剧集
R 中的协作开发：使用稀疏包的案例研究
替换为 Bryon Aragam
useR！2017：R 中的协作开发：案例 S...
随着 R 在统计数据和数据科学界的大规模普及，以及最近与 CRAN 和 GitHub 进行开放开发和可重现性研究的运动，R 已成为前沿统计软件的事实上。 通过这种移动，许多组面临的问题在于，各个程序员如何以开放、协作的方式处理相关代码库，同时强调良好的软件实践和可重现的研究。 最近在 CRAN 上发布的稀疏包是这种困境的一个例子：稀疏包是一系列用于学习图形模型的包，为不同类型的数据定制不同的算法。 尽管每个算法都有许多相似之处，但不同的研究人员和程序员负责实现不同的算法。 我们的团队没有发布不同的不相关的包，而是开发了一系列共享的包，以简化新算法的添加，以尽量减少编程开销（可怕的“数据混入”和“管道”工作）。 在此演讲中，我将使用稀疏作为协作研究和开发的案例研究，说明开发过程和劳动成果：一个快速、现代的学习图形模型包，利用高维统计信息和机器学习的前沿趋势。
useR！2017：R 中的协作开发：案例 S...
随着 R 在统计数据和数据科学界的大规模普及，以及最近与 CRAN 和 GitHub 进行开放开发和可重现性研究的运动，R 已成为前沿统计软件的事实上。 通过这种移动，许多组面临的问题在于，各个程序员如何以开放、协作的方式处理相关代码库，同时强调良好的软件实践和可重现的研究。 最近在 CRAN 上发布的稀疏包是这种困境的一个例子：稀疏包是一系列用于学习图形模型的包，为不同类型的数据定制不同的算法。 尽管每个算法都有许多相似之处，但不同的研究人员和程序员负责实现不同的算法。 我们的团队没有发布不同的不相关的包，而是开发了一系列共享的包，以简化新算法的添加，以尽量减少编程开销（可怕的“数据混入”和“管道”工作）。 在此演讲中，我将使用稀疏作为协作研究和开发的案例研究，说明开发过程和劳动成果：一个快速、现代的学习图形模型包，利用高维统计信息和机器学习的前沿趋势。
想提供反馈？ 在此处提交问题。