学习 R 并成为一名数据科学家

R 编程语言越来越受欢迎，尤其是在数据科学和分析领域。

R 编程在统计学中发挥着重要作用，因为它提供了更好的数据可视化技术。

然而，如果没有明确的方法来处理这种语言，学习这种语言可能会令人沮丧。过去，您可能很难学习 R 或其他语言。

相信我；你并不孤单！

不要将一切归咎于你自己或你的语言。问题可能出在你的方法上。你学习东西的方式对最终结果有着巨大的影响。

对于如何以及为何学习特定语言有一个明确的策略可以增加您精通该语言的机会。同样，如果你的目标和策略不一致，你可能会对这种语言感到厌倦并中途退出。

这类似于学习口语。

因此，如果您准备学习 R，请首先明确您的动机，无论是扩展知识还是在数据科学领域找到职业。接下来，准备您的策略并使其与您的目标保持一致。

……然后开始学习。

在本文中，我们将讨论一些学习 R 编程语言的重要资源，这些资源将为您提供正确的方法，让您的工作变得更轻松。

但首先，

R 编程语言是什么？

R 是一种用于图形和统计计算的开源编程语言。

由 Ross Ihaka 和 Robert Gentleman 于 1993 年开发。这与编程语言S类似。 R编程语言可以说是结合了词法作用域语义的S的实现。该软件主要用 C、R 和 Fortran 编写。

除了高度可扩展之外，R 还提供广泛的统计和图形技术。这包括经典的统计测试、线性和非线性建模、时间序列分析、聚类和分类。

R 语言的一大优势是您可以轻松创建包含公式和符号的精心设计、达到出版质量的绘图。

R的特点

R 是一套集成的软件功能，可用于计算、图形表示和数据操作。

这包括：

• 有效的存储和数据处理设施
• 统一、一致的大规模数据分析工具集合
• 计算给定矩阵数组时有用的一组不同运算符
• 一种简单、有效且开发良好的编程语言，具有循环、条件语句和用户定义变量
• 用于分析数据并将其以硬拷贝或屏幕形式显示的图形功能
• R 可以通过包进行扩展。事实上，R 发行版提供了大约八个包，但您可以使用 CRAN 站点系列添加更多包。
• 跨平台互操作性
• R 使用解释器而不是编译器，这使得代码开发更加容易。
• 它可以很好地与各种数据库配合使用，并从 MS Access、Excel、MySQL、Oracle、SQLite 等检索信息。
• R 包集成了强大的工具，用于以各种格式（例如 HTML、XML、CSV、PDF 和交互式网站）传送报告。
• R 包附带了专为统计建模、数据分析、机器学习、可视化、数据导入和操作而定制的各种代码、特性和功能。

R 如何帮助数据分析？

使用 R 进行数据分析是通过一系列不同的步骤完成的。

• 编程或导入：您可以使用 R 进行编程或将数据从数据库或文件导入到 R 软件环境中。
• 转换：数据组织是通过将列转换为变量，同时将行转换为观察值来完成的。观察您感兴趣的内容，根据当前变量创建新变量，并发现观察统计数据。
• 可视化：数据的图形表示，可轻松识别趋势、模式和数据异常。
• 模型：这些是互补的可视化工具，例如计算和数学工具，用于回答观察问题。
• 交流：通过易于创建并与世界上任何人共享的打印质量绘图，与他人交流从可视化到建模的结果。

谁使用 R？为什么？

R 不仅受到学术界的信任，还受到 Google、Facebook、Airbnb 和 Uber 等大公司的信任。它几乎应用于各个领域，包括医疗保健、咨询、政府、保险、能源、金融和媒体。用于统计推断、机器学习算法和数据分析。

各个领域都对 R 有需求。除此之外，毫无疑问，数据分析正在塑造当今的业务。有很多可用的工具，但 R 脱颖而出。这是因为可以考虑以下因素。

• Excel和PowerBI，但它们缺乏建模功能。
• Python 非常适合人工智能和机器学习，但它不具备通信功能。
• SAS 非常适合统计分析，但它不是免费的
• Tableau 非常适合图形表示，但在决策和统计方面需要进一步改进。

然而，R 通过提供良好的学习曲线来平衡数据实现和分析，从而弥补了这一差距。

因此学习 R 来进行数据操作和分析，甚至成为一名数据科学家是有意义的。

这就是数据科学家使用 R 来理解数据、执行操作、开发最佳方法以及通过报告、仪表板或 Web 应用程序与其他人进行通信的原因。这样，一个平台就可以完成所有工作。

现在您已经了解 R 的工作原理以及为什么应该使用它，那么您可以在哪里学习 R？

学习有那么难吗？

如果你几年前问我这些问题，我会说：“是的，由于结构复杂，这有点困难。”但现在已经引入了包来克服这个问题，使数据操作更容易、更直观，并且创建图形也更容易。

TensorFlow 和 Keras 等软件包可让您创建高端 ML 技术。在 R 中调用 Python、C++ 和 Java 并连接到 Hadoop 或 Spark。 R 在计算速度方面也不断发展。

那么，想学习R吗？

我认为是的！

让我们找到一些学习 R 的好资源。

使用 R 的数据科学家

获得 R 技能，这将帮助您通过Datacamp建立数据科学家的职业生涯。开始课程不需要该领域的先验知识或经验。

我们将教您多功能的 R 语言以及如何使用它来导入、操作、可视化和清理数据（您需要的基本技能）。交互式练习可让您亲身体验流行的 R 软件包（例如 ggplot2）和 Tidyverse 软件包（例如 readr 和 dplyr）。

本课程还介绍了几个现实世界的数据集，以帮助您学习自行创建函数和执行聚类分析所需的机器学习和统计技术。

您所要做的就是开始本课程，提高您的 R 技能，并继续走上数据科学家的成功之路。提供超过 75 小时的学习资源。这包括对该语言的介绍，以掌握使用常见数据结构（例如矩阵、向量和数据框）进行数据分析的基础知识。

R 编程 AZ

Udemy提供 R 编程 AZ 实践练习，帮助您成为一名数据科学家。本课程分为 8 个部分，82 个讲座，大约需要 11 个小时才能完成。

它逐步教授 R，因此您将学到有价值的概念，并且可以在每次讲座后立即应用这些概念。另一个很棒的事情是你可以使用现实生活中的例子来学习概念。整个培训充满了您在讲座和作业练习中解决的现实世界分析挑战。

具有任何技能的任何人都可以学习本课程，但它需要学习 R 语言并应对令人兴奋的挑战。在本课程材料中，您将学习其核心原理以及如何创建变量、向量、循环和函数。

您还将了解正态分布以及使用金融、统计和体育数据的实践。此外，您将学习如何使用 R Studio 并根据您的喜好对其进行自定义。

在本课程结束时，您将安装 R 软件包并了解大数、整数、双精度浮点、字符等。本课程还包括使用 GGPlot2 的高级可视化，以及作业解决方案和奖励教程。

使用 R 进行统计

Coursera提供了名为“Statistics with R Specialization”的课程，帮助您掌握 R 进行数据分析，包括建模、推理和贝叶斯方法。本课程完全免费，由杜克大学提供。

本课程教授统计推断、线性回归和统计、RStudio、R 编程、探索性数据分析、统计假设检验、贝叶斯统计、贝叶斯线性回归、贝叶斯推理、回归分析和模型选择等技能。

在本专业中，您将学习如何可视化和分析数据以及如何使用 R 编程语言创建可重现的报告。了解如何执行建模和其他技术来显示统一性质的统计推断并做出数据驱动的决策。

本课程还将帮助您正确传达结果、使用 R 包组织和可视化数据以及批评决策和论点。通过数据分析领域的各种项目构建您的投资组合，不仅可以帮助您获得高薪工作，还可以展示您的知识和技能。

该入门级课程大约需要七个月才能完成，具有灵活的时间表、完全在线讲座以及完成后分享的证书。

R简介

此列表中的另一门 Coursera 课程是 – R 入门。

这是初级课程，大约需要 2 小时才能完成，无需下载，并且只能在桌面上访问。在这个指导项目中，您将学习 R 编程的基础知识，迈出数据分析的第一步。

在这里，您将学习如何使用 R Studio 或 R GUI 以及该语言中使用的各种数据结构和类型。最后，我们将向您展示如何安装 R 包并将数据集导入 R Studio 工作区。

完成该项目没有任何先决条件。基本的计算机知识就足够了。在引导式项目中，您的工作区是一个可以从浏览器访问的云桌面。讲师将通过分屏视频指导您，帮助您逐步理解。

犹大城

通过Udacity学习 R 编程，成为一名数据科学家。本课程的大约时间为 3 个月，每周学习 10 小时。不需要任何困难的先决条件。

本课程大纲包括教您如何使用 R、命令行、SQL 和 Git 进行编码来解决与数据相关的问题。学习 SQL 基础知识，例如 JOIN、子查询和聚合，并使用它们来解决业务问题。

学习数据结构、循环、函数、变量等基础知识。除此之外，您还将学习如何通过 GGPlot2 可视化数据。

该计划包括由专家开发的具有沉浸式内容的真实项目、导师支持以及简历和作品集审查等职业服务。按照您自己的时间表学习并接收个性化反馈、实用技巧以及更多资源的其他建议。

使用 R 的 ML 科学家

通过Datacamp掌握 R 语言，成为一名自信的机器学习科学家。总共提供 15 门课程，需要花费 60 多个小时来学习 R。使用工具箱增强您的 R 技能并执行无监督和监督学习。

了解如何处理数据以创建模型、训练和可视化模型以及测试其性能。除此之外，您还可以调整参数来提高性能。

同时，您还将了解贝叶斯统计、Spark 和自然语言处理 (NLP)。教授机器学习分类基础知识，以及如何通过线性回归、随机、森林、xgboost 和加性模型预测未来事件。

您还将了解维度、聚类、Tidyverse 上的 ML、逻辑回归、聚类分析、使用插入符的 ML、基于树的模型、支持向量机、主题建模、超参数调整等。

使用 R 进行数据分析

Edureka 提供培训计划“使用 R 进行数据分析” ，帮助您获得数据操作、可视化、探索性数据分析、挖掘、情感分析和回归方面的专业知识。

此培训还将帮助您学习 R Studio 的社交媒体和零售案例研究。我们设计本课程的目的是为您提供成为数据分析专业人员所需的技能和知识。涵盖基本 R 概念到高级主题，例如决策树集成和协同过滤。

该模块涵盖了商业智能、数据和信息以及业务分析等重要术语。在处理项目时，您将学习如何导入数据、探索性数据分析、聚类、线性和逻辑回归、监督 ML 技术、ANOVA、R 包、创建绘图等。

参加本课程需要具备统计学的基本知识。它包括 30 小时的在线课程，每堂课后都需要完成实际作业。还包括终身访问课程，包括演示文稿、课堂录音、安装指南和测验。完成课程后获得证书。

YouTube

与 Barton Poulson 一起学习 R，他在YouTube上教授 R 语言和统计计算的基础知识。

本教程涵盖的主题包括如何安装 R、R Studio、绘图函数、包、直方图、条形图、散点图、聚合函数、叠加图和描述函数。

它还解释了如何选择案例、因子和数据格式、如何输入数据、如何导入数据、层次聚类、回归和主成分等概念。

代码学院

Codecademy介绍了 R 编程语言的基本概念。学习本课程没有特定的先决条件或所需的编码知识。

在这里您将学习如何组织数据、修改数据和清理数据框。我们还教您如何构建数据可视化和显示见解。除此之外，您还将学习数据分析领域出色的假设检验和统计学。

课程大纲还包括使用 dplyr 进行聚合和表连接的基础知识。计算众数、平均值和中位数。四分位数、四分位距和分位数等统计数据。

您还可以通过测验来测试您的知识并加强您的语法和记忆技能。完成该课程大约需要 20 小时。您可以通过 Pro 计划获得证书。

数据导师

Datamentor课程包括无限访问超过 45 个视频、交互式作业、R Essentials 电子书和项目。

了解数据科学的基础知识、其流程以及完成数据科学任务（例如获取数据、探索、建模和传达报告）所需采取的各个步骤。

结论

由于可用资源丰富，学习 R 编程语言不再困难。您所需要的只是对学习的热情和探索数据科学领域的强烈愿望。

那么，您是一位有抱负的数据科学专业人士吗？

通过上面列出的精彩课程学习 R。