Name: การประมวลผลข้อมูลขนาดใหญ่ใน R
Rating: 4.714285714285714 (28 reviews)

รายละเอียดคอร์ส

ชุดข้อมูลมักมีขนาดใหญ่กว่า RAM ที่มีอยู่ ซึ่งเป็นปัญหาสำหรับนักเขียนโปรแกรม R เนื่องจากตัวแปรทั้งหมดจะถูกเก็บไว้ในหน่วยความจำโดยค่าเริ่มต้น คอร์สนี้จะสอนเครื่องมือสำหรับประมวลผล สำรวจ และวิเคราะห์ข้อมูลโดยตรงจากดิสก์ รวมถึงการใช้แนวทาง split-apply-combine และการเขียนโค้ดที่รองรับข้อมูลขนาดใหญ่ด้วยแพ็กเกจ bigmemory และ iotools ตลอดคอร์สนี้จะใช้ข้อมูลจาก Federal Housing Finance Agency ซึ่งเป็นชุดข้อมูลสาธารณะที่บันทึกสินเชื่อบ้านทั้งหมดที่ถือครองหรือแปลงเป็นหลักทรัพย์โดย Federal National Mortgage Association (Fannie Mae) และ Federal Home Loan Mortgage Corporation (Freddie Mac) ระหว่างปี 2009-2015

ข้อกำหนดเบื้องต้น

Writing Efficient R Code

หลักสูตร

โครงร่างคอร์ส

การทำงานกับชุดข้อมูลขนาดใหญ่ขึ้นเรื่อย ๆ

บทนี้จะอธิบายว่าทำไมจึงต้องใช้เทคนิคใหม่เมื่อชุดข้อมูลมีขนาดใหญ่กว่า RAM ที่มีอยู่ จะเห็นว่าการนำเข้าและส่งออกข้อมูลด้วยฟังก์ชันพื้นฐานของ R อาจทำได้ช้า พร้อมแนะนำวิธีแก้ปัญหาที่ทำได้ง่าย และปิดท้ายด้วยการแนะนำแพ็กเกจ bigmemory

เริ่มบท

การประมวลผลและวิเคราะห์ข้อมูลด้วย bigmemory

เมื่อมีประสบการณ์ใช้ bigmemory แล้ว บทนี้จะพาไปสำรวจเทคนิคการวิเคราะห์และสำรวจข้อมูลเบื้องต้น โดยเฉพาะการสร้างตารางและการใช้แนวทาง split-apply-combine

เริ่มบท

การทำงานกับ iotools

จะได้ใช้แพ็กเกจ iotools ที่รองรับทั้งข้อมูลตัวเลขและข้อความ พร้อมทำความรู้จักกับแนวคิดการประมวลผลแบบ chunk-wise

เริ่มบท

กรณีศึกษา: การวิเคราะห์เบื้องต้นของข้อมูลด้านที่อยู่อาศัย

จากบทก่อนหน้าที่ได้แนะนำข้อมูลด้านที่อยู่อาศัยและแสดงวิธีคำนวณกับข้อมูลที่มีขนาดใกล้เคียงหรือใหญ่กว่า RAM ของเครื่อง บทนี้จะทำการวิเคราะห์เบื้องต้นของข้อมูลดังกล่าว โดยเปรียบเทียบแนวโน้มต่าง ๆ ตามช่วงเวลา