Содержание курса
7
разделов
74
урока
354
теста
159
задач
0 ч.
обн. 1 мая 2026
Продвинутые методы обработки данных с использованием dplyr и dat
8 уроков
1.
Продвинутые функции пакета dplyr
↗
2.
Освоение построчных операций и столбцов-списков
↗
3.
Продвинутые методы преобразования данных с помощью функций Summa
↗
4.
Метапрограммирование
↗
5.
Высокопроизводительная группировка и агрегация данных
↗
6.
Эффективные по памяти операции data.table
↗
7.
Сравнение производительности: dplyr и data.table
↗
8.
Практическая обработка данных: Рабочий процесс с использованием
↗
Функциональное программирование и продвинутые концепции программ
12 уроков
1.
Продвинутые функциональные объекты и окружения
↗
2.
Замыкания и Фабрики функций
↗
3.
Функции высшего порядка и композиция функций
↗
4.
Продвинутые техники purrr: Шаблоны отображения и редукции
↗
5.
Метапрограммирование: Выражения и Квазицитирование
↗
6.
Продвинутые системы объектов S3 и S4
↗
7.
Классы R6 для работы с семантикой ссылок
↗
8.
Продвинутые методы отладки и профилирования
↗
9.
Функциональное реактивное программирование в Shiny
↗
10.
Оптимизация производительности: Векторизация и интеграция с C++
↗
11.
Разработка предметно-ориентированных языков в R
↗
12.
Разработка сложных пакетов с применением функциональных паттерно
↗
Продвинутое статистическое моделирование и машинное обучение
12 уроков
1.
Основы статистического вывода
↗
2.
Обобщённые линейные модели (ОЛМ): углублённый урок
↗
3.
Выбор модели и методы регуляризации
↗
4.
Векторизация: углубление в тему
↗
5.
Продвинутые методы ансамблирования
↗
6.
Метод опорных векторов и ядерные методы
↗
7.
Методы оценки и проверки моделей
↗
8.
stringr и регулярные выражения в R
↗
9.
Снижение размерности методом главных компонент (PCA)
↗
10.
Работа с многомерными данными
↗
11.
Функциональное программирование в R
↗
12.
Создание воспроизводимых рабочих процессов моделирования
↗
Мастерство визуализации данных с использованием ggplot2 и расшир
12 уроков
1.
Продвинутая грамматика графиков: Освоение эстетик и фасетов
↗
2.
Создание карт и пространственных визуализаций
↗
3.
Автоматизация рабочих процессов: Программное создание и итерация
↗
4.
Дизайн информационных панелей: Интеграция графики ggplot2 в R Ma
↗
5.
Создание пользовательских тем оформления и доводка графиков
↗
6.
Статистические преобразования и сглаживание данных
↗
7.
Освоение геометрических объектов
↗
8.
Производственные пайплайны данных
↗
9.
Интерактивная визуализация данных с plotly и ggplotly
↗
10.
Расширенная настройка графиков
↗
11.
Разработка пользовательских геометрических объектов и статистик
↗
12.
Работа с большими наборами данных
↗
Высокопроизводительные вычисления и параллельная обработка данны
18 уроков
1.
Управление параллельными кластерами
↗
2.
Оптимизация с использованием эффективных структур данных и векто
↗
3.
Высокопроизводительные вычисления на графических процессорах
↗
4.
Основы анализа производительности: профилирование и бенчмаркинг
↗
5.
(Бонус) Подробное изучение Rcpp для эффективной интеграции C++
↗
6.
Ускорение циклов с помощью компиляции на лету
↗
7.
R: дисциплина анализа данных и воспроизводимый пайплайн
↗
8.
Обработка данных порциями
↗
9.
Работа с базами данных в R с использованием пакетов DBI и dbplyr
↗
10.
Работа с пакетом Arrow для эффективных форматов файлов
↗
11.
Работа с файлами через отображение в память с использованием пак
↗
12.
Построение масштабируемого аналитического конвейера
↗
13.
Продвинутые методы управления памятью и сборка мусора
↗
14.
Параллельные вычисления в R: ускорение анализа и пайплайнов
↗
15.
Профилирование кода на R
↗
16.
Векторизация и отказ от использования циклов
↗
17.
Эффективные структуры данных: Матрицы, массивы и data.table
↗
18.
(Бонус) Продвинутая оптимизация
↗
Воспроизводимые исследования и промышленное развертывание
11 уроков
1.
Основы воспроизводимых исследований с использованием R Markdown
↗
2.
Система контроля версий для проектов на R с использованием Git и
↗
3.
Разработка пакетов для многократно используемых аналитических ко
↗
4.
Разработка интерактивных веб-приложений с помощью Shiny
↗
5.
Продвинутый Shiny: Модульность, тестирование и безопасность
↗
6.
Контейнеризация приложений на R с помощью Docker
↗
7.
Стратегии развертывания в продакшен и конвейеры непрерывной инте
↗
8.
Оптимизация производительности и масштабирование приложений на R
↗
9.
Разработка API с использованием Plumber и RESTful сервисов
↗
10.
Автоматизация рабочих процессов
↗
11.
Мониторинг, логирование и обслуживание производственных систем
↗
Финальный модуль
1 урок
1.
Дальнейшее обучение
↗