R គឺជាភាសាដ៏មានឥទ្ធិពលមួយផ្សេងទៀតដែលស័ក្តិសមសម្រាប់កិច្ចការវិទ្យាសាស្ត្រទិន្នន័យ រួមជាមួយ Python ។ នេះជាអ្វីដែលធ្វើឱ្យមានភាពទាក់ទាញដល់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ៖
- ស្ថិតិ៖ R ត្រូវបានបង្កើតឡើងដោយមានស្ថិតិក្នុងចិត្ត ដោយផ្តល់នូវមូលដ្ឋានគ្រឹះដ៏រឹងមាំសម្រាប់ការវិភាគស្ថិតិ។ វាមានការប្រមូលដ៏ធំនៃមុខងារស្ថិតិ និងកញ្ចប់ដែលអាចប្រើបាន។
- Data Visualization៖ R ពូកែបង្កើតការមើលឃើញទិន្នន័យដែលមានគុណភាពខ្ពស់ និងអាចប្ដូរតាមបំណងបាន។ បណ្ណាល័យ 'ggplot2' ដែលជាផ្នែកមួយនៃបណ្តុំ 'tidyverse' ផ្តល់នូវវេយ្យាករណ៍ដ៏មានអានុភាពនៃក្រាហ្វិកសម្រាប់បង្កើតតារាងឆើតឆាយ និងផ្តល់ព័ត៌មាន។
- ការស្រាវជ្រាវដែលអាចបន្តពូជបាន៖ R គឺជាជើងឯកនៃការស្រាវជ្រាវដែលអាចបន្តពូជបាន។ លក្ខណៈអន្តរកម្មរបស់វា និងសមត្ថភាពសរសេរកូដតាមរយៈឧបករណ៍ដូចជា RStudio ធ្វើឱ្យវាងាយស្រួលក្នុងការចងក្រងឯកសារ និងចែករំលែកលំហូរការងារវិទ្យាសាស្ត្រទិន្នន័យរបស់អ្នក។
- សហគមន៍ និងកញ្ចប់៖ R មានសហគមន៍អ្នកវិទ្យាសាស្ត្រទិន្នន័យដ៏រស់រវើក ដែលរួមចំណែកយ៉ាងសកម្មដល់ការប្រមូលកញ្ចប់ដ៏សម្បូរបែប ពង្រីកមុខងាររបស់ R ទៅកាន់ដែនផ្សេងៗដូចជា ជីវព័ត៌មានវិទ្យា ហិរញ្ញវត្ថុ និងវិទ្យាសាស្ត្រសង្គម។
នេះគឺជាធនធានមួយចំនួនដើម្បីស្វែងយល់អំពី R សម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ៖
- សៀវភៅ៖
- R សម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ (បោះពុម្ពលើកទី 2) ដោយ Hadley Wickham R សម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ Hadley Wickham - នេះគឺជាការណែនាំដ៏ពេញនិយម និងទូលំទូលាយដែលត្រូវបានរចនាឡើងជាពិសេសសម្រាប់ការរៀនវិទ្យាសាស្ត្រទិន្នន័យជាមួយ R.
- Advanced R ដោយ Hadley Wickham - សៀវភៅនេះពន្យល់កាន់តែស៊ីជម្រៅទៅក្នុងគំនិត R កម្រិតខ្ពស់សម្រាប់អ្នកប្រើប្រាស់ដែលមានបទពិសោធន៍។
- វគ្គសិក្សាតាមអ៊ីនធឺណិត៖
ខណៈពេលដែល Python អាចត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយជារួម R មានកម្មសិទ្ធិរបស់វានៅក្នុងវិទ្យាសាស្ត្រទិន្នន័យ។ វាជាជម្រើសដ៏ល្អមួយប្រសិនបើអ្នកកំណត់អាទិភាពលើសមត្ថភាពស្ថិតិខ្លាំង ការ
មើលឃើញទិន្នន័យពិសេស និងការផ្តោតលើការស្រាវជ្រាវដែលអាចផលិតឡើងវិញបាន។
ទីបំផុត ភាសាល្អបំផុតសម្រាប់អ្នកគឺអាស្រ័យលើ
តម្រូវការ និងចំណូលចិត្តជាក់លាក់របស់អ្នក។ ប្រសិនបើអ្នកធ្លាប់ស្គាល់ Python រួចហើយ វាអាចជាការផ្លាស់ប្តូរកាន់តែរលូន។ ប៉ុន្តែភាពខ្លាំងរបស់ R នៅក្នុងស្ថិតិ និងក្រាហ្វិកធ្វើឱ្យវាក្លាយជាជម្រើសដ៏គួរឱ្យទាក់ទាញ ជាពិសេសសម្រាប់អ្នកដែលមកពីប្រវត្តិស្ថិតិខ្លាំង។
1 Comments
good idea
ReplyDelete