Ana içeriğe atla

Kurs

Verimli R Kodu Yazma

Orta SeviyeBeceri Seviyesi

Güncel 01.2023

Daha hızlı R kodu yazmayı öğrenin, karşılaştırmalı değerlendirme ve profil oluşturmayı keşfedin ve paralel programlamanın sırlarını ortaya çıkarın.

Kursa Ücretsiz Başlayın

RProgramming

4 sa

14 video

43 Egzersiz

3,100 XP

56,666

Başarı Belgesi

Ücretsiz Hesabınızı Oluşturun

veya

Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

Binlerce şirketten öğrencinin sevgisini kazandı

Training a Team?

Try for Business

Kurs Açıklaması

R'nin güzelliği, veri analizi için tasarlanmış olmasıdır. Dezavantajı ise bazen yavaş kalabilmesi ve analizimizin önüne set çekebilmesidir. Bu yüzden, analizini hızlandırmanın temel tekniklerine hâkim olmak çok önemlidir; böylece hesaplama süresini kısaltıp içgörülere olabildiğince hızlı ulaşabilirsin.

Önkoşullar

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

Bölümü Başlat

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

Bölümü Başlat

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

Bölümü Başlat

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!

Bölümü Başlat

Verimli R Kodu Yazma

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi Kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve Verimli R Kodu Yazma eğitimine başlayın!

Ücretsiz Hesabınızı Oluşturun

veya

Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.