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

R Programming in Data Science: High Velocity Data

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      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

      آموزش برنامه نویسی R در علم داده: داده های با سرعت بالا
      جزییات دوره
      1h 21m
      29
      Linkedin (لینکدین) Linkedin (لینکدین)
      (آخرین آپدیت)
      7,994
      - از 5
      ندارد
      دارد
      دارد
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      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.