Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Scrivere codice R più pulito e riutilizzabile
- Analisi degli elementi che rendono il codice R scalabile, leggibile e mantenibile.
- Creazione di funzioni riutilizzabili con parametri di input/output chiari e valori predefiniti appropriati.
- Riduzione della ridondanza grazie a una progettazione più efficace delle funzioni e all’organizzazione dei script.
Flussi di lavoro pratici per la trasformazione dei dati
- Realizzazione di pipeline analitiche chiare mediante gli strumenti del pacchetto tidyverse.
- Lavoro con operazioni di raggruppamento, unione e riorganizzazione dei dati.
- Strutturazione delle fasi di preparazione dei dati per analisi ripetibili.
Programmazione funzionale per compiti ripetitivi
- Utilizzo di strumenti iterativi come alternativa alle classiche cicli.
- Applicazione di flussi di lavoro basati su map attraverso il pacchetto purrr.
- Gestione più sicura degli errori e dei valori mancanti nei processi ripetitivi.
Debug e ottimizzazione delle prestazioni
- Rilevamento e correzione di errori comuni nei script e nelle funzioni.
- Utilizzo di tecniche pratiche per il debugging in R e RStudio.
- Eseguire benchmark del codice lento e apportare miglioramenti mirati alle sue prestazioni.
Creazione di report riproducibili e comunicazione efficace
- Realizzazione di report riproducibili con R Markdown.
- Miglioramento dell’output visivo tramite ggplot2 per una comunicazione più chiara.
- Preparazione dei risultati analitici da condividere con aziende o team di ricerca.
Workshop applicativo e prossimi passi
- Svolgimento di un esercizio pratico che integra funzioni, flussi di lavoro sui dati, debugging e reporting.
- Riepilogo delle tecniche principali e dei modelli ricorrenti nell’utilizzo quotidiano di R.
- Individuazione dei prossimi passi per proseguire lo sviluppo come programmatori in R.
Requisiti
- Buona padronanza della sintassi base di R, dei tipi di dati, dei vettori e dei data frame
- Esperienza nella scrittura di script in R e nell’utilizzo di RStudio
- Conoscenze intermedie di programmazione in R, inclusa la manipolazione base dei dati e la creazione di grafici
Destinatari
- Analisti di dati che desiderano scrivere codice R più efficiente, riutilizzabile e mantenibile.
- Data scientist che hanno bisogno di flussi di lavoro più solidi per l’analisi, la creazione di report e la collaborazione.
- Ricercatori e professionisti tecnici che utilizzano R nella loro attività quotidiana con i dati.
14 ore
Recensioni (1)
The flexible and friendly style. Learning exactly what was useful and relevant for me.
Jenny
Corso - Advanced R
Traduzione automatica
