Репост из: ЗаТелеком 🌐
Ну, раз суббота-вечер (длинный@зимний), можно немного и пофтыкать в программирование.
Например, за языки программирования похоливорить. Хотя смысла нет, конечно — каждый инструмент создавался под определенную задачу и удобен по применению. И умению использования, конечно.
Я умею в несколько ЯП, но не назвал бы себя крутым спецом ни в одном. Просто могу читать код и иногда даже понимать прочитанное. А еще, мне нужно (опять же иногда) обработать некоторое количество данных, что-то такое посчитать. И когда данных достаточно много (я для себя принял «примерно тысячу строк», но это не догма) и обрабатывать надо с некоторой регулярностью, я запускаю какую-нибудь среду.
Чаще всего, это R-Studio. Потому что задачи как раз такого вида: взять файл с цифрами, обработать, поиграться с коэффициентами, нарисовать график. И для такой задачи нет ничего проще и быстрее, чем R. Реально, многие вещи делаются в три строчки кода. И иногда можно считать всякие головоломные алгоритмы из подгруженных библиотек. Реально сложные — просто на осмысление алгоритма убьете кучу времени. А тут прост шаришься в справочнике и играешься копи-пастом.
Увлекательно. В. Питоне так не получится.
Итак, ежели вы берете на работу [в телеком-интернет компанию] маркетолога, то он однозначно должен уметь в этот инструмент. А ежели вы маркетолог и еще не освоили, то вот вам конспект:
http://varmara.github.io/proteomics-course/01_introduction_to_r.html
R реально освоить за пару вечеров. Правда, понимания математики обработки данных (Data Science по-модному) он не добавит. Это отдельно надо.
Зато, когда освоите, задачки, например, по обработке логов вы будете решать реально быстро.
Вот пример, как это делается: https://andb.name/blog/r_preview_access_logs
Например, за языки программирования похоливорить. Хотя смысла нет, конечно — каждый инструмент создавался под определенную задачу и удобен по применению. И умению использования, конечно.
Я умею в несколько ЯП, но не назвал бы себя крутым спецом ни в одном. Просто могу читать код и иногда даже понимать прочитанное. А еще, мне нужно (опять же иногда) обработать некоторое количество данных, что-то такое посчитать. И когда данных достаточно много (я для себя принял «примерно тысячу строк», но это не догма) и обрабатывать надо с некоторой регулярностью, я запускаю какую-нибудь среду.
Чаще всего, это R-Studio. Потому что задачи как раз такого вида: взять файл с цифрами, обработать, поиграться с коэффициентами, нарисовать график. И для такой задачи нет ничего проще и быстрее, чем R. Реально, многие вещи делаются в три строчки кода. И иногда можно считать всякие головоломные алгоритмы из подгруженных библиотек. Реально сложные — просто на осмысление алгоритма убьете кучу времени. А тут прост шаришься в справочнике и играешься копи-пастом.
Увлекательно. В. Питоне так не получится.
Итак, ежели вы берете на работу [в телеком-интернет компанию] маркетолога, то он однозначно должен уметь в этот инструмент. А ежели вы маркетолог и еще не освоили, то вот вам конспект:
http://varmara.github.io/proteomics-course/01_introduction_to_r.html
R реально освоить за пару вечеров. Правда, понимания математики обработки данных (Data Science по-модному) он не добавит. Это отдельно надо.
Зато, когда освоите, задачки, например, по обработке логов вы будете решать реально быстро.
Вот пример, как это делается: https://andb.name/blog/r_preview_access_logs