Як вивчити R? Мій досвід.

R - мова програмування і середовище для аналізу, статистичної обробки та візуалізації даних, якою  я зацікавилась приблизно 3 роки тому. На той час мене цікавило питання прогнозування кількості дзвінків у call-центр. R обрала з таких міркувань:

• є бібліотеки для роботи з часовими рядами
• широкі можливості для візуалізації
• безкоштовна
• працює під Linux

Яким би прикладним питанням статистики чи аналізу даних ви не займались, є дуже висока ймовірність, що існує R бібліотека, яка значно полегшить вам роботу.

Для прикладу:

• machine learning - e1071, randomForest, повний список тут
• прогнозування часових рядів - zoo, forecast
• інтерактивний дешборд  - shiny, rHighcharts, ggplot2
• візуалізація даних - ggplot2, lattice
• трансформація даних - reshape2, plyr
• дослідження текстів (text mining) - tm
• отримання даних з Twitter - twitteR
• пошук оптимального інвестиційного портфеля - fPotfolio

Повний список доступних бібліотек можна переглянути тут.
Основний недолік R - всі дані зберігаються  в оперативній пам'яті, тому обробка великих об'ємів даних  дуже обмежена. Хоча зараз з'явилась підтримка паралельних обчислень та можливість зберігати частину даних на диску. Детальніше про це можна прочитати в книзі Parallel R.

З чого почати вивчення?

Перш за все, підівчити англійську мову принаймі до рівня розуміння текстів, оскільки документація і більшість книг англійською. 

Російськомовних ресурсів не так вже й багато:

Книга: http://www.ozon.ru/context/detail/id/7952180/

Статті:

• http://www.ibm.com/developerworks/ru/library/l-r1/index.html
• http://herba.msu.ru/shipunov/software/r/rplus1.htm
• http://www.inp.nsk.su/~baldin/DataAnalysis/

Статті на Habrahabr http://habrahabr.ru/hub/r/

Блоги:

• http://r-analytics.blogspot.com
• http://chetvericov.ru/tag/r/
• http://donbas-socproject.blogspot.com

Група у Вконтакті: http://vk.com/club8142131

Якщо рівень англійської дозволяє читати книги й дивитись відео, вивчати R значно простіше і цікавіше. Почати можна з уроків від Code School: http://tryr.codeschool.com/ або серії відео від Google Developers .  Курси від Coursera не лише дозволять вивчити R, але й застосовувати для можливості цієї мови для вирішення проблем аналізу в різних сферах:

• Statistics One - курс зі статистики, починається 22 вересня 2013.
• Computing for Data Analysis - застосування R для обробки та візуалізації даних, починається 23 вересня 2013.
• Data Analysis - методи аналізу даних, починається 28 жовтня 2013.
• Introduction to Computational Finance and Financial Econometrics - вступ до фінансової економетрики та обчислювальних фінансів, починається 28 серпня 2013.

Ресурс http://www.r-bloggers.com/ - агрегатор блогів з R різними мовами, при бажанні можна додати свій.

Книг є величезна кількість, почати можна з серії UseR! від Springer і Beginner's Guide to R зокрема.

Безкоштовна IDE RStudio полегшить розробку та супровід програм.

Також можна підписатись на RSS-потік питань на StackOverflow  та CrossValidated і вчитись через допомогу іншим.

Візуалізація. Зміна інструментів

Близько року займаюсь візуалізацією статистики роботи техпідтримки.   Спочатку це був Google Docs - результати sql-скриптів копіювались туди, далі - побудова графіків і т. д. Багато доводилось робити вручну. Перейшла на Excel - pivot tables - чудова річ ( http://www.youtube.com/watch?v=7zHLnUCtfUk), яка дозволяє робити обробку даних безпосередньо в Excel, дані з бази імпортуються майже автоматично.  Але в Excel, як і в Google Docs та інших їхніх аналогах обмежений набір графіків. Наразі статистику перенесла в R. Це надпотужний інструмент зацікавив тим, що дозволяє робити як статистичний аналіз даних, так і data mining. Крім того, має величезні можливості візуалізації, а також інтеграцію з базами даних.

 З R багато речей можна зробити досить швидко та красиво. Наприклад, статистика за один з років по зареєстрованих зверненнях клієнтів, згрупована по днях тижня:

Графік - коробчаста діаграма.  По осі Х - дні тижня, починаючи з неділі. З даного графіка можемо зробити висновки:

1. у вихідні дні звернень реєструється менше;
2. у будні дні середня кількість звернень практично однакова
3. велика кількість аномальних даних  у вівторок, четвер та п'ятницю - можливо в ці дні аварійні ситуації  виникають частіше;