De Bedste steder at lære R Programmering Today

Folk er altid nysgerrig hvilken programmering sprog, de skal lære - som er de mest værdifulde? Hvilket vil få dem et job? Hvilke nemmeste og sværeste?

Et sprog, der er blevet vist en masse mere om den ", som programmeringssprog at lære" liste er R, et sprog med fokus på statistisk computing (i virkeligheden, det er # 6 på IEEE Spectrum s 2015 liste over top programmeringssprog).

Hvorfor er R bliver mere populære, hvad kan det gøre, og hvor kan du lære at bruge det?

hvad er R? Hvem bruger det?

R er en udvidelse af programmeringssprog kaldet S. modsætning S, R har fået en enorm mængde af popularitet, hovedsagelig fordi det er et gratis alternativ til meget kraftfuld software, der bruges til statistisk databehandling ligesom SAS, SPSS, og Matlab, som alle er dyre. Mens R kan bruges til mange forskellige ting, er det bedst til dataanalyse.

En af grundene til, at det er så kraftfuld er, at folk kan oprette og distribuere "pakker", der tilføjer til basis funktionalitet sproget. Et hurtigt kig på nogle af de seneste pakker, der skal posteret omfatter en for retningsbestemte statistik, en anden for flere fælles modellering imputering, og - i en pause fra de fleste anvendelser af sproget - til at bygge "attraktive CV" ved hjælp af en database, LaTeX, og R.

Nogle af verdens største virksomheder bruger R.

Ifølge revolution Analytics, bruger Google den til at beregne investeringsafkast (ROI) af reklamekampagner og forudsige den økonomiske aktivitet. Microsoft bruger den til matchmaking på Xbox-netværket. The National Weather Service genererer grafik med det. oDesk bruger sproget til at analysere resultater fra forsøg. Twitter inkluderer R som en del af sin data Science værktøjskasse

Mulighederne for R er næsten ubegrænsede -. Og så big data bliver mere vigtige område, evnen til effektivt at analysere det kommer til at stige i betydning så godt. R er fantastisk til dataanalyse, og dets open source, samarbejdsorienteret natur gør det til et af de bedste værktøjer derude. Hvis du er interesseret i at blive en data videnskabsmand, ville du gøre klogt i at lære det.

Læring R

selvfølgelig, fordi R interface er meget mere nøgne knogler end apps som SAS , SPSS, og Matlab, du vil få brug for at sætte i en masse arbejde at blive en ekspert. R har en temmelig stejl indlæringskurve, hvis du ønsker at bevæge sig ud over det basale, så du skal bruge nogle af høj kvalitet læringsressourcer, hvis du kommer til at starte din rejse ud på højre fod.

Lad os gå til nogle af de bedste.

Prøv R

kode skolens kort introduktion, Prøv R
, er en fantastisk måde at lære det grundlæggende . Det præsenteres i et interaktivt format, hvilket gør det mere interessant og effektiv end nogle andre læringsmetoder. Du vil lære om vektorer, matricer, faktorer, grundlæggende statistik, data frames, og hvordan man kan udvide R bruger eksterne biblioteker.

Bedst af alt, hele kurset er gratis. For en nybegynder alt, det er svært at slå

Udforsk Statistik med R

Dette kursus har tre dele.; det grundlæggende i R, udforske statistiske begreber gennem programmering, og et afsnit, hvor forskerne forklarer, hvordan de har brugt R og statistik til at løse virkelige videnskabelige spørgsmål.

Dette kursus er fokuseret på at bruge R i sundhedssektoren videnskaber, men vil være værdifuldt for en række mennesker, fra dem, der er fortrolig med statistik til dem, der er helt nyt for området.

Twotorials

i en serie af to-minutters videoer, vil du gå fra det grundlæggende, som "Hvad er R?" til mere avancerede emner, herunder at skabe sløjfer og kører SQL-kommandoer i R til at interagere med databaser. Ved udgangen, vil du selv lære at lave fantastisk kaffe ved timing din franske presse pourover med R.

Hvis du leder efter noget lidt anderledes end den lærebog-stil indlæring af andre ressourcer, giver denne ene et skud.

Kaggle Tutorial på Machine Learning

Kaggle er en hjemmeside, der er vært dataanalyse konkurrencer, som kan vinde dig en masse penge. . . men de vil også hjælpe dig i gang med denne introduktion til maskine læring med R. Dette er en hurtig, mellemliggende niveau introduktion til de relevante begreber, og det er fantastisk, hvis du er interesseret i dataanalyse (og ikke kun statistik) med R.

Den primære ting du vil lære er DataCamp grænseflade, beslutning træer, og tilfældige skove, som er gode data modelværktøjer.

R Manualer

på den officielle R hjemmeside, der er en samling af håndbøger, der dækker en række emner, fra det grundlæggende i R til instruktioner om, hvordan man skriver dine egne extensions. Mens du kunne læse "Introduktion til R" fra ende til anden, er det nok bedst bruges som reference manual for, når du løber ind i problemer, og du har brug for at finde specifikke oplysninger om selve sproget. De øvrige dokumenter på listen sandsynligvis ikke vil komme i handy, indtil du er en R ekspert, men dette er en stor side at have bookmarked alligevel.

Økonometri i R Hotel (PDF Download ), en anden gratis ressource til rådighed fra hjemmesiden, er et populært ressource for at lære sproget. Det er lidt tæt, men det indeholder kun om alt, hvad du behøver at vide for at komme i gang.

RStudio Vejledninger

RStudio er et integreret udviklingsmiljø (IDE) for R - og selvom du ikke behøver at bruge det til at blive en R ekspert, du måske finde det meget nyttigt. Den RStudio hjemmeside har en række tutorials til rådighed, samt links til andre nyttige sider. Der er bog anbefalinger; en introduktion til Shiny, en cool måde at vise dine data resultater online; og oplysninger om R Markdown, et andet nyttigt værktøj til deling af data.

Der er en blanding af gratis og betalte ressourcer her, men hvis du bruge lidt tid på at gennemse omkring, kan du finde nogle rigtig gode ting, du kan få uden at betale.

et par mere Værdige Ressourcer på R

med sin klatring popularitet, du kan finde et par flere websteder for at få at vide sproget.

hvirvel

Quick-R

R-Bloggere

RDataMining

coursera R Programmering

inde - R (et community site)

LearnR-YouTube

Start med at lære

Som med enhver anden programmeringssprog, den bedste måde at lære på er at finde et problem at du gerne vil løse, og begynde at designe en løsning. Med nogle beslutsomhed og disse ressourcer til rådighed, vil du bruge R til at analysere datasæt på ingen tid.

Er du arbejder med R? Hvad er dine yndlings R ressourcer? Del dem nedenfor, så vi alle kan lære af dem!