In order to make your code go faster, you need to know how long it takes to run. This chapter introduces the idea of benchmarking your code.

Welcome!

R version

Benchmarking

Comparing read times of CSV and RDS files

Operational differences: "<-" and "="

Elapsed time

Relative time

How good is your machine?

DataCamp hardware

Benchmark DataCamp's machine

The Art of Benchmarking

R is flexible because you can often solve a single problem in many different ways. Some ways can be several orders of magnitude faster than the others. This chapter teaches you how to write fast base R code.

Memory allocation

Why is this piece of code slow?

Timings - growing a vector

Timings - pre-allocation

Importance of vectorizing your code

Vectorized code: multiplication

Vectorized code: calculating a log-sum

Data frames and matrices

Data frames vs. matrices

Data frames and matrices - column selection

Selecting a row in a data frame

Row timings

Fine Tuning: Efficient Base R

Profiling helps you locate the bottlenecks in your code. This chapter teaches you how to visualize the bottlenecks using the profvis package.

Kod profilleme nedir

Bir fonksiyonu profilleme

Tıkanıklık nerede?

Profvis iş başında

Profvis: Daha büyük bir örnek

Veri çerçevesini matrise dönüştür

Satır toplamlarını hesaplama

& yerine && kullan

Monopoly'ye genel bakış

Diagnosing Problems: Code Profiling

Some problems can be solved faster using multiple cores on your machine. This chapter shows you how to write R code that runs in parallel.

CPUs - why do we have more than one

How many cores does this machine have?

What sort of problems benefit from parallel computing?

Can this loop run in parallel (1)?

Can this loop run in parallel (2)?

The parallel package - parApply

Moving to parallel programming

Moving to parApply

The parallel package - parSapply

Using parSapply()

Timings parSapply()

You can write efficient R code!

Turbo Charged Code: Parallel Programming

Information on 45,000 movies

R'nin güzelliği, veri analizi için tasarlanmış olmasıdır. Dezavantajı ise bazen yavaş kalabilmesi ve analizimizin önüne set çekebilmesidir. Bu yüzden, analizini hızlandırmanın temel tekniklerine hâkim olmak çok önemlidir; böylece hesaplama süresini kısaltıp içgörülere olabildiğince hızlı ulaşabilirsin.

Intermediate R

Daha hızlı R kodu yazmayı öğrenin, kıyaslama ve profil oluşturmayı keşfedin, paralel programlamayı çözün.

Verimli R Kodu Yazma

Daha hızlı R kodu yazmayı öğrenin, karşılaştırmalı değerlendirme ve profil oluşturmayı keşfedin ve paralel programlamanın sırlarını ortaya çıkarın.

Büyük Veri in R

R Geliştirici

R Programlama Temelleri

Bir fonksiyonu profilleme

Verimli R Kodu Yazma

Uygulamalı interaktif egzersiz