본문으로 바로가기

강의

효율적인 R 코드 작성

중급기술 수준

업데이트됨 2023. 1.

더 빠른 R 코드를 작성하고, benchmarking·profiling을 익히며, 병렬 프로그래밍의 핵심을 파악하세요.

무료로 강의 시작

RProgramming

4시간

14 동영상

43 연습 문제

3,100 XP

56,923

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

R의 장점은 데이터 분석을 위해 설계되었다는 점이에요. 하지만 때때로 R이 느려서 분석을 방해할 때가 있죠. 그래서 분석 속도를 높이는 핵심 기법에 익숙해지는 것이 중요합니다. 계산 시간을 줄이고 가능한 한 빨리 인사이트를 얻을 수 있도록 말이죠.

선수 조건

1

The Art of Benchmarking

In order to make your code go faster, you need to know how long it takes to run. This chapter introduces the idea of benchmarking your code.

Benchmarking

Comparing read times of CSV and RDS files

Operational differences: "<-" and "="

Elapsed time

Relative time

How good is your machine?

DataCamp hardware

Benchmark DataCamp's machine

2

Fine Tuning: Efficient Base R

R is flexible because you can often solve a single problem in many different ways. Some ways can be several orders of magnitude faster than the others. This chapter teaches you how to write fast base R code.

Memory allocation

Why is this piece of code slow?

Timings - growing a vector

Timings - pre-allocation

Importance of vectorizing your code

Vectorized code: multiplication

Vectorized code: calculating a log-sum

Data frames and matrices

Data frames vs. matrices

Data frames and matrices - column selection

Selecting a row in a data frame

Row timings

3

Diagnosing Problems: Code Profiling

Profiling helps you locate the bottlenecks in your code. This chapter teaches you how to visualize the bottlenecks using the profvis package.

What is code profiling

Profiling a function

Where's the hold-up?

Profvis in action

Profvis: Larger example

Change the data frame to a matrix

Calculating row sums

Use && instead of &

Monopoly overview

4

Turbo Charged Code: Parallel Programming

Some problems can be solved faster using multiple cores on your machine. This chapter shows you how to write R code that runs in parallel.

CPUs - why do we have more than one

How many cores does this machine have?

What sort of problems benefit from parallel computing?

Can this loop run in parallel (1)?

Can this loop run in parallel (2)?

The parallel package - parApply

Moving to parallel programming

Moving to parApply

The parallel package - parSapply

Using parSapply()

Timings parSapply()

You can write efficient R code!

효율적인 R 코드 작성

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 효율적인 R 코드 작성을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.