Writing good code for data science is only part of the job. In order to maximizing the usefulness and reusability of data science software, code must be organized and distributed in a manner that adheres to community-based standards and provides a good user experience. This course covers the primary means by which R software is organized and distributed to others. We cover R package development, writing good documentation and vignettes, writing robust software, cross-platform development, continuous integration tools, and distributing packages via CRAN and GitHub. Learners will produce R packages that satisfy the criteria for submission to CRAN.
Этот курс входит в специализацию ''Специализация Mastering Software Development in R'
Building R Packages
от партнера
Об этом курсе
Недавно просмотрено: 5,438
Приобретаемые навыки
Programming ToolGithubContinuous IntegrationR Programming
Программа курса: что вы изучите
Неделя
13 ч. на завершение
Getting Started with R Packages
1 видео ((всего 2 мин.)), 16 материалов для самостоятельного изучения, 1 тест
1 видео
16 материала для самостоятельного изучения
Before You Start10мин
Using Mac OS10мин
Using Windows10мин
Using Unix/Linux10мин
R packages10мин
Basic Structure of an R Package10мин
DESCRIPTION File10мин
NAMESPACE File10мин
Namespace Function Notation10мин
Loading and Attaching a Package Namespace10мин
The R Sub-directory10мин
The man Sub-directory10мин
Summary10мин
The devtools package10мин
Creating a Package10мин
Other Functions10мин
1 практическое упражнение
R Package and devtools20мин
Неделя
27 ч. на завершение
Documentation and Testing
14 материалов для самостоятельного изучения, 1 тест
14 материала для самостоятельного изучения
Documentation10мин
Vignette's and README Files10мин
Knitr / Markdown30мин
Common knitr Options10мин
Help Files and roxygen210мин
Common roxygen2 Tags10мин
Overview10мин
Data for Demos10мин
Internal Data10мин
Data Packages10мин
Summary10мин
Introduction10мин
The testthat Package10мин
Passing CRAN Checks10мин
Неделя
35 ч. на завершение
Licensing, Version Control, and Software Design
25 материалов для самостоятельного изучения, 1 тест
25 материала для самостоятельного изучения
Overview10мин
The General Public License10мин
The MIT License10мин
The CC0 License10мин
Overview10мин
Paying it Forward10мин
Linus’s Law10мин
Hiring10мин
Summary10мин
Introduction10мин
git10мин
Initializing a git repository10мин
Committing10мин
Browsing History10мин
Linking local repo to GitHub repo10мин
Syncing RStudio and GitHub10мин
Issues10мин
Pull Request10мин
Merge Conflicts10мин
Introduction10мин
The Unix Philosophy10мин
Default Values10мин
Naming Things10мин
Playing Well With Others10мин
Summary10мин
1 практическое упражнение
Testing, GitHub, and Open Source20мин
Неделя
46 ч. на завершение
Continuous Integration and Cross Platform Development
13 материалов для самостоятельного изучения, 1 тест
13 материала для самостоятельного изучения
Overview10мин
Web Services for Continuous Integration10мин
Using Travis10мин
Using AppVeyor10мин
Summary10мин
Introduction10мин
Handling Paths10мин
Saving Files & rappdirs10мин
rappdirs10мин
Options and Starting R10мин
Package Installation10мин
Environmental Attributes10мин
Summary10мин
Пригласите друзей и получите скидку 50%
Разделите с друзьями свою любовь к учебе! Запишитесь на курс вместе с другом, и когда он совершит покупку, вы оба получите скидку 50% на курс или на первый месяц подписки на специализацию.
Посмотреть условия использования4.2
Рецензии: 4525%
начал новую карьеру, пройдя эти курсы
17%
получил значимые преимущества в карьере благодаря этому курсу
Лучшие отзывы о курсе Building R Packages
Fantastic course... Unfortunately, not too many people registered, it's tough to get your assignments graded. The program is the great continuation to the 10 course R data science specialization...
This is a critical skill and it's barely covered anywhere else. Thanks for making this course!
Преподаватели
Roger D. Peng, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
Brooke Anderson
Assistant Professor, Environmental & Radiological Health SciencesColorado State University
О Университет Джонса Хопкинса
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Специализация Mastering Software Development in R: общие сведения
R is a programming language and a free software environment for statistical computing and graphics, widely used by data analysts, data scientists and statisticians. This Specialization covers R software development for building data science tools. As the field of data science evolves, it has become clear that software development skills are essential for producing and scaling useful data science results and products.
This Specialization will give you rigorous training in the R language, including the skills for handling complex data, building R packages, and developing custom data visualizations. You’ll be introduced to indispensable R libraries for data manipulation, like tidyverse, and data visualization and graphics, like ggplot2. You’ll learn modern software development practices to build tools that are highly reusable, modular, and suitable for use in a team-based environment or a community of developers.
This Specialization is designed to serve both data analysts, who may want to gain more familiarity with hands-on, fundamental software skills for their everyday work, as well as data mining experts and data scientists, who may want to use R to scale their developing and programming skills, and further their careers as data science experts.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.