Learn to identify those pesky speed bottlenecks in your R code. You will run a classic numerical operation in parallel and learn to check if it helps!

Dovremmo parallelizzare?

Quando puoi parallelizzare?

Uso di parLapply()

Parallelizzazione in R

Lettura dei file in parallelo

Intervalli di prezzo giornalieri

Misurare i benefici

Bootstrap dell’età media materna

Opzioni

Vettorializzabile

Non vettorializzabile

Possiamo vettorializzare?

Microbenchmark dei ricavi

Introduction to Parallel Programming

Use parallelism in R for a variety of situations while efficiently managing dependencies. Turn those slow loops into smooth-running machines!

parLapply in real life

Running code on the cluster

A parallel filter

The parallel apply family

Healthcare spending with clusterMap()

Population growth rates with mclapply()

Column operations with trading volumes

Using foreach

Looping with foreach

foreach with variables and packages

Advanced foreach operations

Iterate and filter

Nested foreach loops for price trends

Parallel and foreach

Dive deep into the use of futures in parallel programming. Learn to process vectors, lists, and data frames in parallel, all the while keeping your code easy to maintain.

Futures

Delayed square roots

Futures for advertisement targets

Funding social sciences with futures

Mapping the future

Ranking stocks with furrr

Furrr type specification

Advanced operations with furrr

Processing multiple inputs

The furrr configuration

Do more with future_map()

Grouped bootstrap of stock prices

Row-binding future_map results

Parallel Futures

Learn to manage memory for parallel processes. Make your code reproducible, and add efficient debugging to your parallel programming toolkit.

Monitoring and managing memory

Memory profile of parLapply()

Chunking the bootstrap

Reproducibility in parallel

Reproducible lottery results

Reproduce the bootstrap

Debugging in parallel

The debugging steps

Debugging correlations

Advanced debugging

The bootstrap error

Catch modeling errors

That's a wrap!

Troubleshooting in Parallel

Il linguaggio di programmazione R è un elemento fondamentale dell’attuale stack tecnologico, ma a volte il codice R può richiedere tempo per l’esecuzione. Questo corso sulla programmazione parallela ti aiuta a ottimizzare il tuo codice sfruttando i molteplici processori presenti nella maggior parte dei computer moderni. Apprenderai i concetti chiave della programmazione parallela e saprai riconoscere le operazioni che traggono vantaggio dalla parallelizzazione. Esplorerai pacchetti R consolidati (parallel, foreach, future) per la parallelizzazione e acquisirai le competenze per ridurre i tempi di esecuzione, monitorare, fare debug e garantire la riproducibilità del codice parallelizzato.

<h2>Accelera il tuo codice con la programmazione parallela</h2>
<br><br>
Il linguaggio di programmazione R è una parte fondamentale dello stack tecnologico moderno. Ma a volte, il codice R ci mette un sacco di tempo a funzionare. La buona notizia è che quasi tutti i computer di oggi hanno più processori. Questo corso sulla programmazione parallela può aiutarti a velocizzare il tuo codice sfruttando l'hardware che già hai.
<br><br>
<h2>Impara i concetti chiave</h2>
<br><br>
In questo corso imparerai in modo sistematico i concetti chiave della programmazione parallela. Farai il profilo e il benchmark di calcoli comuni come bootstrap e mappature di funzioni. Imparerai anche a capire quali operazioni possono essere migliorate con la parallelizzazione.
<br><br>
<h2>Usa i pacchetti R per parallelizzare le operazioni</h2>
<br><br>
Man mano che vai avanti, scoprirai una serie di pacchetti R già pronti (parallel, foreach, future). Imparerai a usare questi pacchetti per parallelizzare operazioni con elenchi, matrici e data frame. Lavorando su un sacco di compiti diversi, imparerai a gestire il tempo di esecuzione dei cicli for annidati. Imparerai anche come controllare, risolvere i bug e sistemare i problemi di riproducibilità del codice parallelizzato.
<br><br>
<h2>Rendi parallelo il tuo codice già pronto</h2>
<br><br>
Con questi strumenti a disposizione, potrai scrivere codice parallelizzato che gira molto più velocemente. Quando avrai finito, avrai le competenze per parallelizzare e mantenere il codice esistente in modo sistematico.

Writing Efficient R Code

Introduction to the Tidyverse

Sblocca la potenza del calcolo parallelo in R. Migliora l'analisi dati e accelera i calcoli.

Programmazione parallela in R

R Sviluppatore

Uso di parLapply()

Programmazione parallela in R

Esercizio pratico interattivo