آموزش برنامه نویسی R در علم داده: داده های با سرعت بالا

R Programming in Data Science: High Velocity Data

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: داده های با سرعت بالا - مانند اطلاعاتی که از دستگاه های توییتر و اینترنت اشیا سرچشمه می گیرند - با سرعتی فراتر از درک طبیعی ، هجوم می آورند و عملکرد سخت افزاری و نرم افزاری را به دنبال دارند. اگرچه ممکن است در ابتدا چالشی به نظر نرسد ، اما می توان زبان برنامه نویسی R را برای داده های با سرعت بالا بازسازی کرد. R با نشستن مستقیم در بالای زبان برنامه نویسی C که نزدیک به فلز نوشته شده است ، مجموعه ای غنی از ساختار داده ها و مفاهیم را فراهم می کند. این دوره برنامه نویسی کارآمد R را ارائه می دهد ، استراتژی های عملی ارائه می دهد که می تواند به شما کمک کند mojo خود را روی داده های با سرعت بالا کار کنید.

مربی مارک نیمان-راس با به اشتراک گذاری چارچوبی برای درک انواع مختلف داده های با سرعت بالا شروع می کند. وی سپس نحوه استفاده از R برای دستیابی به داده های با سرعت بالا و همچنین نحوه استفاده از ابزارهای نمایه سازی و بهینه سازی کد R برای استفاده با داده های با سرعت بالا را پوشش می دهد. او با بررسی چگونگی استفاده از R برای ارائه داده ها ، از جمله نحوه استفاده از Shiny - بسته R که به شما امکان می دهد مستقیماً برنامه های وب را از R بسازید - برای داشبوردهای تعاملی کار خود را پایان می دهد.
موضوعات شامل:
  • مفاهیم داده های دسته ای را کاوش کنید.
  • کتابخانه ها را برای مدیریت داده های نزدیک به زمان واقعی شناسایی کنید.
  • اصول داده های نظرسنجی را بخاطر بیاورید.
  • بهترین روش برای بهینه سازی کد را تشخیص دهید.
  • راه های جلوگیری از کپی کردن داده ها را مشخص کنید.
  • Flexdashboard و ابزارهای مرتبط برای ایجاد گزارش های ثابت را کاوش کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • چگونه می توان از R با داده های پر سرعت استفاده کرد؟ How can you use R with high-velocity data?

1. مشکلات و فرصت ها با داده های پر سرعت 1. Problems and Opportunities with High-Velocity Data

  • چشم انداز داده های با سرعت بالا Perspectives on high-velocity data

  • شبیه سازی داده های با سرعت بالا Simulating high-velocity data

  • مفاهیم داده های دسته ای Concepts of batch data

  • پردازش داده های دسته ای با R Handling batch data with R

  • کار با داده های نزدیک به زمان واقعی Working with near real-time data

  • پردازش نزدیک به داده های زمان واقعی با R Handling near real-time data with R

  • مفاهیم داده های زمان واقعی Concepts of real-time data

  • پردازش داده های زمان واقعی با R Handling real-time data with R

  • تنظیم یک آینه CRAN پیش فرض Setting a default CRAN mirror

2. استفاده از R برای دستیابی به داده های پر سرعت 2. Using R to Acquire High-Velocity Data

  • نظرسنجی برای داده ها در R Polling for data in R

  • دستیابی به قطع اطلاعات با R Interrupt-driven data acquisition with R

3. ابزارهای پروفایل برای R 3. Profiling Tools for R

  • ابزارها Tools

  • پروفسور Profvis

  • رفیق Rprof

  • میکرو مارک microbenchmark

4- بهینه سازی R برای پردازش داده های با سرعت بالا 4. Optimizing R to Process High-Velocity Data

  • بهبود سرعت حلقه ها Improving the speed of loops

  • بهینه سازی اگر ... پس از آن ... دیگری با ifelse Optimizing if... then... else with ifelse

  • از کپی کردن داده ها خودداری کنید Avoid copying data

  • ترکیب بهینه سازی ها Combining optimizations

  • برای سرعت بخشیدن به توابع از RCPP استفاده کنید Use RCPP to speed up functions

  • استفاده از میکرو مارک برای بررسی نتایج Using microbenchmark to check results

5- استفاده از R برای ارائه داده های با سرعت بالا 5. Using R to Present High-Velocity Data

  • گزارش های استاتیک و پویا Static and dynamic reports

  • برای داشبورد استاتیک از R Markdown استفاده کنید Use R Markdown for static dashboards

  • Flexdashboard و سایر موارد اضافی برای گزارش های استاتیک Flexdashboard and other enhancements for static reports

  • برای داشبوردهای تعاملی از Shiny استفاده کنید Use Shiny for interactive dashboards

  • برای ایجاد API ها از لوله کش استفاده کنید Use plumber to create APIs

  • نمای وظیفه جرثقیل برای فن آوری های وب Cran task view for WebTechnologies

نتیجه Conclusion

  • خلاصه Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش برنامه نویسی R در علم داده: داده های با سرعت بالا
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 21m
29
Linkedin (لینکدین) lynda-small
07 مهر 1397 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
7,994
- از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mark Niemann-Ross Mark Niemann-Ross

فن شناس در زمینه سخت افزار ، نرم افزار و داستان های علمی باتجربه است Mark Niemann-Ross یک تکنسین با تجربه در زمینه سخت افزار ، نرم افزار و داستان های علمی است.

مارک تقریباً 30 سال است که به توسعه دهندگان در پیمایش API ها کمک می کند و مسئولیت برنامه های شخص ثالث را در Quark و Adobe داشته است. وی علاوه بر فناوری عملی ، در زمینه آموزش فن آوری نیز مشارکت داشته است ، از دیپلم آموزش صنعتی شروع کرده و اخیراً به عنوان مدیر محتوا برای آموزش LinkedIn کار کرده است.

داستان علمی تخیلی مارک اخیراً در علمی تخیلی و واقعیت آنالوگ . او در حال حاضر مشغول کار بر روی یک رمز و راز قتل است که توسط یخچال حل شده است.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.