[修讀原因]

工程師有三種: 一種是會出嘴巴的, 一種是會設定找問題的, 一種是會寫程式開發的, 雖然說這三種工程師都有其自己定位, 但身為一個 Data Engineer 在其描述不是電腦專才, 而是 Hacking Skill, 這指的是實作的能力, 因此若不會寫程式的話, 以這個 Hacking Skill 觀點是不夠的.

當然這會寫程式是不單純的, 其中還包含很多面項, 例如:

• 對語言的熟悉度
• 對函式庫的掌握度
• 對開發環境的應用度
• 對演算法的了解度
• 對開發流程(版本控制)的實用度
• 對工具的適用度
• .........

等等等等都是一個好的 Developer (Programmer) 須要的條件.

除外, 語言的種類倒是在其次, 無論是用 PHP, Python, Java, R, ..... 都是可以的, 一種語言不可能有全面且壓倒性的適用度強過其他種, 而選擇一個語言要看的點有:

• 函式庫是否有符合類似須求的方向
• 社群是否有強而有力的支援
• 開發環境是否足夠
• 執行的速度與效能
• ......

等等等等都是選擇開發使用語言的考慮因素.

這邊會拿出 R 是有原因的, 當然是 R 在統計方面的資源真的很多, 尤其是一些新的觀念的函式庫會讓開發時間與資源成本少很多, 但這個只適用對語言都不太熟的, 若是你最熟悉那個語言, 在大部份的經驗就是那個語言是最好的.

[基本資訊]

• 課程題目: R (Programming Laguage)
• 大學學程: 依須求開課學習
• 困難度: ＊＊
• 必要度: ＊＊＊
• 所須時間: ＊＊
• 建議書籍: The Art of R Programming: A Tour of Statistical Software Design

[基本介紹]

R 最強的地方有幾項:

• 可以直接製圖
• 許多統計函式庫

就如 R Project 所說的:

• an effective data handling and storage facility,
• a suite of operators for calculations on arrays, in particular matrices,
• a large, coherent, integrated collection of intermediate tools for data analysis,
• graphical facilities for data analysis and display either on-screen or on hardcopy, and
• a well-developed, simple and effective programming language which includes conditionals, loops, user-defined recursive functions and input and output facilities.

而語言的學就是去用, 就建議大家找個題目去實作, 這樣就學會了.

[修習方式]

電子書:

• http://www.r-project.org/doc/bib/R-books.html
• http://www.crcpress.com/product/isbn/9781439884485
• http://www.apress.com/9781484201404
• http://www.r-project.org/doc/bib/R-jabref.html
• http://www.amazon.com/Introduction-Statistical-Learning-Applications-Statistics/dp/1461471370/ref=pd_sim_b_5?ie=UTF8&refRID=08RZN6VSP5S0K4GSR6M2
• http://www.amazon.com/Everyone-Advanced-Analytics-Graphics-Addison-Wesley/dp/0321888030/ref=pd_sim_b_2?ie=UTF8&refRID=08RZN6VSP5S0K4GSR6M2

開放課程:

• https://www.coursera.org/course/rprog
• https://www.codeschool.com/courses/try-r
• http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-251j-introduction-to-mathematical-programming-fall-2009/

關鍵字:

• Programming with Big Data in R
• Rmetrics