Por que R? 2020 Keynotes | R-bloggers

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


[This article was first published on http://r-addict.com, and kindly contributed to R-bloggers]. (Você pode relatar problemas sobre o conteúdo desta página aqui)


Quer compartilhar seu conteúdo em R-bloggers? clique aqui se você tiver um blog, ou aqui se não tiver.

Por que as sessões de palestras do R 2020 estão encerradas! Confira as postagens abaixo para descobrir as datas e as descrições das palestras de 2020.whyr.pl.

Por que R? Keynotes de 2020

Julia Silge é cientista de dados e engenheira de software na RStudio PBC, onde trabalha com ferramentas de modelagem de código aberto. Ela é autora, palestrante internacional e profissional do mundo real com foco em análise de dados e prática de aprendizado de máquina. Julia adora análise de texto, fazer gráficos bonitos e comunicar-se sobre tópicos técnicos com públicos diversos.

As representações visuais dos dados informam como os profissionais de aprendizado de máquina pensam, entendem e decidem. Antes de os gráficos serem usados ​​para comunicação externa sobre um sistema de ML, eles são usados ​​pelos próprios projetistas e operadores do sistema como uma ferramenta para fazer melhores escolhas de modelagem. Os profissionais usam a visualização, desde gráficos estatísticos muito familiares até gráficos criativos e menos padronizados, nos pontos de decisões humanas mais importantes, quando outras maneiras de validar essas decisões podem ser difíceis. As abordagens de visualização são usadas para entender os dados que servem como entrada para o aprendizado de máquina e os modelos que os profissionais criam. Nesta palestra, aprenda sobre o processo de construção de um modelo de ML no mundo real, como e quando os profissionais usam a visualização para fazer escolhas mais eficazes e as considerações sobre ferramentas de visualização de ML.

R para Health Data Science: de médicos que codificam para intervenções Shiny

Riinu Pius é um cientista de dados no Centro de Informática Médica da Universidade de Edimburgo. Ela é a autora do novo livro “R for Health Data Science” escrito com Ewen Harrison.
Em sua palestra, ela explicará como o R pode ser usado para facilitar a pesquisa em saúde, de ensaios clínicos a estudos globais de coorte. A palestra inclui dicas práticas e exemplos de código.

Leia Também  Vídeo: como configurar uma equipe distribuída de ciência de dados

Frank é professor e presidente fundador do Departamento de Bioestatística da Vanderbilt University School of Medicine. Além de mais de 300 publicações científicas, Frank é autor de Estratégias de Modelagem de Regressão com Aplicações a Modelos Lineares, Regressão Logística e Ordinal e Análise de Sobrevivência (2ª Edição 2015, Springer-Verlag), que ainda serve como uma cartilha na modelagem estatística moderna por gerações de estatísticos. Suas especialidades são o desenvolvimento de modelos precisos de prognóstico e diagnóstico, validação de modelo, ensaios clínicos, pesquisa clínica observacional, pesquisa cardiovascular, avaliação de tecnologia, segurança farmacêutica, métodos Bayesianos, quantificação da precisão preditiva, imputação de dados perdidos e gráficos e relatórios estatísticos.

R MELTS BRAINS – ou: Como aprendi a amar o fracasso na compilação de R

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Jan Vitek é professor de Ciência da Computação na Northeastern University. Ele é formado pela Universidade de Genebra e Victoria. Ele trabalha com tópicos relacionados ao design e implementação de linguagens de programação. No projeto Ovm, ele liderou a implementação da primeira máquina virtual Java em tempo real a ser testada em voo com sucesso. Junto com Noble e Potter, ele propôs um conceito que ficou conhecido como Tipos de Propriedade. Ele foi um dos criadores da linguagem Thorn. Ele trabalhou para obter um melhor entendimento da linguagem JavaScript e está procurando como dar suporte à análise de dados escalonáveis ​​em R. O Prof. Vitek presidiu ACM SIGPLAN; ele foi o cientista-chefe da Fiji Systems e a equipe fundadora da H2O.ai, vice-presidente da AITO; um vice-presidente do IFIP WG 2.4 e presidiu SPLASH, PLDI, ECOOP, ISMM e LCTES e foi presidente de programa de ESOP, ECOOP, VEE, Coordenação e FERRAMENTAS.

Você não gostaria que seu código R fosse executado tão rápido quanto C? E se você pudesse escrever um loop sem medo de esperar horas até que ele fosse concluído? Não seria bom se você pudesse carregar conjuntos de dados massivos e ter a certeza de que R pode lidar com eles? Não seria legal se R fosse a próxima Julia? Esta palestra é sobre como compilar programas R em executáveis ​​nativos. Substituir o interpretador de R por um compilador e assim obter um código que seja rápido e eficiente na memória. Ele conta a história de anos de tentativas e explica por que o R rápido ainda não está lá. Abordaremos maneiras diferentes de atingir as metas e como essas abordagens afetariam a experiência do usuário. A história não é bonita e o final ainda é incerto. Entre por sua própria conta e risco.

Leia Também  Screenager: tempos de triagem no bioRxiv

Análise de dados espaciais aplicada com R: retrospecto e prospecção

Roger Bivand, um usuário ativo de R e contribuidor desde 1997, é professor da Norwegian School of Economics. Roger contribuiu e liderou o desenvolvimento de vários dos principais pacotes R para análise espacial, incluindo rgdal, sp, sf e maptools. Suas contribuições ajudaram no avanço do status de R como a ferramenta para estatísticas espaciais. Seu envolvimento na comunidade de software aberto é exemplificado por sua participação no trabalho da R Foundation e como editor do R Journal 2015-2018. A paixão de Roger pela análise espacial resultou não apenas em inúmeras publicações científicas, mas também na autoria do livro Applied Spatial Data Analysis with R (https://asdar-book.org/
) e o vencedor do prêmio OpenGeoHub Life Achievement.

Quando começamos, há mais de 20 anos, os dados espaciais geralmente eram encontrados em softwares proprietários, geralmente sistemas de informações geográficas, e a maioria dos dados posicionais era muito difícil de adquirir. Existiam estatísticas para dados espaciais, mas em grande parte sem acesso conveniente aos dados posicionais. Usar o S-Plus com ArcView (ou GRASS) era popular, mas caro; para ensino e pesquisa de campo, R e aplicativos geoespaciais de código aberto e bibliotecas de software forneceram uma alternativa viável. Começando escrevendo classes para dados espaciais em R em 2003, primeiro usamos as classes em nosso próprio
pacotes de análise; nosso livro apareceu pela primeira vez em 2008. Naquela época, um punhado de pacotes usava essas classes, mas agora o cluster espacial R de pacotes CRAN usando classes espaciais é quase 900 forte. Isso coloca um fardo de responsabilidade sobre nós, para conciliar as necessidades desses pacotes com os avanços em bibliotecas geoespaciais cruciais e mudanças nos padrões da indústria para representar dados posicionais. Os primeiros insights sobre por que as estatísticas para dados espaciais (e espaço-temporais) são desafiadores permanecem igualmente válidos hoje; mais dados estão disponíveis, mas a padronização espacial e a escala continuam sendo problemas interessantes.

Leia Também  desafio # explicarCovid19 | R-bloggers

Desenvolvimentos recentes na estimativa penalizada L-One classificada

Sorted L-One Penalized Estimator é uma extensão do LASSO, que permite uma redução de dimensão ao eliminar alguns dos parâmetros do modelo, bem como ao tornar alguns deles iguais entre si. Nesta palestra iremos apresentar alguns dos desenvolvimentos recentes em SLOPE, com ênfase específica na versão Bayesiana Adaptativa de SLOPE e na regra de triagem forte, que permite uma aceleração substancial do algoritmo SLOPE.

Małgorzata Bodgan é professor associado de estatística na Universidade de Wrocław. Ela se concentra em métodos estatísticos para filtrar e modelar dados de alta dimensão. Ela conduziu sua pesquisa na University of Washington, Purdue University, University of Vienna, Lund University e Stanford University. Małgorzata publicou mais de cinquenta publicações científicas e suas realizações lhe renderam um “Prêmio Mulheres pela Ciência da Matemática” do Departamento de Matemática da Universidade de Tecnologia de Munique e bolsa Fullbright



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br