Fundamentals of Numerical Computation (Tobin A. Driscoll & Richard J. Braun)

Несомненно, MATLAB оставался лидером в качестве основной среды в исследования численных вычислений, и сейчас он занимает определенную нишу, однако современный ландшафт меняется и сейчас существуют полнофункциональные open source альтернативы MATLAB, например, NumPy языка Python. Помимо Python, язык Julia был разработан с целью отдать приоритет быстрым численным научным вычислениям.

Книга Fundamentals of Numerical Computation изначально была написана для MATLAB, а затем переведена на Julia. Издание интересно как математическим введением в предмет, так и подробным сопровождением кода, начиная от классических тем (линейная алгебра, корни нелинейных уравнений) до уравнений в частных производных.

В R можно посмотреть список ресурсов Numerical Mathematics (Hans W. Borchers, Robin Hankin, Serguei Sokol).

Top 40 New CRAN Packages 4️⃣0️⃣ 🆕 📦

Некоторое время тому назад R Views публиковали список 40 лучших библиотек за месяц, однако с какого-то времени эта практика прекратилась. Оказывается, теперь эти отличные подборки можно почитать на R Works.

Также, еженедельный список интересных R-находок публикуют на R Weekly и можно подписаться на различные рассылки, например, Blaze Data Science with R.

Data Science Learning Community

Девиз Data Science Learning Community (ex R4DS Online Learning Community) - Учимся вместе!

Напомню о том, что сообщество DSLC проводит регулярные онлайн-встречи, организуя "книжные клубы" по прохождению различных книг для R и Python по Data Science и ML.

Записи онлайн-встреч доступны на YouTube. Также у сообщества есть собственный сайт, где представлены ссылки на видео с семинарами по книгам с поддержкой в Slack и календарь событий. Безусловно, можно подписаться и на их Bluesky.

Explainers

Мне нравится интерактивная подача материала и иллюстрации по таким сложным вопросам как искуственные нейронные сети и машинное обучение. Примеры можно посмотреть в известной статье Generative AI exists because of the transformer (FT), The Illustrated Machine Learning или LLM Visualization.

Вот еще один класс "объяснялок" от Polo Club of Data Science:

🔸 CNN Explainer

🔹 Transformer Explainer

🔸 Diffusion Explainer

Как создать "крутяк"? 🤘

ThePudding объясняет идеи, которые у всех на слуху и обсуждаются в (масс-)культуре с помощью небольших визуальных эссе, они выбирают темы, в которых визуальные эффекты информируют и развлекают. Если вам нравятся визуальные представления - это вам точно понравится.

Роясь в бездне ссылок я наткнулся на забавный набор статей, который выпустила команда ThePudding (а точнее - Ilia Blinderman), эдакий трехсерийный сериал, призванный помочь ознакомиться с инструментами, используемыми для создания визуальных историй, основанных на данных.

Part 1: Working with Data

Part 2: Design

Part 3: Storytelling

Отличные статьи, читайте, отдыхайте. Одним словом, всем хороших выходных! 👋

How To Craft A Blazingly Fast Graphics Device 🐅

На сколько мы знаем, библиотека {gganimate} делает анимации достаточно медленно, каждый кадр отрисовывается как отдельный ggplot2-объект, а потом эти графики объединяются в один gif. Кроме того, пока не существует кроссплатформенных графических устройств, что тоже вносит определенные трудности в создание анимаций в R.

Hiroaki Yutani сделал доклад на Japan.R (увы, по-японски и записи не было) по созданию анимаций, графическим устройствам, API, а также vellogd: A GPU-powered Interactive Graphics Device for R. Презентация (на английском) доступна в сети, пока это эксперимент, но результат уже сейчас представляет интерес.

How Dense are the World's Biggest Cities? 🏘️

Интересный подход к рассмотрению плотности населения продемонстрировал Jonathan Nolan на семинаре nyhackr, который ведет Jared Lander (Chief Data Scientist of Lander Analytics a New York data science firm).

В частности, Shiny-сайт citydensity.com позволяет сравнивать различные города по плотности заселенности в зависимости от расстояния от центра. В докладе Jonathan поделился идеями и техническими деталями по анализу данных такого рода.

Finding Your Way To R 🏃‍♂️‍➡️

Помимо прочих ресурсов по изучению языка R, можно вспомнить про дорожную карту от RStudio (теперь Posit). Путь к познанию R разделен на три направления, от начинающих до экспертов.

Пусть эти материалы в некоторых моментах требуют обновления, но в целом они могут помочь идейно сориентировать в навигации по экосистеме R.

{tidyplots}

Большое спасибо Александру за ссылку на сайт библиотеки {tidyplots} для создания готовых к публикации графиков для научных статей, автор которого Jan Broder Engler. По мнению автора библиотека:

🕊️ Бесплатная и с открытым исходным кодом
🚀 Простая, интуитивно понятная и быстрая
💾 Содержит демонстрационные наборы данных
🏆 Использует лучшие практики
🌈 Красивая

Галерея графиков tidyplots выглядит неплохо, очень напоминает {ggpubr}, которым я активно пользуюсь, и BBC Visual and Data Journalism cookbook for R graphics.

{statquotes}

Известный нам статистик и самый дружелюбный историк визуальных представлений данных Michael Friendly является автором книг и библиотек R, одна из которых - {statquotes} мне особенно понравилась. Она отображает случайно выбранную цитату по темам, связанным со статистикой, визуализацией данных и Data Science.

Более того, такой цитатник я вставил в Quarto-страницу (подойдет и markdown или LaTeX). Также можно создавать облако слов на основе поиска в базе данных цитат.

On bubbles and trees 💫

Teun van den Brand делает просто волшебные дополнения к ggplot2, в частности, библиотека {legendry} теперь позволяет делать пузырьковые легенды для графиков.

library(legendry)

gapminder::gapminder |>
  dplyr::filter(year == max(year)) |>
  ggplot(aes(gdpPercap, lifeExp, size = pop, 
             fill = continent)) +
  geom_point(pch = 21, alpha = 0.8) +
  scale_size_area(
    limits = c(0, NA), max_size = 20,
    breaks = c(0, 100, 500, 1000)*1e6,
    labels = c(0, "100M", "500M", "1B"),
    guide  = guide_circles(vjust = 1)
  ) +
  scale_fill_discrete(guide = 
                         guide_legend(override.aes = 
                         list(size = 4, alpha = 0.8))) +
  scale_x_log10() +
  labs(
    x = "ВВП на душу населения",
    y = "Ожидаемая продолжительность жизни",
    fill = "Континент",
    size = "Население"
  )

Это должно быть по умолчанию в {ggplot2}!

Introduction to Environmental Data Science (Jerry Davis, SFSU Institute for Geographic Information Science)

Книга Introduction to Environmental Data Science посвящена исследованию окружающей среды на основе языка программирования R, в первую очередь, на основе измерения различных показателей в пространственной и временной областях.

Следует отметить, что в книге присутствует пространственный анализ данных и моделирование: начиная от растрового анализа данных до анализа спутниковых изображений, которые включают в себя диапазон электромагнитного спектра от видимого до коротковолнового инфракрасного, что представляет особый интерес. Environmental Data Science book or EDS book - аналогичный ресурс на Python.

30DayMapChallenge 2024 completed! 🗺️

Cédric Vidonne (Information Management Officer at UNHCR - Data visualization, maps and R) поделился своими роскошными картами, которые он сделал для челленджа 30DayMapChallenge, а также кодом. Все выполнено на R!

Вот еще ряд примеров на R, которые сделал Matt Malishev.

Educational Data Analytics Using R 👨‍🎓

Louis Rocconi, Joshua Rosenberg, Sarah Narvaiz (The University of Tennessee, Knoxville) создали небольшой курс на Shiny по анализу образовательных данных. Вот его основные разделы:

1. Введение в R

2. Базовые навыки

3. Основы языка R (типы данных, структуры данных)

4. Обработка данных

5. Tidy Data

6. Описательная статистика

Также вы можете попробовать Shiny-приложение для иллюстрации центральной предельной теоремы (автор James Balamuta) и почитать книгу A Portable Introduction to Data Analysis как несложное введение в статистику.

Ну что товарищи, а вы уже готовитесь встрече Нового Года? 🎄

Всем хороших выходных! 👋

litedown - переосмысленный R Markdown

R Markdown имеет долгую историю, однако с некоторого времени Quarto получил большой толчок, Quarto развивается, для него пишутся расширения... а что же R Markdown?

Yihui Xie, основной автор Knitr и R Markdown, в настоящий момент разрабатывает экспериментальную библиотеку {litedown}. litedown разработан как облегченный аналог R Markdown для минималистов, без Word, без PDF, только HTML + немного LaTeX. Суть в том, что ядро простое и небольшое, и можно включать или отключать большинство функций.

Markdown изначально был придуман для простоты, однако действительно ли litedown прост? С точки зрения разработчика, да, это так, во многом из-за ограниченного объема. С точки зрения пользователя, некоторые функции определенно не так просты.

Посмотрите документацию, попробуйте, я пока голосую за Quarto.

Data Science notes 🔥

Eric Book опубликовал замечательные заметки по Data Science в виде мини-книги. Сюда включено просто огромное количество тем, элементов кода, объяснений, шпаргалок. Причем есть просто 👌 изюминки!

Обратите внимание!

GitHub Wrapped

Каким был ваш год на GitHub?

Сайт GitHub Wrapped предлагает сделать визуальную расшифровку вашей GitHub-активности, попробуйте!

nbsanity

Предположим, что вы используете Jupyter Notebooks как основное техническое средство, объединяющее в одном документе код, визуализации и повествовательный текст. Несмотря на это, при использовании ноутбуков на GitHub, программе просмотра записных книжек на GitHub не хватает функций, необходимых для надлежащего технического взаимодействия.

Hamel Husain представил сервис nbsanity, который превращает любой общедоступный ноутбук на GitHub в веб-страницу, просто изменив URL. nbsanity работает на базе Quarto, который является наиболее эргономичным генератором статических сайтов, доступных для ноутбуков.

Отмечу, что Hamel ведет довольно интересный блог и YouTube-канал.

Best Practices for Data Visualisation

Andreas Krause, Brian Tarran и Nicola Rennie написали небольшое пособие по методам визуализации данных, в первую очередь для авторов публикаций Королевского статистического общества (UK). Тем не менее, информация и советы в нем имеют широкую актуальность и полезны для любой задачи визуализации данных.

Их советы касаются принципов и элементов визуализаций, выбора типов визуализаций, стилизации для публикаций и многого другого.

Дорогие читатели,

Я надеюсь, что многим из вас пригодились ссылки и обзоры, публикуемые в рамках канала Наука и данные. Отличительная особенность ежедневных публикаций и дайджестов НиД - кругозор рассматриваемых вопросов. Кроме того, TG-канал - это отличный повод показать возможности и красоту языка программирования R и издательской системы Quarto, особенно для молодежи, которой достаточно много в подписчиках.

Сейчас конец календарного года, пора отчетов, сессий, защит, время подготовки к Новому Году, тем не менее, если у вас будет минутка рассказать о том, чем помогли записи на канале для написания научной публикации, защиты диссертации, в проекте, или у вас есть идеи, которые можно попробовать воплотить, напишите, почему бы и нет? Мне будет интересна обратная связь.

Также можно написать, выход какой книги вы особенно ждете? У меня есть одна такая.

Уверен, впереди нас ждет множество обзоров, мероприятий и сюрпризов, и один из них будет уже завтра!

Е.Н.