Để làm mã của bạn chạy nhanh hơn, trước hết bạn cần biết nó mất bao lâu để chạy. Chương này giới thiệu ý tưởng benchmark mã của bạn.

Chào mừng!

Phiên bản R

Đo hiệu năng

So sánh thời gian đọc tệp CSV và RDS

Khác biệt trong cách hoạt động: "<-" và "="

Thời gian trôi qua

Thời gian tương đối

Máy của bạn mạnh đến mức nào?

Phần cứng DataCamp

Đo hiệu năng máy của DataCamp

Nghệ thuật Benchmarking

R rất linh hoạt vì thường có nhiều cách khác nhau để giải quyết cùng một bài toán. Một số cách có thể nhanh hơn các cách khác hàng bậc độ lớn. Chương này hướng dẫn bạn viết mã base R chạy nhanh.

Cấp phát bộ nhớ

Vì sao đoạn mã này chạy chậm?

Đo thời gian - tăng kích thước một vector

Đo thời gian - cấp phát trước

Tầm quan trọng của việc vector hóa mã của bạn

Mã vector hóa: phép nhân

Mã vector hóa: tính log-sum

Data frame và ma trận

Data frame so với ma trận

Data frame và ma trận - chọn cột

Chọn một hàng trong data frame

Đo thời gian theo hàng

Tinh chỉnh: Base R hiệu quả

Profiling giúp bạn xác định các nút thắt cổ chai trong mã. Chương này dạy bạn cách trực quan hóa các nút thắt bằng gói profvis.

Code profiling là gì

Hồ sơ hóa (profiling) một hàm

Nút thắt nằm ở đâu?

Profvis thực chiến

Profvis: Ví dụ lớn hơn

Chuyển data frame thành matrix

Tính tổng theo hàng

Dùng && thay cho &

Tổng quan về Monopoly

Chẩn đoán vấn đề: Hồ sơ hiệu năng mã

Một số bài toán có thể được giải nhanh hơn bằng cách tận dụng nhiều nhân (cores) trên máy của bạn. Chương này chỉ cho bạn cách viết mã R chạy song song.

CPU - vì sao chúng ta có nhiều hơn một

Máy này có bao nhiêu lõi?

Những loại bài toán nào hưởng lợi từ tính toán song song?

Vòng lặp này có chạy song song được không (1)?

Vòng lặp này có thể chạy song song không (2)?

Gói parallel - parApply

Chuyển sang lập trình song song

Chuyển sang parApply

Gói parallel - parSapply

Sử dụng parSapply()

Đo thời gian với parSapply()

Bạn có thể viết mã R hiệu quả!

Tăng tốc mã: Lập trình song song

Information on 45,000 movies

Điểm tuyệt vời của R là được xây dựng để phân tích dữ liệu. Điểm hạn chế là đôi khi R có thể chậm, cản trở quá trình phân tích. Vì vậy, điều quan trọng là bạn cần nắm vững các kỹ thuật chính để tăng tốc phân tích, giúp rút ngắn thời gian tính toán và rút ra insight nhanh nhất có thể.

Intermediate R

Học viết mã R nhanh hơn, khám phá đo lường và phân tích, mở khóa bí mật lập trình song song.

Viết mã R hiệu quả

Học cách viết R code nhanh hơn, khám phá benchmarking và profiling, và mở khóa bí quyết của parallel programming.

Dữ liệu lớn trong R

Nhà phát triển R

Cơ bản về lập trình R

Data frame so với ma trận

Viết mã R hiệu quả

Bài tập tương tác thực hành