学会识别 R 代码中的恼人性能瓶颈。您将并行运行一个经典数值运算，并学会评估是否真的更快。

我们要并行化吗？

什么时候可以并行化？

使用 parLapply()

R 中的并行化

并行读取文件

每日价格区间

评估收益

生育母亲平均年龄的自助法抽样

选项

可向量化

不可向量化

可以向量化吗？

用 microbenchmark 评估收入计算

并行编程入门

在多种场景下于 R 中运用并行，同时高效管理依赖关系。把那些慢吞吞的循环变成顺畅高效的"机器"。

parLapply 的实际应用

在集群上运行代码

并行过滤器

并行 apply 家族

使用 clusterMap() 计算医疗支出

使用 mclapply() 计算人口增长率

按列处理交易量

使用 foreach

使用 foreach 进行循环

带变量与包的 foreach

foreach 高级操作

迭代并筛选

用嵌套 foreach 循环分析价格趋势

parallel 与 foreach

深入了解并行编程中的 futures 用法。学习并行处理向量、列表和数据框，同时保持代码易于维护。

Futures（期货 / 未来任务）

延迟求平方根

用于投放目标的 Futures

用 futures 资助社会科学

映射未来

使用 furrr 对股票进行排名

Furrr 类型指定

使用 furrr 的高级操作

处理多个输入

furrr 配置

用 future_map() 做更多事情

按分组对股票价格进行自助法抽样

按行绑定 future_map 结果

并行 Futures

学习为并行进程管理内存。让您的代码可复现，并将高效调试加入您的并行编程工具箱。

监控与管理内存

parLapply() 的内存分析

对自助法进行分块处理

并行中的可复现性

可复现的抽奖结果

复现实证自助法（bootstrap）

并行调试

调试步骤

调试相关性

高级调试

自助法的错误

捕获建模错误

本章到这里就结束了！

并行中的故障排查

R 编程语言是现代技术栈中的关键组成部分，但 R 代码有时执行较慢。本课程将通过并行编程，帮助您利用大多数现代计算机配备的多处理器来优化代码。您将掌握并行编程的关键概念，并识别哪些操作适合并行化。您还将探索 R 中成熟的并行化包（parallel、foreach、future），并学习如何缩短执行时间、进行监控与调试，以及在并行代码中确保可复现性。

<h2>使用并行编程加速你的代码</h2>
<br><br>
R 编程语言是现代技术栈的关键组成部分。 但有时，R 代码运行起来会花很长时间。 好消息是，大多数现代计算机都配备了多个处理器。 这门并行编程课程可以帮助你利用现有硬件加速代码运行。
<br><br>
<h2>学习关键概念</h2>
<br><br>
在本课程中，您将系统地学习并行编程的关键概念。 您将对引导法和函数映射等常见计算进行分析和基准测试。 您还将学习识别可以从并行化中受益的操作。
<br><br>
<h2>使用 R 包并行化操作</h2>
<br><br>
随着学习的深入，你将探索一系列成熟的 R 包（parallel、foreach、future）。 您将学习使用这些包来并行化对列表、矩阵和数据框的操作。 通过处理各种任务，您将掌握控制嵌套 for 循环执行时间的技能。 您还将学习如何监控、调试并解决并行化代码的可复现性问题。
<br><br>
<h2>并行化你现有的代码</h2>
<br><br>
掌握这些工具后，你将能够编写并行化代码，运行速度显著更快。 等你学完后，你将具备以规范的方法并行化和维护现有代码的技能。

Writing Efficient R Code

Introduction to the Tidyverse

在R中解锁并行计算的力量。提升数据分析技能，加速计算，轻松处理大型数据集。

R 并行编程

释放 R 中并行计算的强大能力。提升数据分析技能，加速计算，轻松处理大型数据集。


R 开发人员

从数值列创建布尔（TRUE 或 FALSE）列

对置信区间进行自助法（bootstrap）估计

可以向量化吗？

R 并行编程

动手互动练习