programming python

Tôi có cần học r nếu tôi biết python không?

R là ngôn ngữ lập trình ngày càng phổ biến, đặc biệt trong thế giới phân tích dữ liệu và khoa học dữ liệu. Bạn thậm chí có thể đã nghe mọi người nói rằng rất dễ học R. Nhưng dễ dàng là tương đối. Học R có thể là một thử thách khó chịu nếu bạn không chắc cách tiếp cận nó

Nếu trước đây bạn gặp khó khăn khi học R hoặc một ngôn ngữ lập trình khác, chắc chắn bạn không đơn độc. Và đó không phải là lỗi của bạn, hay một số vấn đề cố hữu với ngôn ngữ

Thông thường, đó là kết quả của sự không phù hợp giữa động cơ thúc đẩy bạn học và cách bạn thực sự học.

Sự không phù hợp này gây ra những vấn đề lớn khi bạn học bất kỳ ngôn ngữ lập trình nào, bởi vì nó đưa bạn thẳng đến một nơi mà chúng tôi gọi là vách đá của sự nhàm chán.

Vách đá của sự nhàm chán là gì?

Vách đá của sự nhàm chán là một phép ẩn dụ, nhưng đôi khi nó thực sự có cảm giác như bạn đang nhìn vào thứ này

Không ai đăng ký học một ngôn ngữ lập trình vì họ thích cú pháp. Tuy nhiên, nhiều tài nguyên học tập, từ sách giáo khoa đến các khóa học trực tuyến, được viết với ý tưởng rằng sinh viên cần nắm vững tất cả các lĩnh vực chính của cú pháp R trước khi họ có thể thực hiện bất kỳ công việc thực sự nào với nó.

Đây là quá trình khiến những người mới học bỏ học hàng loạt

Bạn hào hứng với việc học một ngôn ngữ lập trình vì bạn muốn làm điều gì đó với nó
Bạn cố gắng bắt đầu học và ngay lập tức bị dẫn đến bức tường khổng lồ của những thứ phức tạp và nhàm chán
Bạn vật lộn với một số thứ nhàm chán mà không biết nó liên quan như thế nào đến điều bạn thực sự muốn làm

Có bất kỳ thắc mắc nào khi nhiều người bỏ cuộc khi đây là trải nghiệm học tập mặc định không?

Đừng hiểu lầm tôi - không có cách nào khác ngoài việc học cú pháp, trong R hoặc bất kỳ ngôn ngữ lập trình nào khác

Nhưng có một cách để tránh vách đá của sự nhàm chán

Thật đáng tiếc khi có quá nhiều sinh viên bỏ học ở vách đá, bởi vì R hoàn toàn đáng để học. Trên thực tế, R có một số lợi thế lớn so với ngôn ngữ khác đối với bất kỳ ai quan tâm đến việc học khoa học dữ liệu

Hệ sinh thái R gọn gàng làm cho tất cả các loại nhiệm vụ khoa học dữ liệu hàng ngày trở nên rất đơn giản
Trực quan hóa dữ liệu trong R có thể vừa đơn giản vừa rất mạnh mẽ
R được xây dựng để thực hiện tính toán thống kê
Cộng đồng R trực tuyến là một trong những cộng đồng lập trình thân thiện và hòa nhập nhất
Môi trường phát triển tích hợp RStudio [IDE] là một công cụ mạnh mẽ để lập trình với R vì tất cả mã, kết quả và trực quan hóa của bạn đều ở cùng một nơi. Với RStudio Cloud, bạn có thể lập trình trong R bằng RStudio bằng trình duyệt web của mình

Và tất nhiên, học R có thể rất tốt cho sự nghiệp của bạn. Khoa học dữ liệu là một lĩnh vực đang phát triển nhanh với mức lương trung bình cao [hãy xem mức lương của bạn có thể tăng bao nhiêu]

Và rất nhiều công ty và tổ chức sử dụng R cho công việc khoa học dữ liệu. Đây là một ví dụ rất ngắn về một số công ty sử dụng R [từ Hired. com kể từ tháng 4 năm 2021]

không gian vũ trụ
Google
Starbucks
Fitbit
Kraft Heinz
Hulu
amazon
tôi người máy
Ubisoft
Allstate
co giật
AT&T
Lực lượng bán hàng
Pfizer
động cơ chung
Northrop Grumman
Ralph Lauren
Goldman sach

Danh sách này chỉ là phần nổi của tảng băng trôi - hàng ngàn và hàng ngàn công ty trên toàn cầu thuê những người có kỹ năng R và R cũng rất có nhu cầu trong giới học thuật và chính phủ. Ngay cả từ danh sách ngắn này, rõ ràng là ai đó có kỹ năng R có thể làm việc trong hầu hết mọi ngành mà họ muốn

Công nghệ lớn, tài chính, trò chơi điện tử, dược phẩm lớn, bảo hiểm, thời trang - mọi ngành đều cần những người có thể làm việc với dữ liệu và điều đó có nghĩa là mọi ngành đều sử dụng kỹ năng lập trình R

Vì vậy, làm thế nào bạn có thể có được chúng?

Bước 1. Tìm động lực học tập của bạn R

Trước khi bạn bẻ khóa sách giáo khoa, hãy đăng ký một nền tảng học tập hoặc nhấp vào phát video hướng dẫn đầu tiên của bạn, dành thời gian để thực sự suy nghĩ về lý do tại sao bạn muốn học R và bạn muốn làm gì với nó

Bạn muốn làm việc với dữ liệu nào?
Những dự án bạn sẽ thích xây dựng?
Bạn muốn trả lời những câu hỏi nào?

Tìm thứ gì đó thúc đẩy bạn trong quá trình. Điều này sẽ giúp bạn xác định mục tiêu cuối cùng của mình và nó sẽ giúp bạn đạt được mục tiêu cuối cùng đó mà không cảm thấy nhàm chán

Cố gắng đi sâu hơn “trở thành một nhà khoa học dữ liệu. ” Có đủ loại nhà khoa học dữ liệu làm việc với rất nhiều vấn đề và dự án. Bạn có quan tâm đến việc phân tích ngôn ngữ?

Chọn một hoặc hai điều mà bạn quan tâm và bạn sẵn sàng gắn bó với nó. Hướng việc học của bạn về phía họ và xây dựng các dự án phù hợp với sở thích của bạn

Tìm ra động cơ thúc đẩy bạn sẽ giúp bạn tìm ra mục tiêu cuối cùng và con đường đưa bạn đến đó mà không cảm thấy nhàm chán. Bạn không cần phải tìm ra một dự án chính xác, chỉ là một lĩnh vực chung mà bạn quan tâm khi chuẩn bị học R

Chọn một lĩnh vực mà bạn quan tâm, chẳng hạn như

Khoa học dữ liệu / Phân tích dữ liệu
Trực quan hóa dữ liệu
Mô hình dự đoán / học máy
Số liệu thống kê
báo cáo tái sản xuất
báo cáo bảng điều khiển

Tạo trực quan hóa dữ liệu ba chiều trong R bằng rayshader

Bước 2. Tìm hiểu cú pháp cơ bản

Thật không may, không có cách nào để tránh hoàn toàn bước này. Cú pháp là một ngôn ngữ lập trình thậm chí còn quan trọng hơn cú pháp trong ngôn ngữ của con người. Nếu ai đó nói “I’m the store going to,” cú pháp tiếng Anh của họ sai, nhưng bạn vẫn có thể hiểu ý của họ. Thật không may, máy tính ít tha thứ hơn nhiều khi chúng diễn giải mã của bạn

Tuy nhiên, học cú pháp rất nhàm chán, vì vậy mục tiêu của bạn là dành càng ít thời gian càng tốt để học cú pháp. Thay vào đó, hãy học càng nhiều cú pháp càng tốt trong khi giải quyết các vấn đề trong thế giới thực mà bạn quan tâm để có thứ gì đó giúp bạn có động lực mặc dù bản thân cú pháp không thú vị lắm.

Dưới đây là một số tài nguyên để học những điều cơ bản về R

Codecademy — dạy cú pháp cơ bản rất tốt
yêu cầu dữ liệu. Giới thiệu về Lập trình R — Chúng tôi đã xây dựng Dataquest để giúp sinh viên ngành khoa học dữ liệu tránh khỏi sự nhàm chán bằng cách tích hợp dữ liệu trong thế giới thực và các vấn đề khoa học dữ liệu thực ngay từ đầu. Chúng tôi nghĩ rằng việc học cú pháp trong bối cảnh giải quyết các vấn đề thực tế sẽ khiến việc học trở nên thú vị hơn và nền tảng tương tác của chúng tôi thách thức bạn thực sự áp dụng những gì bạn đang học, kiểm tra công việc của bạn khi bạn tiếp tục
R cho Khoa học dữ liệu - Một trong những tài nguyên hữu ích nhất để học R và các công cụ gọn gàng. Có sẵn bản in từ O'Reilly hoặc trực tuyến miễn phí
RStudio Education – RStudio là môi trường phát triển tích hợp [IDE] phổ biến nhất để lập trình với R. Trang giáo dục dành cho người mới bắt đầu của họ chứa các tài nguyên hữu ích bao gồm hướng dẫn, sách và hội thảo trên web
RStudio Cloud Primers – Bắt đầu viết mã trong R mà không cần cài đặt bất kỳ phần mềm nào với các hướng dẫn dựa trên đám mây từ RStudio

Bạn có thể làm việc với các dự án càng nhanh, bạn sẽ học R càng nhanh. Bạn luôn có thể tham khảo nhiều nguồn khác nhau để học và kiểm tra lại cú pháp nếu bạn gặp khó khăn sau này. Nhưng mục tiêu của bạn là dành nhiều nhất một vài tuần cho giai đoạn này.

RStudio Cheatsheets là hướng dẫn tham khảo tuyệt vời cho cú pháp R

Bước 3. Làm việc trên các dự án có cấu trúc

Khi bạn đã có đủ cú pháp trong vành đai của mình, bạn đã sẵn sàng chuyển sang các dự án có cấu trúc một cách độc lập hơn. Các dự án là một cách tuyệt vời để học, bởi vì chúng cho phép bạn áp dụng những gì bạn đã học đồng thời cũng thách thức bạn học những điều mới và giải quyết vấn đề trong quá trình thực hiện. Ngoài ra, các dự án xây dựng sẽ giúp bạn tập hợp một danh mục đầu tư mà bạn có thể hiển thị cho các nhà tuyển dụng trong tương lai sau này

Bạn có thể chưa muốn đi sâu vào các dự án hoàn toàn độc đáo. Bạn sẽ gặp khó khăn rất nhiều và quá trình này có thể gây khó chịu. Thay vào đó, hãy tìm các dự án có cấu trúc cho đến khi bạn có thể tích lũy thêm một chút kinh nghiệm và nâng cao mức độ thoải mái của mình

Nếu bạn chọn học R với Dataquest, điều này được tích hợp ngay trong chương trình giảng dạy của chúng tôi — gần như mọi khóa học về khoa học dữ liệu của chúng tôi đều kết thúc bằng một dự án có hướng dẫn thách thức bạn tổng hợp và áp dụng những gì bạn đang học. Các dự án này cung cấp một số cấu trúc, vì vậy bạn không hoàn toàn là của riêng mình, nhưng chúng có kết thúc mở hơn so với nội dung khóa học thông thường để cho phép bạn thử nghiệm, tổng hợp các kỹ năng của mình theo những cách mới và phạm sai lầm

Nếu bạn không học với Dataquest, có rất nhiều dự án có cấu trúc khác để bạn thực hiện. Hãy xem xét một số tài nguyên tốt cho các dự án trong từng khu vực

Khoa học dữ liệu / Phân tích dữ liệu

Dataquest — Dạy bạn R và khoa học dữ liệu một cách tương tác. Bạn phân tích một loạt các bộ dữ liệu thú vị, từ tài liệu CIA đến số liệu thống kê về người chơi WNBA
R cho Khoa học dữ liệu – của Hadley Wickham và Garrett Grolemund là một tài nguyên R tuyệt vời với các bài tập đầy thử thách và động lực
TidyTuesday – Một dự án dữ liệu xã hội hàng tuần, bán cấu trúc trong R, nơi những người mới bắt đầu học r dọn dẹp, sắp xếp, ngăn nắp và vẽ một tập dữ liệu mới vào thứ Ba hàng tuần. Bộ dữ liệu mới được đăng hàng tuần. Kết quả được chia sẻ trên Twitter bằng cách sử dụng thẻ bắt đầu bằng #tidytuesday

Trực quan hóa dữ liệu

ggplot2 – Một trong những công cụ phổ biến nhất để trực quan hóa dữ liệu trong R là gói ggplot2. Chương trực quan hóa dữ liệu từ R cho Khoa học dữ liệu là một nơi tuyệt vời để tìm hiểu kiến thức cơ bản về trực quan hóa dữ liệu với ggplot2. Chương về Đồ họa cho giao tiếp là một nguồn tuyệt vời để làm cho đồ họa trông chuyên nghiệp hơn
rayshader – xây dựng bản đồ hai chiều và ba chiều trong R với gói rayshader. Bạn cũng có thể chuyển đổi đồ họa được phát triển bằng ggplot2 thành 3D bằng rayshader

Mô hình dự đoán / học máy

Bắt đầu với Tidymodels – một loạt bài viết dạy về mô hình gọn gàng, một bộ sưu tập các gói để lập mô hình và học máy bằng cách sử dụng các nguyên tắc gọn gàng
Tạo các mô hình mạnh mẽ với Tidymodels – xây dựng và đào tạo các mô hình dự đoán với chuỗi dự án này
Điều chỉnh, so sánh và làm việc với các mô hình – sử dụng các phương pháp như tìm kiếm lưới, lấy mẫu lại lồng nhau và phương pháp Bayes bằng các công cụ mô hình gọn gàng
Phát triển các công cụ tạo mô hình tùy chỉnh - nâng cao và tùy chỉnh các mô hình của bạn bằng các hướng dẫn này

Số liệu thống kê

Thực hiện phân tích thống kê với Tidymodels – một loạt các bài viết nâng cao hơn sử dụng các mô hình gọn gàng để phân tích thống kê

báo cáo tái sản xuất

Bắt đầu với R Markdown — Hướng dẫn – xây dựng hướng dẫn tham khảo R Markdown của riêng bạn với hướng dẫn miễn phí này từ Dataquest. Cải thiện kỹ năng R Markdown của bạn bằng cách ghi lại bất kỳ dự án nào được mô tả ở đây với R Markdown
R Markdown Cookbook – là một cuốn sách trực tuyến toàn diện, miễn phí chứa hầu hết mọi thứ bạn cần biết về R Markdown
R hạ gục. The Definitive Guide – một tài nguyên tuyệt vời, miễn phí khác để học R Markdown

báo cáo bảng điều khiển

Hướng dẫn về bảng điều khiển sáng bóng - tạo bảng điều khiển trong R bằng bảng điều khiển sáng bóng bằng cách sử dụng các hướng dẫn này từ RStudio
Thư viện sáng bóng – hãy xem thư viện này từ RStudio để biết một số cảm hứng và ví dụ về Bảng điều khiển sáng bóng

Bước 4. Xây dựng dự án của riêng bạn

Khi bạn đã hoàn thành một số dự án có cấu trúc, có lẽ bạn đã sẵn sàng chuyển sang giai đoạn tiếp theo của việc học R. thực hiện các dự án khoa học dữ liệu độc đáo của riêng bạn. Thật khó để biết bạn đã thực sự học được bao nhiêu cho đến khi bạn bước ra ngoài và thử làm điều gì đó một mình. Làm việc trên các dự án độc đáo mà bạn quan tâm sẽ cho bạn ý tưởng tuyệt vời không chỉ về quãng đường bạn đã đi mà còn về những gì bạn có thể muốn học tiếp theo

Và mặc dù bạn sẽ xây dựng dự án của riêng mình, nhưng bạn sẽ không làm việc một mình. Bạn vẫn sẽ tham khảo các tài nguyên để được trợ giúp và học các kỹ thuật và cách tiếp cận mới khi bạn làm việc. Đặc biệt với R, bạn có thể thấy rằng có một gói dành riêng để trợ giúp cho loại dự án chính xác mà bạn đang thực hiện, vì vậy, việc tham gia một dự án mới đôi khi cũng có nghĩa là bạn đang học một gói R mới

Bạn sẽ làm gì nếu bạn gặp khó khăn? . Dưới đây là một số tài nguyên tuyệt vời để tìm trợ giúp với các dự án R của bạn

StackOverflow — Bất kể câu hỏi của bạn là gì, nó có thể đã được hỏi ở đây trước đây và nếu chưa, bạn có thể tự hỏi. Bạn có thể tìm thấy các câu hỏi được gắn thẻ R tại đây
Google — Tin hay không thì tùy, đây có lẽ là công cụ được sử dụng phổ biến nhất của mọi lập trình viên có kinh nghiệm. Khi bạn gặp một lỗi mà bạn không hiểu, tìm kiếm nhanh thông báo lỗi trên Google thường sẽ chỉ cho bạn câu trả lời
Twitter — Có thể ngạc nhiên khi tìm hiểu, nhưng Twitter là một nguồn tài nguyên tuyệt vời để nhận trợ giúp về các vấn đề liên quan đến R. Twitter cũng là một nguồn tuyệt vời cho các tin tức và cập nhật liên quan đến R từ các học viên R hàng đầu thế giới. Cộng đồng R trên Twitter tập trung xung quanh thẻ bắt đầu bằng #rstats
Cộng đồng học tập của Dataquest — Với tài khoản sinh viên miễn phí, bạn có thể tham gia cộng đồng học tập của chúng tôi và đặt các câu hỏi kỹ thuật mà bạn học của bạn hoặc các nhà khoa học dữ liệu của Dataquest có thể trả lời

Những loại dự án bạn nên xây dựng? . Làm việc trên các dự án và vấn đề mà bạn quan tâm. Ví dụ: nếu bạn quan tâm đến biến đổi khí hậu, hãy tìm một số dữ liệu khí hậu để làm việc và bắt đầu tìm hiểu để biết thông tin chi tiết

Tốt nhất là bắt đầu từ những việc nhỏ hơn là cố gắng thực hiện một dự án khổng lồ sẽ không bao giờ hoàn thành. Nếu điều bạn quan tâm nhất là một dự án lớn, hãy cố gắng chia nó thành nhiều phần nhỏ hơn và giải quyết từng phần một

Dưới đây là một số ý tưởng cho các dự án mà bạn có thể xem xét

Mở rộng trên một trong những dự án có cấu trúc mà bạn đã xây dựng trước đó để thêm các tính năng mới hoặc phân tích sâu hơn
Tham gia các buổi gặp mặt hoặc kết nối trực tuyến với các lập trình viên R khác và tham gia một dự án đang được triển khai
Tìm một gói nguồn mở để đóng góp [R có rất nhiều gói nguồn mở tuyệt vời. ]
Tìm một dự án thú vị do người khác thực hiện bằng R trên Github và thử mở rộng hoặc mở rộng dự án đó. Hoặc, tìm một dự án do người khác thực hiện bằng ngôn ngữ khác và thử tạo lại dự án đó bằng R
Đọc tin tức và tìm kiếm những câu chuyện thú vị có thể có sẵn dữ liệu mà bạn có thể khai thác cho một dự án
Hãy xem danh sách các bộ dữ liệu miễn phí của chúng tôi dành cho các dự án khoa học dữ liệu và xem dữ liệu có sẵn nào truyền cảm hứng cho bạn để bắt đầu xây dựng

Dưới đây là một số ý tưởng dự án khác trong các lĩnh vực chủ đề mà chúng ta đã thảo luận

Khoa học dữ liệu / Phân tích dữ liệu

Một kịch bản để tự động nhập dữ liệu
Một công cụ để cạo dữ liệu từ web

Trực quan hóa dữ liệu

Bản đồ trực quan hóa việc bỏ phiếu bầu cử theo tiểu bang hoặc khu vực
Tập hợp các lô mô tả xu hướng bán hoặc cho thuê bất động sản trong khu vực của bạn

Mô hình dự đoán / học máy

Một thuật toán dự đoán thời tiết nơi bạn sống
Một công cụ dự đoán thị trường chứng khoán
Một thuật toán tự động tóm tắt các bài báo

Số liệu thống kê

Một mô hình dự đoán chi phí của các chuyến đi Uber trong khu vực của bạn

báo cáo tái sản xuất

Báo cáo về xu hướng Covid-19 trong khu vực của bạn trong báo cáo R Markdown có thể được cập nhật khi có dữ liệu mới
Báo cáo tóm tắt về dữ liệu hiệu suất cho đội thể thao yêu thích của bạn

báo cáo bảng điều khiển

Bản đồ các vị trí trực tiếp của xe buýt trong khu vực của bạn
Tóm tắt thị trường chứng khoán
Trình theo dõi Covid-19, như cái này
Tóm tắt thói quen chi tiêu cá nhân của bạn

Hãy nghĩ về các dự án giống như một loạt các bước - mỗi bước nên đặt tiêu chuẩn cao hơn một chút và khó khăn hơn một chút so với bước trước

Bước 5. Tăng độ khó

Làm việc trong các dự án là điều tuyệt vời, nhưng nếu bạn muốn học R thì bạn cần đảm bảo rằng bạn tiếp tục học. Chẳng hạn, bạn có thể làm được rất nhiều việc chỉ với trực quan hóa dữ liệu, nhưng điều đó không có nghĩa là bạn nên xây dựng 20 dự án liên tiếp chỉ sử dụng các kỹ năng trực quan hóa dữ liệu của mình. Mỗi dự án nên khó khăn hơn một chút và phức tạp hơn một chút so với dự án trước. Mỗi dự án sẽ thách thức bạn học được điều gì đó mà bạn chưa biết trước đây

Nếu bạn không chắc chắn chính xác cách thực hiện điều đó, đây là một số câu hỏi bạn có thể tự hỏi mình để áp dụng mức độ phức tạp và khó khăn hơn cho bất kỳ dự án nào mà bạn đang xem xét

Bạn có thể dạy một người mới cách tạo dự án này bằng cách [ví dụ] viết hướng dẫn không?
Bạn có thể mở rộng quy mô dự án của mình để nó có thể xử lý nhiều dữ liệu hơn không?
Bạn có thể cải thiện hiệu suất của nó?
Bạn có thể cải thiện hình ảnh không?
Bạn có thể làm cho nó dự đoán?

Không ngừng học hỏi R

Học một ngôn ngữ lập trình cũng giống như học một ngôn ngữ nói thứ hai — bạn sẽ đạt đến mức thoải mái và lưu loát, nhưng bạn sẽ không bao giờ thực sự học xong. Ngay cả những nhà khoa học dữ liệu có kinh nghiệm đã làm việc với R trong nhiều năm vẫn đang học những điều mới, bởi vì bản thân ngôn ngữ này đang phát triển và các gói mới luôn biến những điều mới thành có thể

Điều quan trọng là luôn tò mò và không ngừng học hỏi, nhưng đừng quên nhìn lại và đánh giá cao quãng đường mà bạn đã đi theo thời gian.

Học R chắc chắn là một thách thức ngay cả khi bạn áp dụng phương pháp này. Nhưng nếu bạn có thể tìm thấy động lực phù hợp và tiếp tục gắn bó với những dự án thú vị, tôi nghĩ bất kỳ ai cũng có thể đạt đến trình độ thành thạo cao

Chúng tôi hy vọng hướng dẫn này hữu ích cho bạn trên hành trình của bạn. Nếu bạn có bất kỳ tài nguyên nào khác để đề xuất, vui lòng cho chúng tôi biết

Và nếu bạn đang tìm kiếm một nền tảng học tập tích hợp trực tiếp các bài học này vào chương trình giảng dạy, thì bạn thật may mắn, vì chúng tôi đã xây dựng một nền tảng như vậy. Đường dẫn Nhà phân tích dữ liệu trong R của chúng tôi là một chuỗi khóa học tương tác được thiết kế để đưa bất kỳ ai từ người mới bắt đầu hoàn toàn đến đủ điều kiện làm việc trong R và SQL

Và tất cả các bài học của chúng tôi được thiết kế để thu hút bạn tham gia bằng cách thách thức bạn giải quyết các vấn đề về khoa học dữ liệu bằng cách sử dụng dữ liệu trong thế giới thực

Sẵn sàng để tăng cấp kỹ năng R của bạn?

Đường dẫn Nhà phân tích dữ liệu trong R của chúng tôi bao gồm tất cả các kỹ năng bạn cần để có được một công việc, bao gồm

Trực quan hóa dữ liệu với ggplot2
Kỹ năng làm sạch dữ liệu nâng cao với các gói gọn gàng
Các kỹ năng SQL quan trọng cho người dùng R
Nguyên tắc cơ bản trong thống kê và xác suất
và nhiều hơn nữa

Không có gì để cài đặt, không có điều kiện tiên quyết và không có lịch biểu

Bắt đầu học miễn phí

Câu hỏi R thường gặp

Học R có khó không?

Học R chắc chắn có thể là một thách thức và bạn có thể có những khoảnh khắc bực bội. Duy trì động lực để tiếp tục học tập là một trong những thách thức lớn nhất

Tuy nhiên, nếu bạn thực hiện phương pháp tiếp cận từng bước mà chúng tôi đã vạch ra ở đây, bạn sẽ thấy rằng thật dễ dàng để vượt qua những khoảnh khắc bực bội, bởi vì bạn sẽ làm việc với những dự án mà bạn thực sự quan tâm.

Bạn có thể học R miễn phí không?

Có rất nhiều tài nguyên học tập R miễn phí — tại Dataquest, chúng tôi có rất nhiều hướng dẫn R miễn phí và nền tảng học tập khoa học dữ liệu tương tác của chúng tôi dạy R, đăng ký miễn phí và bao gồm nhiều bài học miễn phí

Internet có rất nhiều tài nguyên học tập R miễn phí. Nhược điểm của việc học miễn phí là để học những gì bạn muốn, có lẽ bạn sẽ cần phải chắp vá một loạt các tài nguyên miễn phí khác nhau. Bạn sẽ dành thêm thời gian để nghiên cứu những gì bạn cần học tiếp theo, sau đó tìm các tài nguyên miễn phí dạy nó. Các nền tảng tốn tiền có thể cung cấp các phương pháp giảng dạy tốt hơn [như ưu đãi Dataquest mã hóa trong trình duyệt, tương tác] và chúng cũng giúp bạn tiết kiệm thời gian tìm và xây dựng chương trình giảng dạy của riêng mình

Bạn có thể học R từ đầu [không có kinh nghiệm mã hóa] không?

Đúng. Tại Dataquest, chúng tôi đã có nhiều người học bắt đầu không có kinh nghiệm viết mã và tiếp tục nhận được công việc với tư cách là nhà phân tích dữ liệu, nhà khoa học dữ liệu và kỹ sư dữ liệu. R là một ngôn ngữ tuyệt vời dành cho những người mới bắt đầu học lập trình và bạn không cần bất kỳ kinh nghiệm nào trước đó về mã để sử dụng nó

Ngày nay, R dễ học hơn bao giờ hết nhờ bộ sưu tập các gói gọn gàng. cái gọn gàng là một tập hợp các công cụ mạnh mẽ để truy cập, dọn dẹp, thao tác, phân tích và trực quan hóa dữ liệu bằng R. Hướng dẫn Dataquest này cung cấp phần giới thiệu tuyệt vời về tiểu thuyết gọn gàng

Mất bao lâu để học R?

Học một ngôn ngữ lập trình cũng giống như học một ngôn ngữ nói — bạn sẽ không bao giờ thực sự hoàn thành, bởi vì các ngôn ngữ lập trình phát triển và luôn có nhiều thứ để học. Tuy nhiên, bạn có thể đạt đến điểm có thể viết mã R đơn giản nhưng đầy đủ chức năng khá nhanh

Mất bao lâu để sẵn sàng cho công việc tùy thuộc vào mục tiêu của bạn, công việc bạn đang tìm kiếm và thời gian bạn có thể dành cho việc học. Tuy nhiên, trong một số bối cảnh, những người học Dataquest mà chúng tôi đã khảo sát vào năm 2020 đã báo cáo rằng họ đạt được mục tiêu học tập trong vòng chưa đầy một năm — nhiều người trong vòng chưa đầy sáu tháng — với chưa đến mười giờ học mỗi tuần

Bạn có cần chứng chỉ R để tìm việc không?

Chúng tôi đã viết sâu về các chứng chỉ, nhưng câu trả lời ngắn gọn là. chắc là không. Các công ty và ngành khác nhau có các tiêu chuẩn khác nhau, nhưng trong khoa học dữ liệu, chứng chỉ không có nhiều trọng lượng. Nhà tuyển dụng quan tâm đến các kỹ năng mà bạn có — việc có thể cho họ xem GitHub chứa đầy mã R tuyệt vời quan trọng hơn nhiều so với việc có thể cho họ xem chứng chỉ

R có phải là ngôn ngữ tốt để học vào năm 2021 không?

Đúng. R là một ngôn ngữ phổ biến và linh hoạt được sử dụng chuyên nghiệp trong nhiều ngữ cảnh khác nhau. Ví dụ: chúng tôi dạy R để phân tích dữ liệu và học máy, nhưng nếu bạn muốn áp dụng các kỹ năng R của mình vào một lĩnh vực khác, R được sử dụng trong tài chính, học viện và kinh doanh, chỉ để nêu tên một số

Hơn nữa, các kỹ năng dữ liệu R có thể thực sự hữu ích ngay cả khi bạn không có nguyện vọng trở thành nhà khoa học dữ liệu hoặc lập trình viên toàn thời gian. Có một số kỹ năng phân tích dữ liệu với R có thể hữu ích cho nhiều loại công việc — nếu bạn làm việc với bảng tính, rất có thể có những việc bạn có thể làm nhanh hơn và tốt hơn với một chút kiến thức về R

Các lập trình viên R kiếm được bao nhiêu tiền?

Điều này rất khó trả lời vì hầu hết những người có kỹ năng R đều làm việc trong lĩnh vực nghiên cứu hoặc khoa học dữ liệu và họ cũng có các kỹ năng kỹ thuật khác như SQL. Ziprecruiter liệt kê mức lương trung bình của nhà phát triển R là 130.000 đô la Mỹ [tính đến tháng 4 năm 2021]

Mức lương trung bình cho một nhà khoa học dữ liệu khá giống nhau - 121.000 đô la theo Thật. com kể từ tháng 4 năm 2021

Tôi có nên học cơ sở R hoặc gọn gàng trước không?

Đây là một chủ đề tranh luận phổ biến trong cộng đồng R. Tại Dataquest, chúng tôi dạy kết hợp các phương pháp R cơ sở và phương pháp gọn gàng trong khóa học Giới thiệu về Phân tích dữ liệu trong R. Chúng tôi là những người hâm mộ lớn của tiểu thuyết gọn gàng vì nó mạnh mẽ, trực quan và thú vị khi sử dụng

Nhưng để hiểu đầy đủ về các công cụ dirtyverse, bạn sẽ cần hiểu một số cú pháp R cơ bản và hiểu về các kiểu dữ liệu trong R. Vì những lý do này, chúng tôi thấy hiệu quả nhất khi dạy kết hợp các phương pháp R cơ bản và phương pháp gọn gàng trong các khóa học R cơ bản của chúng tôi

Tôi cần một tài nguyên cho người mới bắt đầu; . Đó chính xác là những gì tôi nhận được trong khóa học Giới thiệu về R của Dataquest

Nhờ Dataquest, tôi bắt đầu học cao học với nền tảng vững chắc về R, thứ mà tôi sử dụng hàng ngày khi làm việc với dữ liệu
Ryan Quinn – Nghiên cứu sinh tiến sĩ tại Đại học Boston