Populariteten til programmeringsspråket R øker, spesielt innen datavitenskap og analyse.
Siden det gir bedre datavisualiseringsteknikker, R programmering spiller en avgjørende rolle i statistikk.
Å lære dette språket kan imidlertid være frustrerende hvis du ikke har en klar vei for å nærme deg det. Tidligere har du kanskje slitt mye mens du lærte R eller et annet språk.
Stol på meg; du er ikke alene!
Ikke skyld på deg selv eller språket; problemet kan ha vært i din tilnærming. Måten du lærer noe på har en stor rolle i å levere det endelige resultatet.
Hvis du har en klar strategi for hvordan og hvorfor du bør lære et bestemt språk, øker sjansen for at du er dyktig i det. På samme måte, hvis målet og strategien din ikke stemmer overens, kan du bli lei språket og ende opp med å slutte med det midtveis.
Det er analogt med å lære et talespråk.
Så når du er klar til å lære R, få motivet ditt klart i utgangspunktet, enten det er å utvide kunnskapen din eller finne en karriere innen datavitenskap. Forbered deretter en strategi og samkjør den med målet ditt.
…og begynn å lære.
I denne artikkelen vil jeg snakke om noen gode ressurser for å lære programmeringsspråket R som vil gi deg den rette tilnærmingen til å gjøre ting enklere.
Men først ting først,
Innholdsfortegnelse
Hva er R-programmeringsspråket?
R er et åpen kildekode-programmeringsspråk for grafikk og statistisk databehandling.
Den ble utviklet i 1993 av Ross Ihaka & Robert Gentleman. Det ligner på programmeringsspråket – S. Du kan si at programmeringsspråket R er en implementering av S, som kombinerer leksikalsk scoping-semantikk. Programvaren er hovedsakelig skrevet i C, R og Fortran.
R tilbyr et bredt utvalg av både statistiske og grafiske teknikker i tillegg til å være svært utvidbare. Den inkluderer klassisk statistisk testing, lineær og ikke-lineær modellering, tidsserieanalyse, gruppering og klassifisering.
En av R-språkets største styrker er å være uanstrengt i å produsere et godt designet plott av publikasjonskvalitet, inkludert matematiske formler og symboler.
Evnen til R
R er en slags integrert suite som består av programvarefasiliteter du kan bruke til beregning, grafisk representasjon og datamanipulering.
Det inkluderer:
- Effektiv lagring og datahåndtering
- En integrert, sammenhengende og stor samling av dataanalyseverktøy
- En rekke forskjellige operatører som er nyttige for å beregne matriser i spesifikke matriser
- Enkelt, effektivt og velutviklet programmeringsspråk med loops, conditionals og brukerdefinerte variabler
- Grafiske fasiliteter for å analysere data og vise dem på papir eller på skjermen
- R er i stand til å utvide gjennom pakker. Faktisk leveres omtrent 8 pakker ved hjelp av R-distribusjon, mens flere kan legges til med CRAN-sidefamilien.
- Interoperabilitet på tvers av plattformer
- I stedet for å bruke en kompilator, bruker R en tolk, som bidrar til å gjøre kodeutvikling enklere.
- Den assosieres godt med forskjellige databaser og bringer informasjon fra MS Access, Excel, MySQL, Oracle, SQLite, etc.
- Den integrerer kraftige verktøy for å kommunisere rapporter i ulike former som HTML, XML, CSV, PDF og interaktive nettsteder med R-pakker.
- R-pakker kommer med forskjellige koder, funksjoner og funksjoner skreddersydd for statistisk modellering, dataanalyse, maskinlæring, visualisering, dataimport og manipulering.
Hvordan hjelper R med dataanalyse?
Dataanalyse ved hjelp av R foregår i en rekke forskjellige trinn:
- Programmere eller importere: Programmering med R eller du kan importere data fra databaser og filer til R-programvaremiljøet
- Transform: Dataorganisering skjer ved å transformere en kolonne til en variabel under en rad til en observasjon. Observer interessene dine, lag en ny variabel som en funksjon av gjeldende variabler, og oppdag observasjonsstatistikk.
- Visualisering: Datarepresentasjoner i en grafisk form for enkelt å gjenkjenne trender, mønstre og dataunntak.
- Modeller: Dette er komplementære visualiseringsverktøy som beregnings- eller matematiske verktøy for å svare på observasjonsspørsmål.
- Kommunikasjon: Kommunikasjon av resultater med andre, rett fra visualisering til modellering, ved hjelp av enkle å produsere plott av utskriftskvalitet som kan deles med alle i verden.
Hvem bruker R og hvorfor?
R stoles ikke bare på akademikere, men også av store selskaper, inkludert Google, Facebook, Airbnb, Uber og mer. Det brukes i helsevesen, rådgivning, myndigheter, forsikring, energi, finans, media, nesten overalt. De bruker den til statistisk slutning, maskinlæringsalgoritmer og dataanalyse.
Du skjønner, etterspørselen etter R er i forskjellige sektorer. I tillegg til dette er det utvilsomt dataanalyse som former dagens virksomheter. Selv om det er mange verktøy tilgjengelig, skiller R seg ut. Det er fordi du kanskje har:
- Excel og PowerBI, men de mangler modelleringsevne;
- Python er flott for AI og ML, men har ikke kommunikasjonsfunksjoner;
- SAS er bra for statistisk analyse, men ikke gratis
- Tableau er utmerket for grafiske representasjoner, men det må gjøre det bedre i beslutningstaking og statistikk.
R fyller imidlertid gapet ved å tilby en utmerket læringskurve med en god balanse mellom dataimplementering og analyse.
Derfor er det fornuftig å lære R for datamanipulering og analyse og til og med bli en dataforsker.
Og dette er grunnen til at dataforskere bruker R til å forstå data, utføre manipulering, gjøre den beste tilnærmingen og kommunisere med andre gjennom rapporter, dashboards eller nettapper. På denne måten utfører en enkelt plattform alt arbeidet.
Nå vet du hvordan R fungerer og hvorfor du bør gå for det, men hvor skal du lære R?
Er det så vanskelig å lære?
Hvis du stilte meg disse spørsmålene for noen år siden, ville jeg ha sagt ja, det er litt vanskelig på grunn av den komplekse strukturen. Men nå introduseres pakker for å overvinne dette problemet, som har gjort datamanipulering enklere og intuitivt, og det er ganske enkelt å lage grafer.
Pakker som TensorFlow og Keras lar deg lage avanserte ML-teknikker; du kan ringe Python, C++ og Java i R og koble til Hadoop eller Spark. Og R har utviklet seg når det gjelder beregningshastighet også.
Så, vil du lære R?
Jeg antar et JA!
La oss finne noen gode ressurser for å lære R.
Dataforsker med R
Få R-ferdighetene som kan hjelpe deg med å bygge din karriere som dataforsker Datacamp. For å starte kurset trenger du ingen forkunnskaper eller erfaring på dette feltet.
De vil lære deg det allsidige R-språket og hvordan du kan bruke det til å importere, manipulere, visualisere og rense data, som er de grunnleggende integrerte ferdighetene du trenger. Med interaktive øvelser kan du få praktisk erfaring med kjente R-pakker som ggplot2 sammen med Tidyverse-pakker som readr og dplyr.
Kurset vil også introdusere deg til noen virkelige datasett som hjelper deg å lære maskinlæring og statistiske teknikker som trengs for å skrive funksjoner og utføre klyngeanalyse helt alene.
Alt du trenger å gjøre er å starte dette kurset, utvikle R-ferdigheter og fortsette veien for å bli en vellykket dataforsker. De tilbyr 75+ timer med læringsressurser. Det inkluderer å introdusere språket for å mestre grunnleggende dataanalyse med typiske datastrukturer som matriser, vektorer, datarammer, etc.
R Programmering A-Å
Udemy bringer R Programmering AZ med praktiske øvelser for å hjelpe deg å bli dataforsker. Emnet er delt inn i 8 seksjoner, 82 forelesninger, og tar ca. 11 timer å gjennomføre.
De lærer deg R steg-for-steg, og du vil lære verdifulle konsepter som er anvendelige umiddelbart etter hver forelesning. Og en annen flott ting er at de lærer deg konsepter ved hjelp av levende eksempler. Hele opplæringen er full av analytiske utfordringer fra den virkelige verden som du vil løse under forelesningen og lekseøvelsen.
Alle med noen ferdighetssett kan lære dette kurset, men du må lære R-språket og ta spennende utfordringer. Kursmaterialet lærer deg kjerneprinsippene og hvordan du lager variabler, vektorer, løkker og funksjoner.
Du vil også lære om normalfordelingen og praksis med økonomiske data, statistiske data og sportsdata. Dessuten vil du lære hvordan du bruker R Studio og tilpasser det basert på dine preferanser.
På slutten av dette kurset vil du installere R-pakker og forstå store tall, heltall, dobbel, tegn og mer. Kurset inkluderer også avansert visualisering ved bruk av GGPlot2 sammen med lekseløsninger og bonusopplæringer.
Statistikk med R
Coursera tilbyr dette kurset – Statistikk med R-spesialisering for å hjelpe deg med å mestre R for dataanalyse, inkludert modellering, inferens og Bayesianske teknikker. Dette kurset er helt GRATIS og tilbys av Duke University.
Dette kurset vil få ferdigheter som statistisk inferens, lineær regresjon og statistikk, RStudio, R-programmering, utforskende dataanalyse, statistisk hypotesetesting, Bayesiansk statistikk, Bayesiansk lineær regresjon, Bayesiansk inferens, regresjonsanalyse og modellvalg.
Spesialiseringen vil lære deg hvordan du visualiserer og analyserer data i programmeringsspråket R og deretter lager reproduserbare rapporter. Du vil lære å vise statistisk slutning i sin enhetlige natur og utføre modellering og andre teknikker for å ta datadrevne beslutninger.
Kurset vil også hjelpe deg med å kommunisere resultater riktig, organisere og visualisere data ved hjelp av R-pakker, og kritisere beslutninger og påstander. Det vil hjelpe deg å bygge porteføljen din med ulike prosjekter innen dataanalyse for å demonstrere dine kunnskaper og ferdigheter i tillegg til å få en godt betalt jobb.
Dette kurset på nybegynnernivå tar omtrent 7 måneder å fullføre, har en fleksibel timeplan, fulle online forelesninger og et delbart sertifikat ved fullføring.
Komme i gang med R
Et annet kurs av Coursera på denne listen er – Komme i gang med R.
Dette er et nybegynnernivå som tar ca. 2 timer å fullføre, og du kan bare få tilgang til det på skrivebordet ditt uten behov for nedlasting. Dette guidede prosjektet lærer deg grunnleggende R-programmering for å ta ditt første skritt mot dataanalyse. 
Her vil du lære hvordan du bruker R Studio eller R GUI og de forskjellige datastrukturene og typene som brukes på dette språket. Til slutt vil de lære deg hvordan du installerer R-pakkene og importerer datasettene dine til R Studios arbeidsområde.
Det er ingen nødvendige forutsetninger for å fullføre dette prosjektet; bare grunnleggende datakunnskap er tilstrekkelig. I det guidede prosjektet vil arbeidsområdet ditt være et skyskrivebord du kan få tilgang til fra nettleseren din. Instruktøren din vil veilede deg i en delt skjerm via en video for å få deg til å forstå ting trinn for trinn.
Utacity
Lær R-programmering for å bli dataforsker med Utacity. Den omtrentlige tiden dette kurset tar er 3 måneder med 10 timers innsats hver uke, og det trenger ingen harde forutsetninger.
Pensum inkluderer å lære deg hvordan du koder i R, kommandolinje, SQL og Git slik at du kan løse datarelaterte problemer. Du vil lære grunnleggende SQL som JOINs, underspørringer og aggregeringer og bruke dem til å svare på forretningsproblemer.
Lær grunnleggende, inkludert datastrukturer, løkker, funksjoner og variabler. I tillegg vil du lære hvordan du visualiserer data gjennom GGPlot2.
Programmet inkluderer virkelige prosjekter med oppslukende innhold utviklet av eksperter, mentorstøtte og karrieretjenester som CV og porteføljegjennomganger. Studer etter din egen timeplan, og få personlig tilbakemelding, praktiske tips og flere forslag til flere ressurser.
ML Scientist med R
Mestre R-språket for å bli en selvsikker maskinlæringsforsker med Datacamp. De tilbyr totalt 15 kurs med 60+ timers innsats i å lære R. Her; du vil forbedre dine R-ferdigheter med en verktøykasse og utføre uovervåket og overvåket læring.
De vil lære deg hvordan du behandler data for modelloppretting, trener og visualiserer modellene og tester ytelsen deres. I tillegg til dette vil du hjelpe med å justere parameterne deres for å utføre bedre ytelse.
I mellomtiden vil du også lære Bayesiansk statistikk, Spark og naturlig språkbehandling (NLP). De vil lære deg grunnleggende maskinlæring for klassifisering, hvordan du kan forutse fremtidige hendelser gjennom lineær regresjon, tilfeldig, skoger, xgboost og additive modeller.
Du vil også lære dimensjonalitet, clustering, ML i Tidyverse, logistisk regresjon, cluster-analyse, ML med en caret, trebaserte modeller, støttevektormaskiner, emnemodellering, hyperparameterinnstilling og mer.
Dataanalyse med R
Edureka tilbyr treningsprogrammet– Dataanalyse med R for å hjelpe deg å tilegne deg ekspertise innen datamanipulering, visualisering, utforskende dataanalyse, gruvedrift, sentimentanalyse og regresjon.
Opplæringen kan også hjelpe deg å lære R Studio for casestudier over sosiale medier og detaljhandel. De har designet dette kurset for å tilby ferdighetene og kunnskapen som trengs for å bli en dataanalytiker. Den dekker grunnleggende R-konsepter til avanserte emner som beslutningstreensemble, samarbeidsfiltrering og mer.
Modulene leder deg gjennom viktige terminologier som business intelligence, data og informasjon, forretningsanalyse og mer. Du vil lære dataimportmetoder, utforskende dataanalyse, clustering, lineær og logistisk regresjon, overvåket ML-teknikker, ANOVA, R-pakker, opprettelse av plott og mer, sammen med prosjektarbeid.
For å ta dette kurset trenger du grunnleggende kunnskap om statistikk. Det inkluderer 30 timer med online klasser hvor du vil få praktiske oppgaver å fullføre etter hver klasse, sammen med livslang tilgang til kurset med presentasjoner, klasseopptak, installasjonsveiledninger og quiz. Få sertifikat ved fullført kurs.
YouTube
Lær R på YouTube med Barton Poulson, som lærer det grunnleggende om R-språk og statistisk beregning.
Opplæringen dekker emner som hvordan du installerer R, ting om R Studio, plottfunksjon, pakker, histogrammer, søylediagrammer, spredningsplott, sammendragsfunksjon, overliggende plott og beskrivelsesfunksjon.
Han lærer også hvordan man velger tilfeller, faktorer, dataformat, hvordan man legger inn data, importerer data, begrepene hierarkisk clustering, regresjon, hovedkomponenter og mer.
Kodeakademiet
Kodeakademiet introduserer deg til de grunnleggende konseptene i programmeringsspråket R. Det er ingen spesifikke forutsetninger for å lære dette kurset eller noen kodekunnskap som trengs.
Her vil du lære hvordan du organiserer data, endrer dem og renser datarammene. De vil også lære deg å bygge datavisualiseringer og vise innsikt. I tillegg til dette vil du lære hypotesetesting og statistikk for å utmerke deg innen dataanalyse.
Kursplanen inkluderer også det grunnleggende om aggregater og sammenføyningstabeller med dplyr; beregne modus, gjennomsnitt og median; og statistikk som kvartiler, interkvartilområde og kvantiler.
Du kan også teste kunnskapen din gjennom quizer for å skjerpe syntaks og minne. Det tar rundt 20 timer å fullføre kurset, og med Pro-planen kan du få et sertifikat.
Datamentor
Datamentor Kurset inkluderer ubegrenset tilgang til 45+ videoer, interaktive oppgaver, R Essentials eBook og et prosjekt.
Den gjør deg kjent med det grunnleggende innen datavitenskap, dens prosesser og de forskjellige trinnene du må ta for å fullføre en datavitenskapelig oppgave som å hente data, utforske, modellere og formidle rapporten.
Konklusjon
Med mange tilgjengelige ressurser er det ikke lenger en vanskelig oppgave å lære programmeringsspråket R. Alt du trenger er å ha en lidenskap for læring og et sterkt ønske om å satse på datavitenskap.
Så, er du en ambisiøs ekspert innen datavitenskap? 💡
Lær R ved hjelp av de ovennevnte fantastiske kursene.