✅ جایگاه هر پکیج در جریان علوم داده:
#Data_Science_Workflow in R

1- فراخوانی و استخراج داده
(readr, data.table, rvest, xml2..)
2- تبدیل داده و تمیزسازی
(Tidyverse= dplyr, magrittr, tidyr, purrr, tibble, stringr, lubridate, ggplot)

پردازش پیچیده و داده حجیم:
SparklyR , Revolution R

3- مدلسازی و ارزیابی
(H2o, keras, GBM, CARET, Party, e1071,broom,rattle_Gui..)

4- ارائه نتایج و مصورسازی
(ggplot & plotly & Highcharter)

5- مدیریت دانش: مستندسازی و ساخت گزارش
(Rmarkdown & R Notebook & blogdown & bookdown )

6- ایجاد web application و داشبورد
(Shiny & Shiny Dashboard)


#R
#shiny
#rmarkdown
#Tidyvers

🌐 @Data_ScienceR

پنج لیدر Data Science:

1) Python
2) R
3) Tensorflow
H2o
Apache Spark

🌐 @Data_ScienceR

◀ تبدیل Revolution Analytics یا R server شرکت Intel و مایکروسافت در گذر زمان به
ML Server

https://www.microsoft.com/en-us/videoplayer/embed/RE1SYTg?pid=player-container2-oneplayer&postJsllMsg=true&autoplay=false&mute=false&loop=false&market=en-us&useAdaptive=false&playFullScreen=false

🌐 @Data_ScienceR

🌐 @Data_ScienceR

R Client::RTVS
R for Visual Studio

R vs Revolution R

مقایسه سرعت پردازش R و MS R در حجم داده های مختلف

معماری Machine learning services

#Machine_Learning_Services
#R_Server
#Python
#RTVS::R Tools Visual studio
#sql_R_server
#R_Revolution
#Microsoft_R_open

◀ تبدیل Revolution Analytics یا R server شرکت Intel و مایکروسافت در گذر زمان به
ML Server

https://www.microsoft.com/en-us/videoplayer/embed/RE1SYTg?pid=player-container2-oneplayer&postJsllMsg=true&autoplay=false&mute=false&loop=false&market=en-us&useAdaptive=false&playFullScreen=false

MS R Server Topology

🌐 @Data_ScienceR

H2O platform_data Science
پیاده سازی نیمه اتوماتیک فرآیند داده کاوی در پلت فرم H2O
#H2O
#AI
#R
#Java
#python
#sparkR
#AWS

پرکارترین کتابخانه ها در R, Scala, python:

@Data_ScienceR

🏷 ETL vs ELT

🌐 @Data_ScienceR