Name: R में Scalable Data Processing
Rating: 4.72 (25 reviews)

कोर्स विवरण

डेटासेट अक्सर उपलब्ध RAM से बड़े होते हैं, जिससे R प्रोग्रामर्स को दिक्कत होती है क्योंकि डिफ़ॉल्ट रूप से सभी वैरिएबल मेमोरी में स्टोर होते हैं। आप यह सीखेंगे कि डेटा को सीधे डिस्क से प्रोसेस, एक्सप्लोर और विश्लेषण कैसे करें। आप split-apply-combine अप्रोच लागू करेंगे और bigmemory और iotools पैकेज का उपयोग करके स्केलेबल कोड लिखना सीखेंगे। इस कोर्स में, आप Federal Housing Finance Agency के डेटा का उपयोग करेंगे — यह एक सार्वजनिक रूप से उपलब्ध डेटासेट है जिसमें 2009-2015 के बीच Federal National Mortgage Association (Fannie Mae) और Federal Home Loan Mortgage Corporation (Freddie Mac) द्वारा होल्ड या सिक्योरिटाइज़ किए गए सभी मॉर्टगेज दर्ज हैं।

पूर्वापेक्षाएँ

Writing Efficient R Code

पाठ्यक्रम

कोर्स रूपरेखा

लगातार बड़े होते डेटा सेट के साथ काम करना

इस अध्याय में, हम उन कारणों पर चर्चा करेंगे जिनकी वजह से आपको नई तकनीकें अपनानी पड़ती हैं जब डेटा सेट उपलब्ध RAM से बड़े हों। हम दिखाएँगे कि base R फंक्शंस से डेटा इम्पोर्ट और एक्सपोर्ट करना धीमा हो सकता है और इसे ठीक करने के कुछ आसान तरीके क्या हैं। अंत में, हम bigmemory पैकेज का परिचय देंगे।

अध्याय शुरू करें

bigmemory के साथ डेटा प्रोसेसिंग और विश्लेषण

अब जबकि आपने bigmemory का कुछ अनुभव ले लिया है, हम कुछ सरल डेटा एक्सप्लोरेशन और विश्लेषण तकनीकों से गुजरेंगे। खासतौर पर, हम देखेंगे कि टेबल कैसे बनानी हैं और split-apply-combine अप्रोच कैसे लागू करनी है।

अध्याय शुरू करें

iotools के साथ काम करना

हम iotools पैकेज का उपयोग करेंगे जो numeric और string दोनों तरह के डेटा को प्रोसेस कर सकता है, और chunk-wise प्रोसेसिंग की अवधारणा का परिचय देंगे。

अध्याय शुरू करें

केस स्टडी: हाउसिंग डेटा का प्रारंभिक विश्लेषण

पिछले अध्यायों में, हमने हाउसिंग डेटा का परिचय दिया और दिखाया कि एक सिंगल मशीन की RAM जितना या उससे बड़ा डेटा कैसे प्रोसेस करें। इस अध्याय में, हम डेटा का एक प्रारंभिक विश्लेषण करेंगे और समय के साथ विभिन्न ट्रेंड्स की तुलना करेंगे।