学习 R 并成为数据科学家

R语言的流行度正在增加，尤其在数据科学和分析领域。

由于它提供了更好的数据可视化技术，R programming在统计学中发挥了至关重要的作用。

然而，如果您没有明确的学习路径，学习这门语言可能会令人沮丧。在过去，您可能在学习R或其他任何语言时曾经苦苦挣扎过。

相信我，你并不孤单！

不要完全把问题归咎于自己或语言；问题可能出在您的学习方法上。您学习某个东西的方式对于最终结果的产生有很大影响。

如果您对学习特定语言的方式和原因有明确的策略，那么您精通它的机会就会增加。同样地，如果您的目标和策略不一致，您可能会对该语言感到厌烦，并最终放弃学习。

这类似于学习口语。

所以，当您准备学习R时，首先要明确自己的动机，无论是扩展知识还是在data science中找到一份职业。接下来，制定一个策略并将其与您的目标对齐。

……然后开始学习。

在本文中，我将介绍一些学习R语言的好资源，这些资源将为您提供正确的方法，使事情变得更容易。

但首先要明确一些事情，

R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。

它由Ross Ihaka和Robert Gentleman于1993年开发。它类似于编程语言S。您可以说R编程语言是S的一种实现，结合了词法作用域语义。该软件主要用C、R和Fortran编写。

R提供了广泛的统计和图形技术，同时具有高度可扩展性。它包括经典统计测试、线性和非线性建模、时间序列分析、聚类和分类。

R语言的主要优势之一是轻松生成设计良好的出版质量图，包括数学公式和符号。

R的能力

R是一种综合套件，包含了用于计算、图形表示和数据操作的软件工具。

它包括：

• 有效的存储和数据处理功能
• 一套集成、协调和大型的数据分析工具
• 一套在特定矩阵中计算数组的各种运算符
• 简单、有效、经过充分开发的编程语言，具有循环、条件语句和用户定义变量
• 用于分析数据并在硬拷贝或屏幕上显示数据的图形功能
• R可以通过包进行扩展。实际上，R分发使用了约8个包，而可以通过CRAN网站系列添加更多包。
• 跨平台互操作性
• R使用解释器而不是编译器，这有助于简化代码开发。
• 它与不同的数据库配合良好，并从MS Access、Excel、MySQL、Oracle、SQLite等中提取信息。
• 它集成了强大的工具，可以用于以HTML、XML、CSV、PDF和与R包交互的交互式站点等不同形式进行报告通信。
• R包提供了各种针对统计建模、数据分析、机器学习、可视化、数据导入和操作量身定制的代码、功能和函数。

R如何帮助数据分析？

使用R进行数据分析包括一系列不同的步骤：

• 程序或导入：使用R进行编程，或将数据从数据库和文件导入到R软件环境中
• 转换：通过将列转换为变量以及行转换为观察来进行数据组织。观察您的兴趣，根据当前变量创建新变量，并发现观察统计信息。
• 可视化：以图形形式表示数据，以便轻松识别趋势、模式和异常数据。
• 模型：这些是补充可视化工具，如计算或数学工具，用于回答观察性问题。
• 沟通：通过易于生成的印刷质量图形与他人沟通结果，从可视化到建模，与世界上任何人分享。

谁使用R以及为什么使用R？

R不仅在学术界得到信任，还受到包括Google、Facebook、Airbnb、Uber等大公司的青睐。它在医疗保健、咨询、政府、保险、能源、金融、媒体等几乎所有领域都得到应用。它们用于统计推断、机器学习算法和data analysis。

可以看出，R的需求在各个领域都很广泛。除此之外，数据分析无疑正在塑造现代企业。尽管有很多工具可供选择，但R脱颖而出。这是因为您可能有：

• Excel和PowerBI，但它们缺乏建模能力；
• Python非常适合人工智能和机器学习，但没有沟通功能；
• SAS非常适合统计分析，但不是免费的
• Tableau在图形表示方面非常出色，但在决策和统计方面还有待改进。

然而，R通过提供良好的学习曲线和数据实施与分析的良好平衡来填补这个空白。

因此，学习R进行数据处理和分析，甚至成为数据科学家是有意义的。

这就是为什么数据科学家使用R来理解数据、进行数据操作、选择最佳方法以及通过报告、仪表板或Web应用与他人进行沟通的原因。这样，一个平台可以完成所有工作。

现在您知道R的工作原理以及为什么应该选择它，但在哪里学习R呢？

学习起来难吗？

如果几年前你问我这些问题，我会说是的，由于其复杂的结构，学习起来有些困难。但现在，R引入了包来克服这个问题，从而使数据操作更加容易和直观，图形创建也变得相对容易。

像TensorFlow和Keras这样的包可以让您创建高端的机器学习技术；您可以在R中调用Python、C++和Java，并与Hadoop或Spark连接。而且R在计算速度方面也有所发展。

那么，您想学习R吗？

我假设您的答案是肯定的！

让我们找一些好的资源来学习R。

使用R的数据科学家

学习R的技能，可以帮助您打造作为数据科学家的职业生涯，以Datacamp进行学习。要开始这门课程，您不需要任何先前的知识或经验。

他们将教您多用途的R语言以及如何使用它导入、操作、可视化和清洗数据，这些都是您需要的基本综合技能。通过互动练习，亲身体验著名的R包，如ggplot2以及Tidyverse包，如readr和dplyr。

该课程还将向您介绍一些真实世界的数据集，帮助您学习机器学习和统计技术，以便自己编写函数和进行聚类分析。

您需要做的就是开始这门课程，提升R技能，并继续成为一名成功的数据科学家。他们提供75+小时的学习资源。这包括介绍语言，以及使用典型数据结构（如矩阵、向量、数据框等）掌握数据分析基础知识。

R编程从A到Z

Udemy带有实践练习的R编程从A到Z，帮助您成为一名数据科学家。课程分为8个部分，82个讲座，完成整个课程大约需要11小时。

他们会逐步教您R语言，并且您会在每堂讲座后立即学到有用的概念。另一个很棒的地方是，他们会通过实例来帮助您理解概念。整个培训过程充满了您在讲座和作业中解决的现实世界的分析挑战。

任何具备任何技能的人都可以学习这门课程，但您需要学习R语言并接受激动人心的挑战。课程材料将教您其核心原理以及如何创建变量、向量、循环和函数。

您还将学习正态分布，并使用金融数据、统计数据和体育数据进行实践。此外，您还将学习如何使用R Studio并根据自己的喜好进行自定义。

在完成本课程时，您将安装R包并了解大数、整数、双精度、字符等。课程还包括使用GGPlot2进行高级可视化，以及作业解决方案和额外的教程。

使用R进行统计学

Coursera提供了这门课程-使用R进行统计学专业课程，帮助您掌握R进行数据分析，包括建模、推断和贝叶斯技术。这门课程完全免费，由杜克大学提供。

通过这门课程，您将获得统计推断、线性回归和统计学、RStudio、R编程、exploratory data analysis、统计假设检验、贝叶斯统计学、贝叶斯线性回归、贝叶斯推断、回归分析和模型选择等技能。

这个专业课程将教您如何使用R编程语言可视化和分析数据，然后创建可重现的报告。您将学会以统一的方式展示统计推断，并进行建模和其他技术以做出数据驱动的决策。

该课程还将帮助您正确地传达结果，使用R包组织和可视化数据，并批判决策和声明。除了获得高薪工作外，它还将帮助您通过数据分析的各种项目建立您的作品集，以展示您的知识和技能。

这门初级课程大约需要7个月完成，拥有灵活的学习计划，完全在线讲座，并获得可分享的证书。

开始使用R

Coursera在这个列表中的另一门课程是-Getting Started with R。

这是一门初级课程，大约需要2个小时完成，您只能在桌面上访问它，无需下载。这个指导项目将教您R编程的基础知识，以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不同数据结构和类型。最后，他们将教您如何安装R包并将数据集导入R Studio的工作空间。

完成此项目不需要任何必要的先决条件，只需基本的计算机知识即可。在指导项目中，您的工作空间将是一个可以从浏览器访问的云桌面。您的讲师将通过视频在拆分屏幕上指导您逐步理解事物。

Udacity

使用Udacity学习R编程成为一名数据科学家。完成这门课程的大约时间是3个月，每周需投入10小时的努力，并且无需任何硬性先决条件。

教学内容包括教您如何在R、命令行、SQL和Git中编写代码，以便解决与数据相关的问题。您将学习SQL的基础知识，如JOIN、子查询和聚合，并使用它们回答业务问题。

学习基础知识，包括数据结构、循环、函数和变量。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。按照您自己的进度学习，并获得个性化反馈、实用提示和更多资源的额外建议。

拥有R语言的机器学习科学家

通过学习R语言，成为自信的机器学习科学家与Datacamp。他们总共提供15门课程，学习R需要60多小时的努力。在这里，您将通过工具箱提升R技能，并进行无监督和有监督的学习。

他们将教您如何处理数据以进行模型创建、训练和可视化模型，以及测试其性能。除此之外，您还将帮助调整参数以实现更好的性能。

同时，您还将学习贝叶斯统计学、Spark和自然语言处理（NLP）。他们将教您分类的机器学习基础知识，以及如何通过线性回归、随机森林、xgboost和加法模型预测未来事件。

您还将学习维度、聚类、在Tidyverse中进行机器学习、逻辑回归、聚类分析、使用caret进行机器学习、基于树的模型、支持向量机、主题建模、超参数调优等更多内容。

使用R进行数据分析

Edureka提供了培训计划-Data Analytics with R，帮助您掌握数据操作、可视化、探索性数据分析、挖掘、情感分析和回归的专业知识。

这个培训还可以帮助您学习用于社交媒体和零售的案例研究的R Studio。他们设计了这门课程，提供成为数据分析专业人员所需的技能和知识。它涵盖了基本的R概念，以及决策树集成、协同过滤等高级主题。

该模块将向您介绍重要的术语，如business intelligence、数据与信息、商业分析等。您将学习数据导入方法、探索性数据分析、聚类、线性回归和逻辑回归、有监督的机器学习技术、ANOVA、R包、绘图创建等内容，以及项目工作。

参加这门课程需要具备基本的统计知识。它包括30个小时的在线课程，在每节课后您将获得实践作业，以及终身访问课程、演示文稿、课堂录像、安装指南和测验。完成课程后获得证书。

YouTube

在YouTube上学习R语言，由Barton Poulson教授R语言和统计计算的基础知识。

教程涵盖了如何安装R、R Studio的相关知识，绘图函数、包、直方图、条形图、散点图、汇总函数、覆盖图以及描述函数等内容。

他还教授如何选择案例、因素、数据格式，如何输入数据、导入数据，以及层次聚类、回归、主成分等概念。

Codecademy

Codecademy为您介绍R编程语言的基本概念。学习这门课程不需要特定的先决条件或任何编码知识。

在这里，您将学习如何组织数据、修改和清理数据框。他们还将教您构建数据可视化和展示洞察力的技巧。除此之外，您还将学习假设检验和统计学，以在数据分析领域取得优秀的成绩。

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、均值和中位数；以及四分位数、四分位数间距和分位数等统计知识。

您还可以通过测验来测试自己的知识，以提高语法和记忆能力。完成这门课程大约需要20小时，在专业计划中，您可以获得证书。

数据导师

Datamentor课程包括对45个以上视频、互动作业、R基础知识电子书和一个项目的无限访问。

它使您熟悉数据科学的基本原理、过程以及完成数据科学任务（如获取数据、探索、建模和报告沟通）所必须的不同步骤。

结论

有了众多的资源可用，学习R编程语言不再是一项困难的任务。您只需要对学习有热情并渴望进入领域。

那么，您是一个有抱负的数据科学专业人士吗？💡

通过上述提到的令人惊叹的课程来学习R吧。