت بالا شروع می کند. سپس نحوه استفاده از R برای به دست آوردن داده های با سرعت بالا و همچنین نحوه استفاده از ابزارهای پروفایل و بهینه سازی کد R برای استفاده با داده های با سرعت بالا را پوشش می دهد. او با بررسی نحوه استفاده از R برای ارائه داده‌ها، از جمله نحوه استفاده از Shiny - یک بسته R که به شما امکان می‌دهد برنامه‌های وب را مستقیماً از R بسازید - برای داشبوردهای تعاملی، به پایان می‌رسد.

اهداف یادگیری
مفاهیم دسته ای داده را کاوش کنید.
کتابخانه هایی را برای مدیریت داده های نزدیک به زمان واقعی شناسایی کنید.
اصول اولیه داده های نظرسنجی را به یاد بیاورید.
بهترین روش برای بهینه سازی کد را بشناسید.
راه هایی را برای جلوگیری از کپی کردن داده ها شناسایی کنید.
Flexdashboard و ابزارهای مرتبط برای ایجاد گزارش‌های استاتیک را کاوش کنید.

مهارت ها

RStudioRStatisticsProgramming LanguagesData ScienceOpen SourceSoftware DevelopmentDeep Dive (X:Y)

سرفصل ها

0. مقدمه

  • 01 - چگونه می توانید از R با داده های با سرعت بالا استفاده کنید

1. مشکلات و فرصت های داده های با سرعت بالا

  • 02 - چشم انداز داده های با سرعت بالا
  • 03 - شبیه سازی داده های با سرعت بالا
  • 04 - مفاهیم دسته ای داده ها
  • 05 - مدیریت داده های دسته ای با R
  • 06 - کار با داده های نزدیک به زمان واقعی
  • 07 - مدیریت داده های نزدیک به زمان واقعی با R
  • 08 - مفاهیم داده های بلادرنگ
  • 09 - مدیریت داده های بلادرنگ با R
  • 10 - تنظیم یک آینه CRAN پیش فرض

2. استفاده از R برای به دست آوردن داده های با سرعت بالا

  • 11 - نظرسنجی برای داده ها در R
  • 12 - اکتساب داده مبتنی بر وقفه با R

3. ابزارهای پروفایل برای R

  • 13 - ابزار
  • 14 - پروفیس
  • 15 - پروفسور
  • 16 - میکرو بنچمارک

4. بهینه سازی R برای پردازش داده های با سرعت بالا

  • 17 - بهبود سرعت لوپ ها
  • 18 - بهینه سازی if then else با ifelse
  • 19 - از کپی کردن اطلاعات خودداری کنید
  • 20 - ترکیب بهینه سازی ها
  • 21 - از RCPP برای افزایش سرعت عملکردها استفاده کنید
  • 22 - استفاده از microbenchmark برای بررسی نتایج

5. استفاده از R برای ارائه داده های با سرعت بالا

  • 23 - گزارشات استاتیک و پویا
  • 24 - از R Markdown برای داشبوردهای ثابت استفاده کنید
  • 25 - Flexdashboard و سایر پیشرفت ها برای گزارش های استاتیک
  • 26 - از Shiny برای داشبوردهای تعاملی استفاده کنید
  • 27 - از Plumber برای ایجاد API استفاده کنید
  • 28 - Cran task view برای WebTechnologies

نتیجه

  • 29 - خلاصه

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal