Wat kun je met R doen?

Met zijn specialisatie in alles wat met data science te maken heeft, waaronder machine learning, data-analyse en visualisatie, heeft R de manier waarop we data begrijpen veranderd. R wordt gebruikt door veel mensen met verschillende professionele achtergronden, waaronder dataspecialisten, academische onderzoekers en zelfs financieel analisten, en staat al lange tijd in de TIOBE-index. 

R-programmeren kent veel verschillende toepassingen, en in dit artikel bekijken we enkele van de dingen die je met R kunt doen zodra je het onder de knie hebt.

Wat kun je doen als je R voor data science beheerst?

1. Maak geweldige, aangepaste datavisualisaties en dashboards

Datavisualisatie is essentieel om data te begrijpen, en R's ggplot2-pakket—vaak omschreven als de beste tool voor datavisualisatie ooit gemaakt—maakt het gemakkelijk om vrijwel elke grafiek te tekenen die je je kunt voorstellen. Als je ggplot2 beheerst, zet dat je op weg om de kracht van R te benutten.

Voor nog indrukwekkendere visualisaties kun je de elegante syntaxis van ggplot2 combineren met de interactiviteit van plotly, of shiny gebruiken om interactieve dashboards te bouwen.

Hoe je begint 

• Cursus: Introduction to Data Visualization with ggplot2
• Cursus: Interactive Data Visualization with plotly in R
• Cursus: Building Web Applications with Shiny in R
• Skill Track: Data Visualization with R

2. Verken, manipuleer en reken met datasets

Exploratieve data-analyse—ontdekken wat er in je dataset zit—is de eerste stap zodra je nieuwe data ontvangt. De "tidyverse"-suite van R-pakketten, waaronder dplyr en tidyr, laat je data manipuleren en berekeningen uitvoeren met een gebruiksvriendelijke syntaxis, zodat je snel tot het antwoord komt dat je nodig hebt. 

Hoe je begint 

• Cursus: Introduction to the Tidyverse
• Cursus: Data Manipulation with dplyr
• Cursus: Reshaping Data with tidyr
• Skill Track: Data Manipulation with R

3. Voer data-experimenten uit met statistiek

Statistiek zorgt ervoor dat je data-analyses wetenschappelijk zorgvuldig zijn. R heeft misschien wel het meest uitgebreide pakket aan statistische tools van alle programmeertalen. Van eenvoudige beschrijvende statistieken, zoals gemiddelden en standaarddeviaties berekenen, via statistische modellen zoals lineaire regressie en logistische regressie, tot experimentatiemethoden zoals A/B-testen: R legt de kracht van statistiek in jouw handen. 

Hoe je begint 

• Cursus: Introduction to Statistics in R
• Cursus: Introduction to Regression in R
• Cursus: Introduction to A/B Testing in R
• Skill Track: Statistics Fundamentals with R

4. Voorspel alles met machine learning

Machine learning is de kunst om met data voorspellingen te doen. Net als voor statistiek heeft R een enorme reeks tools om elk gewenst machinelearningmodel te draaien. Als je machine learning beheerst, kun je voorspellende modellen bouwen, zoals churnmodellen voor klanten, filmsuggestiesystemen en meer.

Hoe je begint 

• Cursus: Supervised Learning in R: Classification
• Cursus: Supervised Learning in R: Regression
• Cursus: Unsupervised Learning in R
• Cursus: Modeling with tidymodels in R 
• Career Track: Machine Learning Scientist with R

5. Automatiseer rapportages met R Markdown-documenten

Om de resultaten van je analyse goed over te brengen, kun je je output structureren in een rapport voor anderen om te lezen. R Markdown biedt een uitgebreide, eenvoudig te gebruiken syntaxis die rapporten in uiteenlopende formaten kan genereren, of je nu geschreven documenten en presentaties maakt, of zelfs een boek schrijft.

Hoe je begint 

• Cursus: Reporting with R Markdown
• Cursus: Communicating with Data in the Tidyverse