2022 年最佳在线学习 R 编程课程
R是统计计算、数据分析和可视化 电脑语言. 虽然它不像 Python 那样流行，但该语言仍然令人着迷且速度快，使其成为完成复杂工作的理想选择。
毫无疑问，R 被全球越来越多的数据分析师和业务分析师使用。 因此，如果您希望在数据科学或从事赚钱的工作，掌握 R 语言至关重要。 机器学习.
与其他计算机语言相比，R 具有简单的语法。 因此，自学并不是很困难。 通过注册几个 高质量的在线课程，您可以快速掌握该语言。
这并不意味着您可以注册任何随机的在线课程。 大多数声称教授 R 编程语言的在线课程都是一种赚钱的计划。 你不太可能从他们那里得到很多知识。
我将协助您解决问题。 本文将重点介绍我发现的最好的 R 编程课程，这些课程有助于培养你的实践能力。 然后，您可以选择最适合您需求的课程并立即开始学习。
你应该知道的事情
先决条件
大多数 R 没有先决条件 编程课程. 任何人都可以随时参加课程。 必须具备其他编程语言（Python、C++、JavaScript 等）的经验。
2024 年最佳 R 编程课程列表
1. 使用 R 进行数据科学编程
这个 Udacity 纳米学位课程无疑是学习 R 语言的最佳选择之一 数据科学.
除了 R 的基础知识，您还将学习 SQL（用于数据库管理）和 Git（用于版本控制）。 完成后，您将获得关键技能，使您能够成功地从事数据科学职业。
课程内容
该程序分为三个部分：
一、SQL简介 – 第一部分将提供 SQL 的概述。 您将深入了解这种结构化查询语言的原理，包括 SQL 命令、JOIN、聚合和子查询。
之后，您将学习如何使用 SQL 来应对现实世界的业务挑战。
2. R 编程简介 – 第二部分将带您了解 R 编程语言的基本原理，包括变量、控制流和函数。
在课程的第二部分，您将学习如何使用 ggplot2 可视化数据。
三、版本控制简介 – 最后一节将演示如何使用 Git 来管理项目的版本控制，与他人共享，以及与其他专业人士合作。 所有这些能力对于数据科学家和程序员来说都是必要的。
三门课程中的每一门都将分配大量作业，包括测试和实际项目。 例如，您将使用 R 来收集、分析和可视化来自三个美国城市的自行车共享计划的数据。
完成这些活动将使您能够将所学知识付诸实践并获得宝贵的实践经验。
根据 Udacity 的说法，你应该每周花 XNUMX 个小时在这个项目上，并预计需要三个月才能完成。
对于某些人来说，建议的学习速度可能太快了。 然而，课程是自定进度的。 然后，您可以创建自己的学习时间表。 请记住，您需要的时间越多，您的学费就越高（见下文）。
对学生的帮助
Udacity 因其学生支持而从竞争对手中脱颖而出。 注册后可获得以下类型的支持：
1. 技术导师支持 –如果您对课程有任何疑问或在完成任务时遇到困难，您可以随时使用学生中心的聊天界面向导师团队（24/7 全天候）提出技术问题。
您通常会在一个小时内收到回复，这比其他学习平台要快得多。 有了这种积极主动的帮助，您可以放心，技术困难不会影响您的学习。
2. 项目评审 – 与网络编程训练营一样，Udacity 为所有学生提供项目审查服务。 换句话说，您可以提交无限数量的请求，让专业人员审查您的工作。 在几个小时内，您将收到有关如何将最佳实践应用于您的代码的详尽反馈和说明。
最好的事情是，专家评审不以您的项目满足特定标准或满足特定里程碑为条件。 您可以随时发送请求，建立一个积极的反馈循环，这对改进您的 R 非常有益 编程技巧.
3. 职业服务 – 许多申请人由于公众形象不佳而未能成功申请工作。 因此，Udacity 将帮助您完成这些费力的活动。
团队将检查您的简历、LinkedIn 个人资料和 Github 个人资料，以验证它们是否准确反映了您的成就（例如，完成的统计数据分析项目）和适用能力。 因此，您更有可能被邀请参加您选择的公司的面试。
定价
Udacity 的定价方法是基于订阅的。 该计划的学费为每月 399 美元，但您可以购买为期三个月的套餐，以将费用降低 15% 至每月 339 美元。
这还不是全部。 您可以创建一个帐户（就像我在下面的部分中所做的那样）以获得个性化或基于帐户的折扣。
这些折扣可能高达 75%。 因此，您每月只需支付 100 美元或更少的费用就可以注册这个一流的计划。
赞成＆反对
优点
- 向经验丰富的数据科学家和机器学习开发人员团队学习。 他们中的一些人是编程训练营的前任讲师。
- 适合初学者的程序
- 简单的课程
- 深入而丰富的课程
- 获得额外的关键技能（除了 R 编程），使您能够成功申请数据科学工作。
- 大量的作业和现实世界的项目让学生获得实践经验。
- 学生支持可与训练营相媲美
缺点
- 比其他选择贵
- 通常，对于初学者来说，Udacity 的作业是很困难的。
2.Datacamp的R课程
Datacamp 是一个采用非常规方法的数据科学教育平台。 Datacamp 不是通过视频课程来指导学生，而是采用游戏化的交互式学习来创建更多 愉快的学习环境.
这种方法在保持我对学习的兴趣方面非常出色。 因此，如果您参加了几门 R 编程课程，但很快就感到无聊，您可能想尝试一下 Datacamp。
课程内容
除了 R 课程，Datacamp 还提供大量数据科学课程，包括但不限于
- R 简介
- 统计 R 简介
- 在 R 中可视化数据
- R中的时间序列分析
- 使用 R 抓取网页
- R for Finance 简介
所有课程将按技能轨道组织，包括 R 编程、数据操作和 营销分析. 这些技能轨道将帮助学生以正确的顺序完成课程。
您将阅读说明并使用基于 Web 的集成开发环境完成任务。 如果您遇到困难，您可以提示或要求平台为您提供解决方案。 您通常会在 4-6 小时或更短的时间内完成每门课程。
完成几门课程后，您就可以开始从事实际项目。 这些作业将帮助您综合您的知识并了解数据科学专家执行的现实世界数据科学任务。
根据我的观察，课程内容和项目适合初学者。 他们将帮助您逐步建立自己的能力和信心。 但是，课程内容不是特别深入，作业要求也不是特别高，尤其是与 Udacity 提供的相比。
因此，Datacamp 会将绝对初学者加速到中级然后停止。 如果您真的想掌握一门学科，则需要注册其他供应商提供的课程。
尽管有缺点，Datacamp 无疑值得订阅。 绝对初学者可以从 Datacamp 引人入胜的方法和全面的课程中受益匪浅。
如果您完成所有 Datacamp 课程，您将掌握基础知识，并有信心开始您的数据科学之旅。
定价
与 Udacity 一样，Datacamp 向订阅者收取月费。 以下是学生必须从中选择一个的计划（每年计费）。
- 高级版 – 每月 12.42 美元起
- 团队 - 每月 25 美元
标准包包括无限制访问该平台的 300 多门课程（R、Python、Scala 等），以及 80 多个项目和 Tableau、Power BI 和 Oracle 培训。
对于大多数有兴趣学习 R 编程的学生来说，Premium 计划绰绰有余。
但请记住，Datacamp 订阅会定期出售（至少每季度一次）。 在此期间，高级计划的每月费用可能低于 5 美元。
如果您仍然对 Datacamp 是否适合您犹豫不决，我建议您创建一个免费帐户以免费访问每门课程的第一课。
赞成＆反对
优点
- 最好的R 编程课程 可用于鄙视的人 视频教程
- 适合初学者的广泛课程，包含超过 190 多个 R 编程课程，从基础知识到各种应用程序
- 令人愉快的课程
- 随时随地使用 Datacamp 的高质量移动应用程序 (iOS/Android) 学习。
- 一站式订阅——您可以注册该平台的任何数据科学课程，包括 Python、Scala 和大数据。
- 充分利用每门课程的免费第一课。
缺点
- 没有一门课程非常详细地介绍了先进的想法。 如果您想掌握 R 编程，则需要学习另一门课程。
- 在某些高级课程中，该平台为每个作业和项目提供了大量的代码。 这种技术显着降低了任务的难度，并剥夺了学生像程序员一样思考和从头开始编写代码的机会。
3. Dataquest 的 R 课程
Dataquest 是 Datacamp 的主要竞争对手。 该平台采用与前一个相同的交互式学习技术，为学生提供身临其境的体验。
因此，如果您是一个完整的初学者，Dataquest 的课程将非常有价值。
课程内容
Dataquest 将从 2021 年 XNUMX 月开始提供数十个 R 编程课程。这些课程被组织成技能路线，从而创建了一个逻辑课程，让学生可以轻松移动。
目前，有五种 R 编程技能路径可用：
- R中的数据分析师 – 在本课程中，您将学习 R 编程的基础知识以及如何将它们应用于数据分析。
- 使用 R 进行数据可视化 – 您将在此技能路径中学习如何使用 R 可视化数据。
- R的统计和概率 – 该技能路径涵盖概率和统计的基础知识（假设、分布、贝叶斯推理）。 然后，您将利用 R 执行统计分析、检验假设和操纵概率密度函数。
- 使用 R 进行 API 和 Web 抓取 – 最后的技能路径将解释如何使用 API 和 Web 收集和分析数据。
总的来说，Dataquest 的课程不如 Datacamp 的多样化。 然而，Dataquest 目前正在积极扩展课程。 因此，您可能会预计在不久的将来会发布更多课程。
教育体验与 Datacamp 非常相似。 首先，您将阅读文本说明并使用基于 Web 的集成开发环境执行代码分配。
此外，我发现 Dataquest 的课程与 Datacamp 的课程大致一样深入，这意味着您需要找到另一门课程来获得高级 R 编程技能。
另一方面，Dataquest 用勺子喂给受训者的次数明显少于 Datacamp。 您将有更多的可能性从头开始编写所有代码。 Dataquest 的定价结构是基本的。 高级计划起价为每月 33.25 美元（按年支付）或每月 49 美元（按月计费）。 订阅后，您将可以访问平台上的所有数据科学课程，包括 R、Python 和 SQL 课程。
根据我的经验，Dataquest 几乎每个月都会提供折扣。 这些节省可高达 50%，使每月订阅费降至 16.5 美元。
此外，您可以建立一个帐户来免费测试几节课。
赞成＆反对
优点
- 结构良好的技能路线，便于课程导航
- 面向初学者的课程
- 利用互动学习策略确保积极的学习体验
- 为孩子们提供更多从零开始学习编码的机会。
- 一体化定价结构：订阅后，您可以访问该平台的其他数据科学课程。
- 您可以免费访问的众多免费信息来源
缺点
- 该课程目前正在“建设中”，不久的将来会添加更多内容。
- 这些课程不会深入研究高级材料。
- 与 Datacamp 和本文讨论的大多数其他学习平台相比，Dataquest 没有移动应用程序。
4. Kirill Eremenko 的 R 编程
Kirill Eremenko 的两门 Udemy 课程将引导您了解 R 编程的基础知识，并演示如何在统计和数据研究中使用该语言。
我上过他的几门课，喜欢他对问题的直截了当的解释。 因此，我毫不犹豫地向您推荐了他。
4.1) R Programming AZ™：R 用于数据科学的真实练习！
该系列的第一门课程将涵盖基础知识。 以下是课程所涵盖材料的摘要。
- 编程的基本原理（变量、运算符、控制流）
- R 编程基础（向量、函数、包）
- 矩阵：深入了解（操作、可视化等）
- 数据帧
- GGPlot2 的高级可视化
- 作业详细解答
视频内容总时长为 10.5 小时。 除了视频课程之外，Kirill 还包括基于现实世界环境的各种练习，以帮助您理解实践。
例如，您将使用 R 编程来检查电影的财务报表和票房数据。 完成作业后，您可以查看视频解决方案，它将带您深入了解每个步骤。 因此，您将可以访问掌握 R 所需的所有学习资源。
评论： 4.6 / 5.0 学生们： 221000+
4.2) R 编程：R 中用于数据科学的高级分析
第二门课程主要侧重于 R 中的数据分析。以下是本课程涵盖的主要主题。
- 数据准备（学习准备数据以在 R 中进行分析）
- 使用中位数进行插补（替换缺失数据）
- 深入了解 R 的列表（日期时间、将数据导入 R、创建时间序列图等）
- 函数族“应用”+嵌套函数
由于涵盖的主题要少得多，这门课程比第一门课程短得多（仅 6 小时）。 尽管如此，讲师将深入研究每个想法，并为您提供真实世界的案例研究，以帮助您提高理解力。
总的来说，这两门课程都适合初学者。 如果您正在寻找价格合理的 R 编程课程，我相信这个系列值得一看。
评论： 4.6 / 5.0 学生：53000 +
赞成＆反对
优点
- 向经验丰富的数据科学家学习。
- 组织良好的课程
- 概念解释简洁
- 第一门课程的测验和作业是基于现实世界的场景：因此，学生可以学习如何在现实世界的情况下应用原则。
- 作业的详细解决方案
- Access for Life + 30 天退款保证
- 经济实惠（打折时 20 美元或以下）
缺点
- 不活跃的问答论坛：许多学生无法从讲师那里获得帮助。
- 几位学生表示，尽管开设了“高级”课程，但讲师尚未深入研究高级主题。
5. 数据科学：使用 R 专业化的基础
如果您正在寻求更正规的教育，这 Coursera专业化 来自约翰霍普金斯大学的可能适合您。 三位生物统计学学者将指导您使用 R 语言使用数据科学工具和方法。
根据课程描述，该课程没有任何要求。 另一方面，学生评论的说法不同。
在注册此计划之前，建议您具有一定的编程经验。
课程内容
以下次要课程是该专业的一部分：
1. 数据科学家的工具箱 – 参与者将了解数据科学家如何将数据转化为洞察力，以及如何使用 Git 和 RStudio 等基本工具。
2. R 编程 – 本质上，您将在本课程中学习 R 编程的基础知识。
您需要做的第一件事是设置您的统计编程环境。 在下一页，您将了解编程概念，包括函数、包和最佳实践。
3. 获取和清理数据 – 在第三门课程中，学生将学习如何从不同来源收集信息，例如网络、API 和其他来源。
然后，您将能够了解干净和完善的数据如何使数据分析受益。
4.探索性数据分析 – 第四门课程将介绍分析数据的探索性技术，这将有利于复杂统计模型的开发和假设的评估。 还将介绍 R 绘图系统和数据可视化原理。
5. 可重复性研究 – 最后一节将介绍生成可重复的数据分析报告所需的工具和程序。 您将更好地理解为什么可重复性对社区有帮助。
通常，您将学习 R 编程并了解如何进行专业数据分析。 该计划是彻底的。 您可能会发现根本不需要其他 R 编程课程。
约翰霍普金斯建议每周花 XNUMX 小时在课程上，这需要五个月才能完成。
但是，由于该计划是自定进度的，如果您认为推荐的进度太快，您可以根据需要更改您的学习计划。
您可以对程序进行免费审核。 或者，您可以以每月 49 美元的价格注册整个课程，其中包括评分作业和数字证书。
赞成＆反对
优点
- 世界知名大学教你R编程
- 课程结构良好且全面
- 审计服务是免费提供的。
缺点
- 不适合初学者
- 对于绝对初学者来说，作业是极其困难的。 在某些情况下，您可能需要学习官方文档（就像现实世界中的专家程序员一样）才能完成它们。 虽然我相信这种技术是有益的，但它确实让很多学生感到沮丧。
- 某些课程材料已过时，因此无法使用。
6. R专业化的数据可视化和仪表板
此 Coursera 专业化课程将引导您完成使用 R 可视化数据和构建功能强大的仪表板的过程。与课程 4 一样，您将获得约翰霍普金斯大学高级讲师的指导。
课程内容
一个顶点项目和四门次要课程构成了这个专业：
1. R 中的数据可视化入门 – 第一门课程将教您在 R 中可视化数据所需的基本技能。您将掌握 R 编程的基本知识，包括基本的 R 语法、函数和数据框。
之后，您将学习如何将数据导入 R，使用各种工具对其进行编辑，并通过制作简单的报告来结束课程。
2. 使用 ggplot2 在 R 中进行数据可视化 – 第二门课程完全致力于 ggplot2。 该软件包将用于使用多种方法（包括第三方矢量图形编辑软件）查看和润色数据。
3. 使用 R 进行高级数据可视化 – 第三门课程将从第二门课程结束的地方开始。 通过检查其他 R 包，您将更好地了解可用的数据可视化可能性。 在课程的后期，您将使用 R 和动画图形开发空间地图。
4. 使用 Shiny 和 FlexDashboard 在 R 中发布数据可视化 – 最后一课将介绍如何使用 Shiny 可视化数据并构建交互式仪表板以帮助观众获得洞察力。
5. 顶峰 – 这个大型项目将让您将所学付诸实践。 您将学习如何使用 R 构建一系列可视化，以使用真实世界的数据传达一个引人入胜的故事。
与此列表中的其他课程相比，这门课程专注于使用 R 进行数据可视化。除了视频课程和阅读材料外，该课程还包括多个项目和一个大型项目，可让您将新获得的技能用于测试。
因此，如果您觉得自己在这方面仍然缺乏，您可能需要考虑追求这方面的专业知识。
就速度而言，您应该每周花五个小时在课程上，这将需要四个月才能完成。 但是，如果您是一个快速阅读者，我相信您可以更快地完成它。
这是因为视频课程很简短，您的大部分学习时间都花在了阅读上。
审核所有辅修课程完全免费。 或者，您可以以每月 49 美元的价格订阅整个程序。
赞成＆反对
优点
- 易于遵循的课程
- 对概念和过程的解释准确而全面
- 精心设计的测验和作业可帮助您掌握 R 语法以及创建引人入胜的数据可视化所涉及的步骤
- 学生应为未来的自学做好准备（即解释如何阅读官方文档）
- 审计服务是免费提供的。
缺点
- 该专业仅提供一些简短的视频课程，对于那些不喜欢通过阅读来学习的人来说可能是不够的。
- 由于成绩单杂乱无章，难以阅读。
CourseraPlus
鉴于本文涵盖 Coursera 专业的广度，您可能对多个项目感兴趣。 如果是这种情况，我强烈建议您订阅 Coursera Plus。
CourseraPlus 将为超过 3000 门课程和专业提供 Coursera 平台的完整访问权限（不仅仅是审核）。 然后，您可以快速注册每个计划，而无需支付单独的计划会员费用。
此外，Coursera Plus 会员的起价为每年 399 美元（或平均每月 33.25 美元），比个人订阅（39-79 美元）便宜。 因此，Coursera Plus 似乎物有所值。
如果你是一个勤奋的学生，订阅 Coursera Plus 是轻而易举的事。
快速链接：
- Coursera 定价：Coursera 课程的费用是多少？
- Coursera vs 琳达| 哪一个是最好的？
- Udacity 与 Coursera | Udacity 课程比 Coursera 更好吗？
- Udemy vs Treehouse：哪一个适合你？
结论：2024 年最佳 R 编程课程
这就是我们今年要参加的顶级 R 课程和要追求的最佳 R 认证的列表。 我建议您通过从此列表中选择从事数据科学或生物信息学专业。
大多数课程都是高分的，不需要任何先决条件，这应该会激励你走上自己的道路。 一旦您获得了信心并正确学习，您可能希望获得认证。 有关更多信息，您可以查看 R 证书。
一旦您将自己确立为 R 专业人士并准备申请工作，您就可以准备 R 面试以找到您梦寐以求的数据科学工作。
如果您知道任何其他有利于 R 社区的高评价课程，请将它们发布在下面的评论部分。
