Aprende a identificar esos molestos cuellos de botella de velocidad en tu código R. Ejecutarás una operación numérica clásica en paralelo y ¡aprenderás a comprobar si sirve de algo!

¿Debemos paralelizar?

¿Cuándo puedes paralelizar?

Utilizar parLapply()

Paralelización en R

Leer archivos en paralelo

Rangos de precios diarios

Medir los beneficios

Bootstrapping de la edad materna media

Opciones

Vectorizable

No vectorizable

¿Podemos vectorizar?

Ingresos del microbenchmark

Introducción a la programación paralela

Utiliza el paralelismo en R para una gran variedad de situaciones mientras gestionas eficazmente las dependencias. ¡Convierte esos bucles lentos en máquinas de funcionamiento suave!

parLapply en la vida real

Ejecutar código en el clúster

Un filtro paralelo

La familia paralela aplica

Gasto sanitario con clusterMap()

Tasas de crecimiento de la población con mclapply()

Operaciones en columna con volúmenes de negociación

Utilizar foreach

Bucle con foreach

foreach con variables y paquetes

Operaciones foreach avanzadas

Iterar y filtrar

Bucles foreach anidados para tendencias de precios

Paralelo y foreach

Profundiza en el uso de futuros en la programación paralela. Aprende a procesar vectores, listas y marcos de datos en paralelo, manteniendo tu código fácil de mantener.

Futuros

Raíces cuadradas retardadas

Futuros objetivos publicitarios

Financiar las ciencias sociales con futuros

Trazando el futuro

Clasificación de acciones con furrr

Especificación tipo Furrr

Operaciones avanzadas con furrr

Procesamiento de entradas múltiples

La configuración furrr

Haz más cosas con future_map()

Bootstrap agrupado de los precios de las acciones

Resultados del mapa_futuro de vinculación por filas

Futuros paralelos

Aprende a gestionar la memoria de los procesos paralelos. Haz que tu código sea reproducible y añade una depuración eficaz a tu conjunto de herramientas de programación paralela.

Control y gestión de la memoria

Perfil de memoria de parLapply()

Trocear el bootstrap

Reproducibilidad en paralelo

Resultados de lotería reproducibles

Reproducir el bootstrap

Depuración en paralelo

Los pasos de depuración

Depuración de correlaciones

Depuración avanzada

El error bootstrap

Detectar errores de modelización

¡Se acabó!

Solución de problemas en paralelo

El lenguaje de programación R es un componente crucial de la pila tecnológica moderna, pero el código R a veces puede tardar en ejecutarse. Este curso sobre programación paralela puede ayudarte a optimizar tu código aprovechando los múltiples procesadores que se encuentran en la mayoría de los ordenadores modernos. Comprenderás los conceptos clave de la programación paralela e identificarás las operaciones que pueden beneficiarse de la paralelización. También explorarás paquetes R establecidos (parallel, foreach, future) para la paralelización y adquirirás las habilidades para reducir el tiempo de ejecución, supervisar, depurar y garantizar la reproducibilidad en el código paralelizado.

<h2>Acelera tu código con la programación paralela</h2>
<br><br>
El lenguaje de programación R es una parte clave de la pila tecnológica moderna. Pero a veces, el código R tarda mucho en ejecutarse. La buena noticia es que la mayoría de los ordenadores modernos tienen varios procesadores. Este curso sobre programación paralela puede ayudarte a acelerar tu código aprovechando el hardware que ya tienes.
<br><br>
<h2>Aprende los conceptos clave</h2>
<br><br>
En este curso, aprenderás sistemáticamente los conceptos clave de la programación paralela. Perfilarás y evaluarás cálculos comunes como bootstraps y mapeos de funciones. También aprenderás a identificar las operaciones que pueden beneficiarse de la paralelización.
<br><br>
<h2>Utilizar paquetes R para paralelizar operaciones</h2>
<br><br>
A medida que avances, explorarás un conjunto de paquetes R maduros (parallel, foreach, future). Aprenderás a utilizar estos paquetes para paralelizar operaciones con listas, matrices y marcos de datos. Trabajando a través de diversas tareas, adquirirás las habilidades necesarias para controlar el tiempo de ejecución de los bucles for anidados. También aprenderás a controlar, depurar y resolver los problemas de reproducibilidad del código paralelizado.
<br><br>
<h2>Paraleliza tu código existente</h2>
<br><br>
Con estas herramientas en tu haber, podrás escribir código paralelizado que se ejecute mucho más rápido. Cuando termines, tendrás las habilidades necesarias para paralelizar y mantener el código existente de una manera basada en principios.

Writing Efficient R Code

Introduction to the Tidyverse

Programación paralela en R

Desarrollador R

¿Cuándo puedes paralelizar?

Programación paralela en R

ejercicio interactivo práctico