Autor Mailund, Thomas
|
|
Documentos disponibles escritos por este autor (12)
Hacer una sugerencia Refinar búsqueda
Título : Advanced Object-Oriented Programming in R : Statistical Programming for Data Science, Analysis and Finance Tipo de documento: documento electrónico Autores: Mailund, Thomas, Autor 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. Palabras clave: Programación de computadoras Compiladores (programas informáticos) Informática Estadistica matematica Técnicas de programación Compiladores e intérpretes Probabilidad y Estadística en Informática Índice Dewey: 005.11 Técnicas especiales de programación Resumen: Aprenda a escribir programas orientados a objetos en R y a construir clases y jerarquías 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 estadística 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 analítica. 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 jerarquías 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advanced Object-Oriented Programming in R : Statistical Programming for Data Science, Analysis and Finance [documento electrónico] / Mailund, Thomas, Autor . - 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.
Palabras clave: Programación de computadoras Compiladores (programas informáticos) Informática Estadistica matematica Técnicas de programación Compiladores e intérpretes Probabilidad y Estadística en Informática Índice Dewey: 005.11 Técnicas especiales de programación Resumen: Aprenda a escribir programas orientados a objetos en R y a construir clases y jerarquías 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 estadística 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 analítica. 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 jerarquías 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Beginning Data Science in R : Data Analysis, Visualization, and Modelling for the Data Scientist Tipo de documento: documento electrónico Autores: Mailund, Thomas, Autor 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. Palabras clave: Grandes datos Compiladores (programas informáticos) Compiladores e intérpretes Índice Dewey: 005.7 Datos en sistemas de computadoras 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 científico 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 estadística, 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 estadística utilizando el lenguaje de programación R. El análisis de datos moderno requiere habilidades computacionales y generalmente un mínimo de programación. Usted: Realizará ciencia de datos y análisis utilizando estadísticas 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Beginning Data Science in R : Data Analysis, Visualization, and Modelling for the Data Scientist [documento electrónico] / Mailund, Thomas, Autor . - 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.
Palabras clave: Grandes datos Compiladores (programas informáticos) Compiladores e intérpretes Índice Dewey: 005.7 Datos en sistemas de computadoras 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 científico 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 estadística, 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 estadística utilizando el lenguaje de programación R. El análisis de datos moderno requiere habilidades computacionales y generalmente un mínimo de programación. Usted: Realizará ciencia de datos y análisis utilizando estadísticas 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Domain-Specific Languages in R : Advanced Statistical Programming Tipo de documento: documento electrónico Autores: Mailund, Thomas, Autor 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. Palabras clave: Compiladores (programas informáticos) Inteligencia artificial Programación de computadoras Informática Estadistica matematica Grandes datos Compiladores e intérpretes Técnicas de programación Probabilidad y Estadística en Informática Índice Dewey: 005.45 interfaces con el computador y los controladores del dispositivo Resumen: Obtenga una introducción acelerada a lenguajes específicos 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 específico. Los lenguajes de dominio específico 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 específico 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Domain-Specific Languages in R : Advanced Statistical Programming [documento electrónico] / Mailund, Thomas, Autor . - 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.
Palabras clave: Compiladores (programas informáticos) Inteligencia artificial Programación de computadoras Informática Estadistica matematica Grandes datos Compiladores e intérpretes Técnicas de programación Probabilidad y Estadística en Informática Índice Dewey: 005.45 interfaces con el computador y los controladores del dispositivo Resumen: Obtenga una introducción acelerada a lenguajes específicos 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 específico. Los lenguajes de dominio específico 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 específico 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Functional Data Structures in R : Advanced Statistical Programming in R Tipo de documento: documento electrónico Autores: Mailund, Thomas, Autor 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. 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 Estadística en Informática Índice Dewey: 005.11 Técnicas especiales de programación 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 algorítmica 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 sí. Estas técnicas son especialmente aplicables para el desarrollo algorítmico importante en big data, finanzas y otras aplicaciones de ciencia de datos. Realizarás programación algorítmica 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Functional Data Structures in R : Advanced Statistical Programming in R [documento electrónico] / Mailund, Thomas, Autor . - 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.
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 Estadística en Informática Índice Dewey: 005.11 Técnicas especiales de programación 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 algorítmica 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 sí. Estas técnicas son especialmente aplicables para el desarrollo algorítmico importante en big data, finanzas y otras aplicaciones de ciencia de datos. Realizarás programación algorítmica 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Functional Programming in R : Advanced Statistical Programming for Data Science, Analysis and Finance Tipo de documento: documento electrónico Autores: Mailund, Thomas, Autor 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. Palabras clave: Compiladores (programas informáticos) Programación de computadoras Ingeniería de software Compiladores e intérpretes Técnicas de programación Índice Dewey: 005.45 interfaces con el computador y los controladores del dispositivo 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 debería 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 sí 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Functional Programming in R : Advanced Statistical Programming for Data Science, Analysis and Finance [documento electrónico] / Mailund, Thomas, Autor . - 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.
Palabras clave: Compiladores (programas informáticos) Programación de computadoras Ingeniería de software Compiladores e intérpretes Técnicas de programación Índice Dewey: 005.45 interfaces con el computador y los controladores del dispositivo 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 debería 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 sí 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
