R là một công cụ lập trình thống kê được trang bị đặc biệt để xử lý dữ liệu, kể cả với khối lượng rất lớn.
Việc xử lý lượng thông tin khổng lồ và tạo ra đồ họa, trực quan hóa sẵn sàng cho xuất bản trở nên dễ dàng với R. Các tác vụ phân tích, khai phá và mô hình hóa dữ liệu thuộc mọi dạng cũng vậy.
Bởi được thiết kế từ đầu bởi các nhà thống kê cho mục đích thống kê, R đặc biệt phù hợp với khoa học dữ liệu, một lĩnh vực quan trọng trong thế giới ngày nay.
Tuy chức năng cốt lõi của R là phân tích thống kê và đồ họa, việc sử dụng nó còn vượt ra ngoài, bao gồm AI, học máy, phân tích tài chính và hơn thế nữa.
Liên tục xếp hạng trong số các ngôn ngữ lập trình phổ biến nhất thế giới, đồng thời mang lại mức lương cao, R đã xuất hiện từ đầu những năm 1990 và vẫn phát triển mạnh mẽ.
Vậy R là gì? Hãy đọc tiếp để tìm hiểu thêm về ngôn ngữ lập trình R, bao gồm lịch sử, ai sử dụng và những lộ trình nghề nghiệp có thể có khi bạn sở hữu kỹ năng R.
R là gì?
R là một hệ thống tính toán và đồ họa thống kê. Hệ thống này gồm hai phần: bản thân ngôn ngữ R (điều mà hầu hết mọi người nhắc đến khi nói về R) và môi trường chạy thời gian.
R là một ngôn ngữ thông dịch, nghĩa là người dùng truy cập các hàm của nó thông qua trình thông dịch dòng lệnh.
Không giống như các ngôn ngữ như Python và Java, R không phải là ngôn ngữ lập trình mục đích chung. Thay vào đó, nó được coi là một ngôn ngữ chuyên biệt theo miền (DSL), tức các chức năng và cách sử dụng của nó được thiết kế cho một lĩnh vực hoặc miền cụ thể.
Trong trường hợp của R, đó là tính toán và phân tích thống kê. Theo đó, R thường được dùng cho mọi dạng tác vụ khoa học dữ liệu.
R được trang bị tập hợp lớn các hàm hỗ trợ trực quan hóa dữ liệu, nhờ đó người dùng có thể phân tích dữ liệu, mô hình hóa theo yêu cầu, rồi tạo đồ họa. Bên cạnh các hàm đồ họa tích hợp sẵn của ngôn ngữ, còn có nhiều tiện ích bổ sung hay mô-đun giúp thực hiện điều này.
Mức độ phổ biến của ngôn ngữ lập trình R ra sao?
R là một ngôn ngữ lập trình phổ biến, đặc biệt trong các lĩnh vực như khoa học dữ liệu, nghiên cứu hàn lâm và thống kê.
Vào tháng 10/2023, R đứng vị trí thứ 17 trên Chỉ số TIOBE, và vào tháng 8/2020, R ở vị trí thứ 8. Được cập nhật hàng tháng, TIOBE là chỉ báo tốt về mức độ phổ biến của một ngôn ngữ lập trình.
Có 50 ngôn ngữ được liệt kê trong chỉ số và hơn 8000 ngôn ngữ lập trình khác, nên có thể nói R rất phổ biến!
Tháng 5/2020, R thoáng rơi khỏi top 20 của Chỉ số TIOBE, khiến nhiều người suy đoán rằng bước nhảy từ nghiên cứu học thuật sang sử dụng thương mại của R nhanh chóng bị Python thay thế. Tuy nhiên, sự giảm nhiệt này không kéo dài và như TechRepublic đưa tin, đến tháng 7 cùng năm, R đã vào top 10.
R là ngôn ngữ được lựa chọn cho kỹ sư thống kê và nghiên cứu thống kê. Các trường đại học trên toàn thế giới cũng dùng R để hỗ trợ công tác nghiên cứu trong nhiều lĩnh vực.
“Thành công của R là ví dụ về sức mạnh của một cộng đồng được hậu thuẫn bởi giới học thuật trong việc nâng một ngôn ngữ vượt qua ngưỡng kỳ vọng.” - Stephen O'Grady, Nhà phân tích RedMonk
Nhiều người cho rằng cú nhảy vào top 10 của R năm 2020 là nhờ việc tăng sử dụng ngôn ngữ này trong nghiên cứu COVID-19. Khi có rất nhiều dữ liệu cần xử lý, R là công cụ lý tưởng — chỉ là một trong những lý do khiến ngôn ngữ này vẫn phổ biến đến nay, gần 30 năm sau khi ra đời.
R được tạo ra khi nào?
R được tạo ra đầu những năm 1990 bởi hai nhà thống kê của Đại học Auckland là Ross Ihaka và Robert Gentleman.
Ihaka và Gentleman, khi đó đều là giáo sư thống kê tại đại học New Zealand này, nhận thấy điều mà Ihaka gọi là “nhu cầu chung về một môi trường phần mềm tốt hơn” trong các phòng lab khoa học máy tính. Nhận thức này đã thúc đẩy họ bắt đầu phát triển R, một hiện thực hóa của ngôn ngữ S trước đó.
Mặc dù hai giáo sư bắt tay vào R từ đầu thập niên 90, phiên bản 1.0.0 chỉ được phát hành chính thức vào tháng 2/2000.
Tên gọi R có nghĩa là gì?
Ngôn ngữ R có tên như vậy vì hai lý do: vì R là chữ cái đầu trong tên của hai nhà phát minh, và vì R là cách chơi chữ dựa trên tên ngôn ngữ mẹ S, vốn được phát triển bởi Bell Telephone Laboratories.
R và S và Scheme
Để hiểu đầy đủ về R, sẽ hữu ích nếu bạn hiểu S, ngôn ngữ chính định hình sự phát triển của R.
Ngôn ngữ lập trình S
S được phát triển vào giữa những năm 1970 bởi John Chambers và các cộng sự làm việc tại Bell Labs. Mục tiêu là mang lại cách tiếp cận tương tác cho tính toán thống kê, thân thiện với người dùng và giúp các tác vụ phân tích dữ liệu dễ dàng, nhanh chóng hơn.
Trong một phỏng vấn năm 2013, Chambers cho biết nhóm tại Bell Labs muốn mọi người có “quyền truy cập vào những phương pháp tính toán tốt nhất hiện có, bất kể chúng đến từ đâu.”
Ông cũng từng nói rằng nhóm muốn người dùng “bắt đầu trong một môi trường tương tác, nơi họ không ý thức rằng mình đang lập trình. Rồi khi nhu cầu rõ ràng hơn và mức độ thành thạo tăng lên, họ có thể dần dần chuyển sang lập trình.”
Triết lý chung của S rất giống R: cung cấp một môi trường phần mềm tạo điều kiện cho lập trình tính toán và phân tích thống kê, mà ai cũng có thể học sử dụng.
Giống R, S cũng có thể dùng để viết các chương trình dài tập trung vào tác vụ thống kê. Khác với R, S và bản phát triển sau này là S-PLUS là sản phẩm có bản quyền, tức cần mua từ công ty.
Điều quan trọng cần lưu ý là R không phải một ngôn ngữ hoàn toàn riêng biệt; đúng hơn, nó là một phương ngữ của S.
Cú pháp và ngữ nghĩa
Ngôn ngữ học dùng các thuật ngữ cú pháp và ngữ nghĩa để mô tả yếu tố của ngôn ngữ tự nhiên, và giới khoa học máy tính cũng mượn dùng cho ngôn ngữ lập trình.
Trong lập trình máy tính, cú pháp đề cập đến các quy tắc quy định ‘chính tả’ và ‘ngữ pháp’ của một ngôn ngữ, còn ngữ nghĩa đề cập đến cách dữ liệu hoặc lệnh của ngôn ngữ được thể hiện.
Cú pháp của R thời đầu rất giống S. Điều này giúp người dùng S-PLUS chuyển sang R dễ dàng, góp phần quan trọng vào sự phổ biến của R trong giới học thuật. Tuy nhiên, ngữ nghĩa của R lại gần với Scheme, một ngôn ngữ lập trình hàm.
R là ngôn ngữ bậc thấp hay bậc cao?
R được coi là ngôn ngữ lập trình bậc cao. Phân loại này dựa trên mức độ trừu tượng so với ngôn ngữ máy. Không như các ngôn ngữ bậc thấp đòi hỏi hiểu biết sâu về bộ nhớ và quy trình của máy tính, ngôn ngữ bậc cao như R được thiết kế để con người dễ hiểu và dễ viết, giúp các nhà thống kê, nhà phân tích dữ liệu và nhà nghiên cứu dễ tiếp cận hơn.
R mang lại sức mạnh, khả năng mở rộng và linh hoạt dư dả, nhưng ‘cái giá’ so với các ngôn ngữ như Python là mức độ phức tạp nhất định.
R không phải là ngôn ngữ dễ học nhất, nhưng cũng không khó như nhiều người vẫn nghĩ. DataCamp đã dạy mọi người sử dụng R hơn một thập kỷ và chúng tôi đã tinh chỉnh phương pháp.
Mẹo là tập trung vào những điều thiết yếu trước, rồi phát triển kỹ năng và kiến thức R khi bạn tiến bộ. Nếu muốn thử lập trình R, hãy xem khóa học miễn phí Giới thiệu về R của chúng tôi.
R đã phát triển như thế nào qua các năm
R là mã nguồn mở trong phần lớn vòng đời, nên số lượng gói sẵn có cho ngôn ngữ đã thay đổi lớn.
Bản thân ngôn ngữ cũng có một số thay đổi khi chúng ta chuyển từ phiên bản đầu tiên đến bản mới nhất, và các lĩnh vực sử dụng R cũng mở rộng. Trước khi đi sâu hơn, hãy điểm qua một vài cột mốc trong lịch sử R:
Lược sử R
- 1991 - Ross Ihaka và Robert Gentleman bắt đầu phát triển một phương ngữ mới của S như một dự án nghiên cứu cho Khoa Thống kê tại Đại học Auckland.
- 1993 - Thông báo đầu tiên về R đến công chúng qua kho dữ liệu StatLib và danh sách thư s-news.
- 1995 - Nhà thống kê Martin Mächler thuyết phục các nhà phát minh R phát hành ngôn ngữ theo giấy phép công cộng chung GNU, khiến R vừa miễn phí sử dụng vừa mã nguồn mở.
Ihaka và Gentleman phát hành bài báo mang tính nền tảng, giới thiệu R với thế giới.
- 1997 - Nhóm R Core được thành lập; đây là nhóm duy nhất có quyền ghi vào mã nguồn R và họ xem xét, thực thi mọi thay đổi đề xuất cho ngôn ngữ.
Cùng năm đó, Mạng Lưu trữ R Toàn diện (CRAN) được thành lập. Kho lưu trữ các gói phần mềm R mã nguồn mở này — phần mở rộng cho chính ngôn ngữ — giúp các chuyên gia trong vô vàn tác vụ.
- 2000 - R phiên bản 1.0.0 được phát hành công khai.
- 2003 - Quỹ R được thành lập để nắm giữ và quản lý bản quyền phần mềm R và cung cấp hỗ trợ cho dự án ngôn ngữ R.
- 2004 - R phiên bản 2.0.0 phát hành.
- 2009 - R Journal, tạp chí truy cập mở về tính toán và nghiên cứu thống kê, ra đời.
- 2013 - R phiên bản 3.0.0 phát hành.
- 2020 - R phiên bản 4.0.0 phát hành.
- Tháng 6/2023 - Phiên bản hiện tại là R 4.3.1.
Cộng đồng R
Cộng đồng R là những người trên khắp thế giới sử dụng R, đóng góp vào các gói sẵn có trên thư viện CRAN, hoặc cả hai.
Cộng đồng này nổi tiếng năng động; có rất nhiều người điều hành diễn đàn về R, viết blog về R và trả lời câu hỏi trên Stack Overflow và nơi khác. Bên cạnh các nguồn lực và hỗ trợ trực tuyến, còn có một số hội nghị R lớn được tổ chức thường xuyên.
Nếu bạn muốn làm điều gì đó với R mà chưa biết bắt đầu thế nào, rất có khả năng đã có một gói giúp bạn. Cộng đồng R sôi động đã tạo ra hàng nghìn công cụ mở rộng năng lực của R.
Theo CRAN, có gần 20.000 gói R sẵn có. Một số gói đã trở nên nổi bật theo đúng nghĩa của mình, bao gồm Tidyverse. Bạn có thể tìm hiểu thêm về các gói R và cách cài đặt trong một hướng dẫn riêng.
Tidyverse của R
Rất có thể nếu bạn đã đọc đôi chút về R, bạn sẽ nghe đến Tidyverse.
Tidyverse không phải một gói đơn; đúng hơn, đó là một “gói các gói” R riêng lẻ. Tất cả đều được thiết kế cho khoa học dữ liệu và phân tích.
Mỗi công cụ trong tổng thể Tidyverse được thiết kế để hoạt động cùng nhau và mang lại luồng công việc rất rõ ràng giữa các tác vụ khoa học dữ liệu.
Tidyverse là ý tưởng của Hadley Wickham, Giám đốc Khoa học tại RStudio và đồng tác giả cuốn ‘R for Data Science.’ Bộ sưu tập “có quan điểm” các gói R này đã trở nên phổ biến trên toàn cầu, và các nhà khoa học dữ liệu khắp nơi hiện dựa vào Tidyverse cho công việc của họ.
Thực tế, có thể nói bất kỳ ai muốn làm việc với R hoặc với dữ liệu nói chung ngày nay đều cần hiểu Tidyverse. Bạn có thể khám phá trong khóa học trực tuyến Giới thiệu về Tidyverse và lộ trình kỹ năng Những nền tảng Tidyverse với R của DataCamp.
Sự trỗi dậy của khoa học dữ liệu
Sẽ là thiếu sót nếu mô tả sự phát triển của R mà không đề cập chi tiết hơn đến sự trỗi dậy của khoa học dữ liệu.
Khi thế giới chuyển từ hệ thống tương tự sang số hóa (chuyển đổi hệ thống hiện có sang kỹ thuật số) vào cuối thế kỷ 20, dữ liệu trở nên ngày càng có giá trị. Ngày nay, nó còn đáng giá hơn vàng.
Doanh nghiệp ở mọi lĩnh vực, ngành nghề cần hiểu khách hàng và khách hàng tiềm năng để duy trì cạnh tranh, và các tổ chức công có thể làm tốt hơn khi được trang bị càng nhiều thông tin càng tốt.
Tất cả dữ liệu đó chứa đựng nhiều insight mà các tổ chức có thể khai thác, họ chỉ cần công cụ phù hợp.
R là một trong những công cụ như vậy, bên cạnh Python, SQL, Power Bi, Tableau và các công cụ khác. Để hiểu đúng thông tin ẩn trong dữ liệu, chúng ta cần các chuyên gia như nhà khoa học dữ liệu và nhà phân tích.
Khi khoa học dữ liệu trở nên quan trọng hơn trong thế giới hiện đại, nhu cầu về những người có kỹ năng kỹ thuật để đọc và diễn giải dữ liệu cũng tăng theo. Ngày nay, chẳng hạn, khoa học dữ liệu là một trong những vai trò CNTT được trả lương cao nhất, với mức lương trung bình hơn 120.000 USD, theo Indeed.
Ai sử dụng R?
R được nhiều chuyên gia sử dụng trong công việc, và ngôn ngữ này xuất hiện trong nhiều lĩnh vực khác nhau. Trước khi xem xét các lĩnh vực đó, hãy điểm qua một số nghề nghiệp có thể theo đuổi với kỹ năng R.
Nghề nghiệp với R
- Nhà khoa học dữ liệu
- Kỹ sư thống kê
- Nhà phân tích dữ liệu
- Lập trình viên R
- Kiến trúc sư dữ liệu
- Quản trị viên cơ sở dữ liệu
- Nhà thống kê địa lý
- Nhà nghiên cứu
- Tình báo kinh doanh
- Chuyên viên phân tích tài chính
- Nhà khoa học học máy
- Chuyên viên phân tích định lượng
- Nhà thống kê
- Và nhiều hơn nữa…
Các lĩnh vực và ngành nghề sử dụng R
Vì mạnh mẽ và có khả năng thực hiện đủ loại tác vụ phân tích, trực quan hóa và mô hình hóa dữ liệu, R được dùng trong nhiều ngành và khu vực đa dạng. Dưới đây chỉ là một vài ví dụ:
Hàn lâm
Tương tự như tiếng Anh là ngôn ngữ quốc tế, R là ngôn ngữ lập trình chủ đạo tại nhiều cơ sở học thuật. Việc sử dụng không chỉ giới hạn ở thống kê; nhiều loại hình nghiên cứu cần dữ liệu định lượng như tương quan, thực nghiệm và mô tả, và những điều này xuất hiện trong nhiều lĩnh vực.
Quá trình số hóa (việc đón nhận dữ liệu và các công cụ liên quan) và sự trỗi dậy của dữ liệu lớn đã chạm đến mọi lĩnh vực học thuật và nghiên cứu, dẫn đến việc sử dụng R nhiều hơn trong môi trường hàn lâm.
Ví dụ, Gói Thống kê cho Khoa học Xã hội (SPSS) của IBM từng là lựa chọn phần mềm hàng đầu cho khoa học xã hội. Nay, R là lựa chọn số một vì nhiều lý do:
- R 100% miễn phí cho cả tổ chức và sinh viên
- R tương thích với mọi hệ điều hành và dữ liệu từ nhiều loại tệp
- R cho phép nghiên cứu minh bạch và có thể tái lập
- R giúp tạo trực quan hóa dữ liệu dễ dàng
Một khảo sát của DataCamp năm 2013 về R trong giáo dục cho thấy 71,1% người phản hồi thuộc kinh tế hoặc kinh doanh trong khi chỉ 10,5% thuộc khoa học máy tính, cho thấy năng lực và kỹ năng dữ liệu quan trọng trên mọi lĩnh vực.
Khoa học dữ liệu
Cùng với Python, R là ngôn ngữ quan trọng trong thế giới khoa học dữ liệu. Với sự trợ giúp của R, các chuyên gia có thể mô hình hóa và phân tích cả dữ liệu có cấu trúc và phi cấu trúc, đồng thời dùng R để tạo các công cụ học máy và phân tích thống kê hỗ trợ công việc.
R giúp xử lý dữ liệu từ nhiều nguồn một cách dễ dàng, từ nhập liệu đến phân tích. Thêm vào đó, bản thân hệ thống R và thư viện CRAN cung cấp nhiều chức năng và công cụ trực quan hóa dữ liệu, giúp các chuyên gia trình bày nghiên cứu và phát hiện của mình theo cách tác động và dễ đọc.
Thống kê
Điều này gần như hiển nhiên vì R là ngôn ngữ lập trình thống kê, nhưng R là lựa chọn hàng đầu cho thống kê và tính toán thống kê — rốt cuộc, nó được các nhà thống kê thiết kế cho mục đích này.
Nhiều gói hỗ trợ công việc trong lĩnh vực này, trong khi ngôn ngữ R có thể dùng để phát triển các công cụ phần mềm bao gồm chức năng thống kê. Việc sử dụng thậm chí có thể đi xa hơn. Trong một phỏng vấn, nhà khoa học máy tính Joe Cheng của RStudio cho biết R có thể được dùng như một ngôn ngữ mục đích chung để hiện thực các ngôn ngữ thống kê mới.
Tài chính
Với tính linh hoạt và năng lực cho mọi tác vụ phân tích dữ liệu, không ngạc nhiên khi R ngày càng được dùng nhiều trong tài chính. Các công ty như ANZ và Bank of America dùng ngôn ngữ này để phân tích và mô hình hóa rủi ro tín dụng, lập báo cáo tài chính, quản lý danh mục đầu tư và nhiều tác vụ khác.
Các công cụ chuyên dụng như jrvFinance và bộ gói Rmetrics cho phép người làm tài chính thực hiện tính toán tài chính, ngay cả khi họ có kinh nghiệm lập trình hạn chế.
DataCamp cung cấp nhiều khóa học R cho tài chính, bao gồm Những nền tảng tài chính với R và Tài chính ứng dụng với R.
Mạng xã hội
Kể từ những ngày đầu của Open Dairy và Bolt, mạng xã hội đã mở rộng phạm vi từ một vài người dùng am hiểu công nghệ đến hầu như mọi ai sở hữu điện thoại thông minh. Ngày nay, thật khó tìm ai hoàn toàn không dùng nền tảng mạng xã hội nào.
Mạng xã hội cũng là ngành kinh doanh lớn, chủ yếu giao dịch bằng dữ liệu. Các công ty như Meta (Facebook và Instagram) và TikTok dựa vào thói quen người dùng để cung cấp quảng cáo nhắm mục tiêu cho doanh nghiệp khác.
Mọi thứ bạn làm hay tương tác trên mạng xã hội đều tạo ra dữ liệu có thể dùng cho mục đích này, và các công cụ như R là cách hoàn hảo để các công ty mạng xã hội trích xuất insight từ lượng dữ liệu khổng lồ họ thu thập và quản lý các thuật toán giữ chân người dùng với nội dung phù hợp sở thích.
Những công ty nào sử dụng R?
Dưới đây là một vài công ty tên tuổi sử dụng R trong ngăn xếp công nghệ của họ:
- Bank of America
- Amazon
- JP Morgan
- Accenture
- IBM
- Uber
- Deloitte
- The New York Times
- Ford
- HP
- Và còn nhiều nữa…
Một số ví dụ mã
R có thể thực hiện mã cơ bản như tạo ma trận và thao tác với nó, như dưới đây:
#Let’s create a matrixmatrix_A <- matrix(1:10,nrow = 5, byrow = TRUE)matrix_A
#Now let’s add a column to the matrixmatrix_A1 <- cbind(matrix_A,c(6:10))matrix_A1
Nó cũng có thể hỗ trợ phân tích và thao tác dữ liệu:
#Let's load a built-in dataset data(mtcars)#print first 10 rowshead(mtcars,10)
#Let us try to sort the dataset based on ascending order of horsepowerattach(mtcars)df<- mtcars[order(hp),]head(df,10)
R cơ bản và R nâng cao
Những người có kiến thức R cơ bản có thể dùng ngôn ngữ lập trình này để thực hiện các tác vụ sắp xếp và phân tích dữ liệu đơn giản, như gán biến và dùng dòng lệnh để tính toán.
Họ cũng có thể tạo biểu diễn trực quan của dữ liệu, như biểu đồ tròn hoặc đồ thị. Thậm chí họ có thể dùng R để giúp quản lý tài chính cá nhân của mình hoặc của một công ty nhỏ.
Đúng như mong đợi, những người có kiến thức R nâng cao có thể làm tất cả những điều này và còn nhiều hơn thế.
Việc sử dụng R vượt ra ngoài tạo trực quan hóa và phân tích dữ liệu. Vì là công cụ tính toán thống kê mạnh mẽ, R có thể dùng để xây dựng các mô hình học máy dự đoán và công cụ khoa học dữ liệu khác.
Mặc dù chủ yếu là ngôn ngữ hàm và chuyên biệt theo miền, R thậm chí có thể dùng cho một số tác vụ lập trình hướng đối tượng. Chuyên gia cũng có thể dùng R cho siêu lập trình, tức tạo chương trình có thể viết hoặc thao tác các chương trình khác.
Dù bạn chỉ muốn một công cụ để quản lý thói quen chi tiêu của mình tốt hơn hay muốn trở thành bậc thầy về mã R, DataCamp đều có thể giúp. Dải khóa học và lộ trình nghề nghiệp về R của chúng tôi phù hợp với mọi đối tượng, từ người mới hoàn toàn đến lập trình viên R thành thạo và hơn thế nữa.
Hãy xem R Cheat Sheet của chúng tôi, trong đó tóm lược một số kiến thức cơ bản
Tôi nên chọn R hay Python?
Chúng tôi có một bài viết đầy đủ về R so với Python — thực tế, nếu bạn muốn theo đuổi nghiêm túc khoa học dữ liệu và phân tích, cuối cùng bạn sẽ cần học cả hai. Python, một ngôn ngữ mục đích chung với hệ sinh thái rộng, đôi khi được ưa chuộng vì tính linh hoạt, lý tưởng cho học máy, AI và tích hợp với công cụ khác. R, mặt khác, được thiết kế chuyên biệt cho tính toán và đồ họa thống kê, là lựa chọn ưu tiên cho các phân tích thống kê chuyên sâu và nghiên cứu.
Việc chọn học hay dùng ngôn ngữ nào thường phụ thuộc vào dự án bạn đang làm và mục tiêu mong muốn. May mắn là cả hai ngôn ngữ đều có rất nhiều tài nguyên học tập để bạn rèn luyện kỹ năng.
R là gì? Kết luận
R là ngôn ngữ lập trình phổ biến cho phép con người xử lý thành thạo lượng dữ liệu lớn, tạo ra các trực quan hóa đạt chất lượng xuất bản và thực hiện nhiều tác vụ tính toán thống kê, phân tích.
Được sử dụng trong các lĩnh vực như khoa học dữ liệu, tài chính, học thuật và hơn thế nữa, R mạnh mẽ, linh hoạt và có thể mở rộng. Nó cũng miễn phí và hoàn toàn mã nguồn mở, đồng nghĩa có rất nhiều gói hỗ trợ người dùng R trong mọi tác vụ và một cộng đồng người yêu R luôn sẵn sàng hỗ trợ trên toàn thế giới.
Nếu bạn quan tâm đến sự nghiệp trong lĩnh vực dữ liệu, kỹ năng R có thể giúp bạn bứt phá — và giành được công việc được trả lương cao trong khoa học dữ liệu. DataCamp là nơi có danh mục khóa học R toàn diện nhất trên internet. Từ cấp nhập môn cho đến học máy với R, chúng tôi đều có. Nếu bạn mới bắt đầu, Lộ trình kỹ năng Lập trình R là nơi hoàn hảo để bắt kịp tốc độ. Bạn cũng có thể xem Lộ trình nghề nghiệp Nhà phân tích dữ liệu với R để khởi động hành trình sự nghiệp.
