Información del autor
Autor Mailund, Thomas |
Documentos disponibles escritos por este autor (12)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Advanced Object-Oriented Programming in R : Statistical Programming for Data Science, Analysis and Finance Tipo de documento: documento electrónico Autores: Mailund, Thomas, Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2017 Número de páginas: XV, 110 p. 10 ilustraciones ISBN/ISSN/DL: 978-1-4842-2919-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Programación de computadoras Compiladores (programas informáticos) Informática Estadistica matematica Técnicas de programación Compiladores e intérpretes Probabilidad y EstadÃstica en Informática Clasificación: 005.11 Resumen: Aprenda a escribir programas orientados a objetos en R y a construir clases y jerarquÃas de clases en los tres sistemas orientados a objetos disponibles en R. Este libro ofrece una introducción a la programación orientada a objetos en el lenguaje de programación R y le muestra cómo utilizarlo. y aplicar R de forma orientada a objetos. Luego podrá utilizar este poderoso estilo de programación en sus propios proyectos de programación estadÃstica para escribir software flexible y ampliable. Después de leer Programación avanzada orientada a objetos en R, obtendrá un proyecto práctico que puede reutilizar en sus propios esfuerzos de codificación analÃtica. Luego podrá visualizar sus datos como objetos que tienen estado y luego manipular esos objetos con métodos polimórficos o genéricos. Sus proyectos se beneficiarán del alto grado de flexibilidad que proporciona el polimorfismo, donde la elección del método concreto a ejecutar depende del tipo de datos que se manipulan. Usted podrá: Definir y usar clases y funciones genéricas usando R Trabajar con las jerarquÃas de clases de R Beneficiarse de la reutilización de implementaciones Manejar la sobrecarga de operadores Aplicar las clases S4 y R6. Nota de contenido: 1. Classes and Generic Functions -- 2. Class Hierarchies -- 3. Implementation Reuse -- 4. Statistical Models -- 5. Operator Overloading -- 6. S4 Classes -- 7. R6 Classes -- 8. Conclusions. Tipo de medio : Computadora Summary : Learn how to write object-oriented programs in R and how to construct classes and class hierarchies in the three object-oriented systems available in R. This book gives an introduction to object-oriented programming in the R programming language and shows you how to use and apply R in an object-oriented manner. You will then be able to use this powerful programming style in your own statistical programming projects to write flexible and extendable software. After reading Advanced Object-Oriented Programming in R, you'll come away with a practical project that you can reuse in your own analytics coding endeavors. You'll then be able to visualize your data as objects that have state and then manipulate those objects with polymorphic or generic methods. Your projects will benefit from the high degree of flexibility provided by polymorphism, where the choice of concrete method to execute depends on the type of data being manipulated. You will: Define and use classes and generic functions using R Work with the R class hierarchies Benefit from implementation reuse Handle operator overloading Apply the S4 and R6 classes . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advanced Object-Oriented Programming in R : Statistical Programming for Data Science, Analysis and Finance [documento electrónico] / Mailund, Thomas, . - 1 ed. . - Berkeley, CA : Apress, 2017 . - XV, 110 p. 10 ilustraciones.
ISBN : 978-1-4842-2919-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Programación de computadoras Compiladores (programas informáticos) Informática Estadistica matematica Técnicas de programación Compiladores e intérpretes Probabilidad y EstadÃstica en Informática Clasificación: 005.11 Resumen: Aprenda a escribir programas orientados a objetos en R y a construir clases y jerarquÃas de clases en los tres sistemas orientados a objetos disponibles en R. Este libro ofrece una introducción a la programación orientada a objetos en el lenguaje de programación R y le muestra cómo utilizarlo. y aplicar R de forma orientada a objetos. Luego podrá utilizar este poderoso estilo de programación en sus propios proyectos de programación estadÃstica para escribir software flexible y ampliable. Después de leer Programación avanzada orientada a objetos en R, obtendrá un proyecto práctico que puede reutilizar en sus propios esfuerzos de codificación analÃtica. Luego podrá visualizar sus datos como objetos que tienen estado y luego manipular esos objetos con métodos polimórficos o genéricos. Sus proyectos se beneficiarán del alto grado de flexibilidad que proporciona el polimorfismo, donde la elección del método concreto a ejecutar depende del tipo de datos que se manipulan. Usted podrá: Definir y usar clases y funciones genéricas usando R Trabajar con las jerarquÃas de clases de R Beneficiarse de la reutilización de implementaciones Manejar la sobrecarga de operadores Aplicar las clases S4 y R6. Nota de contenido: 1. Classes and Generic Functions -- 2. Class Hierarchies -- 3. Implementation Reuse -- 4. Statistical Models -- 5. Operator Overloading -- 6. S4 Classes -- 7. R6 Classes -- 8. Conclusions. Tipo de medio : Computadora Summary : Learn how to write object-oriented programs in R and how to construct classes and class hierarchies in the three object-oriented systems available in R. This book gives an introduction to object-oriented programming in the R programming language and shows you how to use and apply R in an object-oriented manner. You will then be able to use this powerful programming style in your own statistical programming projects to write flexible and extendable software. After reading Advanced Object-Oriented Programming in R, you'll come away with a practical project that you can reuse in your own analytics coding endeavors. You'll then be able to visualize your data as objects that have state and then manipulate those objects with polymorphic or generic methods. Your projects will benefit from the high degree of flexibility provided by polymorphism, where the choice of concrete method to execute depends on the type of data being manipulated. You will: Define and use classes and generic functions using R Work with the R class hierarchies Benefit from implementation reuse Handle operator overloading Apply the S4 and R6 classes . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Beginning Data Science in R : Data Analysis, Visualization, and Modelling for the Data Scientist Tipo de documento: documento electrónico Autores: Mailund, Thomas, Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2017 Número de páginas: XXVII, 352 p. 100 ilustraciones ISBN/ISSN/DL: 978-1-4842-2671-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Grandes datos Compiladores (programas informáticos) Compiladores e intérpretes Clasificación: 005.7 Resumen: Descubra las mejores prácticas para el análisis de datos y el desarrollo de software en R y comience el camino para convertirse en un cientÃfico de datos de pleno derecho. Este libro le enseña técnicas para la manipulación y visualización de datos y le muestra la mejor manera de desarrollar nuevos paquetes de software para R. La ciencia de datos en R detalla cómo la ciencia de datos es una combinación de estadÃstica, ciencia computacional y aprendizaje automático. Verá cómo estructurar y extraer datos de manera eficiente para extraer patrones útiles y construir modelos matemáticos. Esto requiere métodos computacionales y programación, y R es un lenguaje de programación ideal para esto. Este libro se basa en una serie de apuntes de clases que el autor ha impartido sobre ciencia de datos y programación estadÃstica utilizando el lenguaje de programación R. El análisis de datos moderno requiere habilidades computacionales y generalmente un mÃnimo de programación. Usted: Realizará ciencia de datos y análisis utilizando estadÃsticas y el lenguaje de programación R Visualizará y explorará datos, incluido el trabajo con grandes conjuntos de datos que se encuentran en big data Construirá un paquete R Probará y verificará su código Practicará el control de versiones Perfile y optimizará su código. Nota de contenido: 1. Introduction to R programming -- 2. Reproducible analysis -- 3. Data manipulation -- 4. Visualizing and exploring data -- 5. Working with large data sets -- 6. Supervised learning -- 7. Unsupervised learning -- 8. More R programming -- 9. Advanced R programming -- 10. Object oriented programming -- 11. Building an R package -- 12. Testing and checking -- 13. Version control -- 14. Profiling and optimizing. Tipo de medio : Computadora Summary : Discover best practices for data analysis and software development in R and start on the path to becoming a fully-fledged data scientist. This book teaches you techniques for both data manipulation and visualization and shows you the best way for developing new software packages for R. Data Science in R details how data science is a combination of statistics, computational science, and machine learning. You'll see how to efficiently structure and mine data to extract useful patterns and build mathematical models. This requires computational methods and programming, and R is an ideal programming language for this. This book is based on a number of lecture notes for classes the author has taught on data science and statistical programming using the R programming language. Modern data analysis requires computational skills and usually a minimum of programming. You will: Perform data science and analytics using statistics and the R programming language Visualize and explore data, including working with large data sets found in big data Build an R package Test and check your code Practice version control Profile and optimize your code. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Beginning Data Science in R : Data Analysis, Visualization, and Modelling for the Data Scientist [documento electrónico] / Mailund, Thomas, . - 1 ed. . - Berkeley, CA : Apress, 2017 . - XXVII, 352 p. 100 ilustraciones.
ISBN : 978-1-4842-2671-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Grandes datos Compiladores (programas informáticos) Compiladores e intérpretes Clasificación: 005.7 Resumen: Descubra las mejores prácticas para el análisis de datos y el desarrollo de software en R y comience el camino para convertirse en un cientÃfico de datos de pleno derecho. Este libro le enseña técnicas para la manipulación y visualización de datos y le muestra la mejor manera de desarrollar nuevos paquetes de software para R. La ciencia de datos en R detalla cómo la ciencia de datos es una combinación de estadÃstica, ciencia computacional y aprendizaje automático. Verá cómo estructurar y extraer datos de manera eficiente para extraer patrones útiles y construir modelos matemáticos. Esto requiere métodos computacionales y programación, y R es un lenguaje de programación ideal para esto. Este libro se basa en una serie de apuntes de clases que el autor ha impartido sobre ciencia de datos y programación estadÃstica utilizando el lenguaje de programación R. El análisis de datos moderno requiere habilidades computacionales y generalmente un mÃnimo de programación. Usted: Realizará ciencia de datos y análisis utilizando estadÃsticas y el lenguaje de programación R Visualizará y explorará datos, incluido el trabajo con grandes conjuntos de datos que se encuentran en big data Construirá un paquete R Probará y verificará su código Practicará el control de versiones Perfile y optimizará su código. Nota de contenido: 1. Introduction to R programming -- 2. Reproducible analysis -- 3. Data manipulation -- 4. Visualizing and exploring data -- 5. Working with large data sets -- 6. Supervised learning -- 7. Unsupervised learning -- 8. More R programming -- 9. Advanced R programming -- 10. Object oriented programming -- 11. Building an R package -- 12. Testing and checking -- 13. Version control -- 14. Profiling and optimizing. Tipo de medio : Computadora Summary : Discover best practices for data analysis and software development in R and start on the path to becoming a fully-fledged data scientist. This book teaches you techniques for both data manipulation and visualization and shows you the best way for developing new software packages for R. Data Science in R details how data science is a combination of statistics, computational science, and machine learning. You'll see how to efficiently structure and mine data to extract useful patterns and build mathematical models. This requires computational methods and programming, and R is an ideal programming language for this. This book is based on a number of lecture notes for classes the author has taught on data science and statistical programming using the R programming language. Modern data analysis requires computational skills and usually a minimum of programming. You will: Perform data science and analytics using statistics and the R programming language Visualize and explore data, including working with large data sets found in big data Build an R package Test and check your code Practice version control Profile and optimize your code. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Domain-Specific Languages in R : Advanced Statistical Programming Tipo de documento: documento electrónico Autores: Mailund, Thomas, Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2018 Número de páginas: IX, 257 p. 10 ilustraciones ISBN/ISSN/DL: 978-1-4842-3588-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Compiladores (programas informáticos) Inteligencia artificial Programación de computadoras Informática Estadistica matematica Grandes datos Compiladores e intérpretes Técnicas de programación Probabilidad y EstadÃstica en Informática Clasificación: 005.45 Resumen: Obtenga una introducción acelerada a lenguajes especÃficos de dominio en R, incluida la cobertura de expresiones regulares. Este libro compacto y detallado le muestra cómo los DSL son lenguajes de programación especializados para un propósito particular, a diferencia de los lenguajes de programación de propósito general. En el camino, aprenderá a especificar las tareas que desea realizar de manera precisa y a lograr objetivos de programación dentro de un contexto de dominio especÃfico. Los lenguajes de dominio especÃfico en R incluyen ejemplos de DSL que incluyen grandes conjuntos de datos o multiplicación de matrices; DSL de coincidencia de patrones para aplicaciones en visión por ordenador; y DSL para cadenas de Markov de tiempo continuo y sus aplicaciones en ciencia de datos. Después de leer y utilizar este libro, comprenderá cómo escribir DSL en R y tendrá habilidades que podrá extrapolar a otros lenguajes de programación. Usted podrá: Programar con lenguajes de dominio especÃfico usando R Descubrir los componentes de DSL Realizar multiplicaciones y expresiones matriciales grandes Implementar metaprogramación con DSL Analizar y manipular expresiones. Nota de contenido: 1. Introduction -- 2. Matrix expressions -- 3. Components of a programming language -- 4. Functions, classes and operators -- 5. Parsing and manipulating expressions -- 6. Lambda expressions -- 7. Environments and Expressions -- 8. Tidy evaluation -- 9. List comprehension -- 10. Continuous-Time Markov chains -- 11. Pattern matching -- 12. Dynamic programming -- 13. Conclusion. Tipo de medio : Computadora Summary : Gain an accelerated introduction to domain-specific languages in R, including coverage of regular expressions. This compact, in-depth book shows you how DSLs are programming languages specialized for a particular purpose, as opposed to general purpose programming languages. Along the way, you'll learn to specify tasks you want to do in a precise way and achieve programming goals within a domain-specific context. Domain-Specific Languages in R includes examples of DSLs including large data sets or matrix multiplication; pattern matching DSLs for application in computer vision; and DSLs for continuous time Markov chains and their applications in data science. After reading and using this book, you'll understand how to write DSLs in R and have skills you can extrapolate to other programming languages. You will: Program with domain-specific languages using R Discover the components of DSLs Carry out large matrix expressions and multiplications Implement metaprogramming with DSLs Parse and manipulate expressions . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Domain-Specific Languages in R : Advanced Statistical Programming [documento electrónico] / Mailund, Thomas, . - 1 ed. . - Berkeley, CA : Apress, 2018 . - IX, 257 p. 10 ilustraciones.
ISBN : 978-1-4842-3588-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Compiladores (programas informáticos) Inteligencia artificial Programación de computadoras Informática Estadistica matematica Grandes datos Compiladores e intérpretes Técnicas de programación Probabilidad y EstadÃstica en Informática Clasificación: 005.45 Resumen: Obtenga una introducción acelerada a lenguajes especÃficos de dominio en R, incluida la cobertura de expresiones regulares. Este libro compacto y detallado le muestra cómo los DSL son lenguajes de programación especializados para un propósito particular, a diferencia de los lenguajes de programación de propósito general. En el camino, aprenderá a especificar las tareas que desea realizar de manera precisa y a lograr objetivos de programación dentro de un contexto de dominio especÃfico. Los lenguajes de dominio especÃfico en R incluyen ejemplos de DSL que incluyen grandes conjuntos de datos o multiplicación de matrices; DSL de coincidencia de patrones para aplicaciones en visión por ordenador; y DSL para cadenas de Markov de tiempo continuo y sus aplicaciones en ciencia de datos. Después de leer y utilizar este libro, comprenderá cómo escribir DSL en R y tendrá habilidades que podrá extrapolar a otros lenguajes de programación. Usted podrá: Programar con lenguajes de dominio especÃfico usando R Descubrir los componentes de DSL Realizar multiplicaciones y expresiones matriciales grandes Implementar metaprogramación con DSL Analizar y manipular expresiones. Nota de contenido: 1. Introduction -- 2. Matrix expressions -- 3. Components of a programming language -- 4. Functions, classes and operators -- 5. Parsing and manipulating expressions -- 6. Lambda expressions -- 7. Environments and Expressions -- 8. Tidy evaluation -- 9. List comprehension -- 10. Continuous-Time Markov chains -- 11. Pattern matching -- 12. Dynamic programming -- 13. Conclusion. Tipo de medio : Computadora Summary : Gain an accelerated introduction to domain-specific languages in R, including coverage of regular expressions. This compact, in-depth book shows you how DSLs are programming languages specialized for a particular purpose, as opposed to general purpose programming languages. Along the way, you'll learn to specify tasks you want to do in a precise way and achieve programming goals within a domain-specific context. Domain-Specific Languages in R includes examples of DSLs including large data sets or matrix multiplication; pattern matching DSLs for application in computer vision; and DSLs for continuous time Markov chains and their applications in data science. After reading and using this book, you'll understand how to write DSLs in R and have skills you can extrapolate to other programming languages. You will: Program with domain-specific languages using R Discover the components of DSLs Carry out large matrix expressions and multiplications Implement metaprogramming with DSLs Parse and manipulate expressions . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Functional Data Structures in R : Advanced Statistical Programming in R Tipo de documento: documento electrónico Autores: Mailund, Thomas, Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2017 Número de páginas: XII, 256 p. 57 ilustraciones, 2 ilustraciones en color. ISBN/ISSN/DL: 978-1-4842-3144-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Programación de computadoras Inteligencia artificial Compiladores (programas informáticos) Informática Estadistica matematica Técnicas de programación Ciencia de los datos Compiladores e intérpretes Probabilidad y EstadÃstica en Informática Clasificación: 005.11 Resumen: Obtenga una introducción a las estructuras de datos funcionales usando R y escriba código más efectivo y obtenga rendimiento para sus programas. Este libro le enseña soluciones alternativas porque los datos en lenguajes funcionales no son mutables: por ejemplo, aprenderá cómo cambiar enlaces de valores variables modificando entornos, que pueden explotarse para emular punteros e implementar estructuras de datos tradicionales. También verá cómo, al abandonar las estructuras de datos tradicionales, puede manipular estructuras creando nuevas versiones en lugar de modificarlas. Descubrirá en qué se diferencian estas estructuras de datos funcionales de las estructuras de datos tradicionales que quizás conozca, pero que vale la pena comprender para realizar una programación algorÃtmica seria en un lenguaje funcional como R. Al final de Estructuras de datos funcionales en R, comprenderá las opciones que debe tomar para trabajar de manera más efectiva con estructuras de datos cuando no pueda modificar los datos en sÃ. Estas técnicas son especialmente aplicables para el desarrollo algorÃtmico importante en big data, finanzas y otras aplicaciones de ciencia de datos. Realizarás programación algorÃtmica en R. Utilizarás estructuras de datos abstractas. Trabajarás con datos tanto inmutables como persistentes. Emularás punteros e implementarás estructuras de datos tradicionales en R. Implementarás estructuras de datos en C/C++ con algo de código contenedor en R. Construirás nuevas versiones de estructuras de datos tradicionales que son conocidos. Tipo de medio : Computadora Summary : Get an introduction to functional data structures using R and write more effective code and gain performance for your programs. This book teaches you workarounds because data in functional languages is not mutable: for example you'll learn how to change variable-value bindings by modifying environments, which can be exploited to emulate pointers and implement traditional data structures. You'll also see how, by abandoning traditional data structures, you can manipulate structures by building new versions rather than modifying them. You'll discover how these so-called functional data structures are different from the traditional data structures you might know, but are worth understanding to do serious algorithmic programming in a functional language such as R. By the end of Functional Data Structures in R, you'll understand the choices to make in order to most effectively work with data structures when you cannot modify the data itself. These techniques are especially applicable for algorithmic development important in big data, finance, and other data science applications. You will: Carry out algorithmic programming in R Use abstract data structures Work with both immutable and persistent data Emulate pointers and implement traditional data structures in R Implement data structures in C/C++ with some wrapper code in R Build new versions of traditional data structures that are known. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Functional Data Structures in R : Advanced Statistical Programming in R [documento electrónico] / Mailund, Thomas, . - 1 ed. . - Berkeley, CA : Apress, 2017 . - XII, 256 p. 57 ilustraciones, 2 ilustraciones en color.
ISBN : 978-1-4842-3144-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Programación de computadoras Inteligencia artificial Compiladores (programas informáticos) Informática Estadistica matematica Técnicas de programación Ciencia de los datos Compiladores e intérpretes Probabilidad y EstadÃstica en Informática Clasificación: 005.11 Resumen: Obtenga una introducción a las estructuras de datos funcionales usando R y escriba código más efectivo y obtenga rendimiento para sus programas. Este libro le enseña soluciones alternativas porque los datos en lenguajes funcionales no son mutables: por ejemplo, aprenderá cómo cambiar enlaces de valores variables modificando entornos, que pueden explotarse para emular punteros e implementar estructuras de datos tradicionales. También verá cómo, al abandonar las estructuras de datos tradicionales, puede manipular estructuras creando nuevas versiones en lugar de modificarlas. Descubrirá en qué se diferencian estas estructuras de datos funcionales de las estructuras de datos tradicionales que quizás conozca, pero que vale la pena comprender para realizar una programación algorÃtmica seria en un lenguaje funcional como R. Al final de Estructuras de datos funcionales en R, comprenderá las opciones que debe tomar para trabajar de manera más efectiva con estructuras de datos cuando no pueda modificar los datos en sÃ. Estas técnicas son especialmente aplicables para el desarrollo algorÃtmico importante en big data, finanzas y otras aplicaciones de ciencia de datos. Realizarás programación algorÃtmica en R. Utilizarás estructuras de datos abstractas. Trabajarás con datos tanto inmutables como persistentes. Emularás punteros e implementarás estructuras de datos tradicionales en R. Implementarás estructuras de datos en C/C++ con algo de código contenedor en R. Construirás nuevas versiones de estructuras de datos tradicionales que son conocidos. Tipo de medio : Computadora Summary : Get an introduction to functional data structures using R and write more effective code and gain performance for your programs. This book teaches you workarounds because data in functional languages is not mutable: for example you'll learn how to change variable-value bindings by modifying environments, which can be exploited to emulate pointers and implement traditional data structures. You'll also see how, by abandoning traditional data structures, you can manipulate structures by building new versions rather than modifying them. You'll discover how these so-called functional data structures are different from the traditional data structures you might know, but are worth understanding to do serious algorithmic programming in a functional language such as R. By the end of Functional Data Structures in R, you'll understand the choices to make in order to most effectively work with data structures when you cannot modify the data itself. These techniques are especially applicable for algorithmic development important in big data, finance, and other data science applications. You will: Carry out algorithmic programming in R Use abstract data structures Work with both immutable and persistent data Emulate pointers and implement traditional data structures in R Implement data structures in C/C++ with some wrapper code in R Build new versions of traditional data structures that are known. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Functional Programming in R : Advanced Statistical Programming for Data Science, Analysis and Finance Tipo de documento: documento electrónico Autores: Mailund, Thomas, Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2017 Número de páginas: XV, 104 p. 7 ilustraciones, 1 ilustraciones en color. ISBN/ISSN/DL: 978-1-4842-2746-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Compiladores (programas informáticos) Programación de computadoras IngenierÃa de software Compiladores e intérpretes Técnicas de programación Clasificación: 005.45 Resumen: Domine las funciones y descubra cómo escribir programas funcionales en R. En este libro, hará que sus funciones sean puras evitando efectos secundarios; escribirás funciones que manipulen otras funciones y construirás funciones complejas utilizando funciones más simples como bloques de construcción. En Programación funcional en R, verá cómo podemos reemplazar bucles, que pueden tener efectos secundarios, con funciones recursivas que pueden evitarlos más fácilmente. Además, el libro explica por qué no deberÃa utilizar la recursividad cuando los bucles son más eficientes y cómo puede obtener lo mejor de ambos mundos. La programación funcional es un estilo de programación, como la programación orientada a objetos, pero que se centra en transformaciones y cálculos de datos en lugar de objetos y estados. Mientras que en la programación orientada a objetos modelas tus programas describiendo en qué estados puede estar un objeto y cómo los métodos revelarán o modificarán ese estado, en la programación funcional modelas programas describiendo cómo las funciones traducen datos de entrada en datos de salida. Las funciones en sà se consideran datos que se pueden manipular y gran parte de la fuerza de la programación funcional proviene de la manipulación de funciones; es decir, construir funciones más complejas combinando funciones más simples. Usted podrá: Escribir funciones en R, incluidos operadores infijos y funciones de reemplazo. Crear funciones de orden superior. Pasar funciones a otras funciones y comenzar a usar funciones como datos que puede manipular. Usar funciones Filer, Map y Reduce para expresar la intención detrás del código de forma clara y segura. Construir nuevas funciones. a partir de funciones existentes sin necesariamente escribir funciones nuevas, usando programación sin puntos. Cree funciones que transporten datos con ellas. Nota de contenido: 1. Functions in R -- 2. Pure Functional Programming -- 3. Scope and Closures -- 4. Higher-order Functions -- 5. Filer, Map, and Reduce -- 6. Point-free Programming -- Afterword. Tipo de medio : Computadora Summary : Master functions and discover how to write functional programs in R. In this book, you'll make your functions pure by avoiding side-effects; you'll write functions that manipulate other functions, and you'll construct complex functions using simpler functions as building blocks. In Functional Programming in R, you'll see how we can replace loops, which can have side-effects, with recursive functions that can more easily avoid them. In addition, the book covers why you shouldn't use recursion when loops are more efficient and how you can get the best of both worlds. Functional programming is a style of programming, like object-oriented programming, but one that focuses on data transformations and calculations rather than objects and state. Where in object-oriented programming you model your programs by describing which states an object can be in and how methods will reveal or modify that state, in functional programmingyou model programs by describing how functions translate input data to output data. Functions themselves are considered to be data you can manipulate and much of the strength of functional programming comes from manipulating functions; that is, building more complex functions by combining simpler functions. You will: Write functions in R including infix operators and replacement functions Create higher order functions Pass functions to other functions and start using functions as data you can manipulate Use Filer, Map and Reduce functions to express the intent behind code clearly and safely Build new functions from existing functions without necessarily writing any new functions, using point-free programming Create functions that carry data along with them. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Functional Programming in R : Advanced Statistical Programming for Data Science, Analysis and Finance [documento electrónico] / Mailund, Thomas, . - 1 ed. . - Berkeley, CA : Apress, 2017 . - XV, 104 p. 7 ilustraciones, 1 ilustraciones en color.
ISBN : 978-1-4842-2746-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Compiladores (programas informáticos) Programación de computadoras IngenierÃa de software Compiladores e intérpretes Técnicas de programación Clasificación: 005.45 Resumen: Domine las funciones y descubra cómo escribir programas funcionales en R. En este libro, hará que sus funciones sean puras evitando efectos secundarios; escribirás funciones que manipulen otras funciones y construirás funciones complejas utilizando funciones más simples como bloques de construcción. En Programación funcional en R, verá cómo podemos reemplazar bucles, que pueden tener efectos secundarios, con funciones recursivas que pueden evitarlos más fácilmente. Además, el libro explica por qué no deberÃa utilizar la recursividad cuando los bucles son más eficientes y cómo puede obtener lo mejor de ambos mundos. La programación funcional es un estilo de programación, como la programación orientada a objetos, pero que se centra en transformaciones y cálculos de datos en lugar de objetos y estados. Mientras que en la programación orientada a objetos modelas tus programas describiendo en qué estados puede estar un objeto y cómo los métodos revelarán o modificarán ese estado, en la programación funcional modelas programas describiendo cómo las funciones traducen datos de entrada en datos de salida. Las funciones en sà se consideran datos que se pueden manipular y gran parte de la fuerza de la programación funcional proviene de la manipulación de funciones; es decir, construir funciones más complejas combinando funciones más simples. Usted podrá: Escribir funciones en R, incluidos operadores infijos y funciones de reemplazo. Crear funciones de orden superior. Pasar funciones a otras funciones y comenzar a usar funciones como datos que puede manipular. Usar funciones Filer, Map y Reduce para expresar la intención detrás del código de forma clara y segura. Construir nuevas funciones. a partir de funciones existentes sin necesariamente escribir funciones nuevas, usando programación sin puntos. Cree funciones que transporten datos con ellas. Nota de contenido: 1. Functions in R -- 2. Pure Functional Programming -- 3. Scope and Closures -- 4. Higher-order Functions -- 5. Filer, Map, and Reduce -- 6. Point-free Programming -- Afterword. Tipo de medio : Computadora Summary : Master functions and discover how to write functional programs in R. In this book, you'll make your functions pure by avoiding side-effects; you'll write functions that manipulate other functions, and you'll construct complex functions using simpler functions as building blocks. In Functional Programming in R, you'll see how we can replace loops, which can have side-effects, with recursive functions that can more easily avoid them. In addition, the book covers why you shouldn't use recursion when loops are more efficient and how you can get the best of both worlds. Functional programming is a style of programming, like object-oriented programming, but one that focuses on data transformations and calculations rather than objects and state. Where in object-oriented programming you model your programs by describing which states an object can be in and how methods will reveal or modify that state, in functional programmingyou model programs by describing how functions translate input data to output data. Functions themselves are considered to be data you can manipulate and much of the strength of functional programming comes from manipulating functions; that is, building more complex functions by combining simpler functions. You will: Write functions in R including infix operators and replacement functions Create higher order functions Pass functions to other functions and start using functions as data you can manipulate Use Filer, Map and Reduce functions to express the intent behind code clearly and safely Build new functions from existing functions without necessarily writing any new functions, using point-free programming Create functions that carry data along with them. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
