Ce cours couvre des sujets avancés en programmation R qui sont nécessaires pour développer des outils de science des données puissants, robustes et réutilisables. Les sujets abordés incluent la programmation fonctionnelle en R, la gestion robuste des erreurs, la programmation orientée objet, le profilage et le benchmarking, le débogage et la conception correcte des fonctions. À l'issue de ce cours, vous serez en mesure d'identifier et d'abstraire les tâches courantes d'analyse de données et de les encapsuler dans des fonctions destinées à l'utilisateur. Parce que chaque environnement de science des données rencontre des défis uniques, il y a toujours un besoin de développer des logiciels personnalisés spécifiques à la mission de votre organisation. Vous serez également en mesure de définir de nouveaux types de données dans R et de développer un univers de fonctionnalités spécifiques à ces types de données pour permettre une exécution plus propre des tâches de science des données et une plus grande réutilisation au sein d'une équipe.

Écrire un bon code pour la science des données n'est qu'une partie du travail. Afin de maximiser l'utilité et la réutilisation des logiciels de science des données, le code doit être organisé et distribué d'une manière qui adhère aux normes de la communauté et offre une bonne expérience à l'utilisateur. Ce cours couvre les principaux moyens par lesquels les logiciels R sont organisés et distribués à d'autres. Nous couvrons le développement de paquets R, l'écriture d'une bonne documentation et de vignettes, l'écriture de logiciels robustes, le développement multiplateforme, les outils d'intégration continue, et la distribution de paquets via CRAN et GitHub. Les apprenants produiront des paquets R qui satisfont aux critères de soumission au CRAN.

La révolution de la science des données a produit des quantités de nouvelles données provenant d'une grande variété de nouvelles sources. Ces nouveaux ensembles de données sont utilisés pour répondre à de nouvelles questions d'une manière jamais conçue auparavant. La visualisation reste l'un des moyens les plus puissants pour tirer des conclusions à partir des données, mais l'afflux de nouveaux types de données nécessite le développement de nouvelles techniques de visualisation et de nouveaux blocs de construction. Ce cours vous permet d'acquérir les compétences nécessaires à la création de ces nouveaux éléments de visualisation. Nous nous concentrons sur le framework ggplot2 et décrivons comment utiliser et étendre le système pour répondre aux besoins spécifiques de votre organisation ou de votre équipe. A l'issue de ce cours, les apprenants seront en mesure de construire les outils nécessaires à la visualisation d'une grande variété de types de données et auront les bases nécessaires pour aborder les nouveaux types de données au fur et à mesure de leur apparition.

Programmation R Capstone