Green-sell.info

Новые технологии
1 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Программирование на языке r

Хочу всё знать: язык R

Давайте немного поговорим о языке программирования под названием R. В последнее время вы могли у нас в блогах прочитать статьи о Big Data и Data Science, тех сферах, где просто необходимо под рукой иметь мощный язык для работы со статистикой и графиками. И R как раз из таких. Новичку в мире программирования буде достаточно непросто в это поверить, но сегодня R уже популярнее SQL, он активно используется в коммерческих организациях, исследовательских и университетах.

Не вникая в правила, синтаксис и конкретные области применения, просто давайте рассмотрим основные книги и ресурсы, которые помогут вам с нуля изучить R.

GeekBrains рекомендует

Что такое язык R, зачем он вам нужен и как его можно использовать с умом, можно узнать из прекрасного вебинара Руслана Купцова, который он провёл чуть меньше года назад в рамках GeekWeek-2015.

Книги

Теперь, когда в голове есть определённый порядок, можно приступать к чтению литературы, благо её более чем достаточно. Начнём с отечественных авторов:

Несмотря на то, что в эти книги имеют безусловную ценность для человека, изучающего язык R, они немного перегружены статистическими подходами. То есть если вы только учитесь в университете или недавно его окончили, то это проблем не вызовет. Однако если вам 13 или 35, то к статистическому анализу лучше подойти как раз сперва изучив язык.

Поэтому рассмотрим книги на английском языке, которые в этом помогут чуть лучше:

Эти книги, пусть они и на иностранном языке, описывают язык R более доступно именно для новичка.

Естественно, для языка, который существует уже более 20 лет, было написано и переведено на русский немало книг. Вот парочка:

Как видно из названий этой литературы, здесь вновь язык R рассматривается в прямой связи со статистикой, но так как азам вы уже обучились, то эффект будет исключительно положительный.

Ну и подводя некий этой этому разделу, в последней ссылке вы найдёте список всей рекомендованной разработчиками R англоязычной литературы:

Интернет-ресурсы

Любой человек, желающий изучить какой-либо язык программирования обязательно должен посетить в поисках знаний два ресурса: официальный сайт его разработчиков и самое крупное онлайн сообщество. Что ж. не будем делать исключение и для R:

Но опять проникшись заботой к тем, кто английский язык выучить ещё не успел, а вот изучить R ну очень хочет, упомянем несколько российских ресурсов:

Вот в общем и всё, если не считать разрозненных материалов блогеров. Впрочем, если вам известны российские сайты, где можно почитать много информации про R, обязательно оставляйте ссылки в комментариях.

А пока довершим картину небольшим списком англоязычных, но от этого не менее познавательных сайтов:

CRAN – собственно, место где можно загрузить к себе на компьютер среду разработки R. Кроме того мануалы, примеры и прочее полезное чтиво;

Quick-R – коротко и понятно про статистику, методы её обработки и язык R;

Burns-Stat – про R и про предшественника его S с огромным количеством примеров;

R for Data Science – ещё одна книга от Гаррета Гроулмунда (Garrett Grolemund), переведённая в формат онлайн учебника;

Awesome R – подборка лучшего кода с официального сайта, размещённая на нашем любимом GitHub;

Mran – язык R от Microsoft;

Tutorial R – ещё один ресурс с упорядоченной информацией с официального сайта.

Давайте немного поговорим о языке программирования под названием R. В последнее время вы могли у нас в блогах прочитать статьи о Big Data и Data Science, тех сферах, где просто необходимо под рукой иметь мощный язык для работы со статистикой и графиками. И R как раз из таких. Новичку в мире программирования буде достаточно непросто в это поверить, но сегодня R уже популярнее SQL, он активно используется в коммерческих организациях, исследовательских и университетах.

Не вникая в правила, синтаксис и конкретные области применения, просто давайте рассмотрим основные книги и ресурсы, которые помогут вам с нуля изучить R.

GeekBrains рекомендует

Что такое язык R, зачем он вам нужен и как его можно использовать с умом, можно узнать из прекрасного вебинара Руслана Купцова, который он провёл чуть меньше года назад в рамках GeekWeek-2015.

Книги

Теперь, когда в голове есть определённый порядок, можно приступать к чтению литературы, благо её более чем достаточно. Начнём с отечественных авторов:

Несмотря на то, что в эти книги имеют безусловную ценность для человека, изучающего язык R, они немного перегружены статистическими подходами. То есть если вы только учитесь в университете или недавно его окончили, то это проблем не вызовет. Однако если вам 13 или 35, то к статистическому анализу лучше подойти как раз сперва изучив язык.

Поэтому рассмотрим книги на английском языке, которые в этом помогут чуть лучше:

Эти книги, пусть они и на иностранном языке, описывают язык R более доступно именно для новичка.

Естественно, для языка, который существует уже более 20 лет, было написано и переведено на русский немало книг. Вот парочка:

Как видно из названий этой литературы, здесь вновь язык R рассматривается в прямой связи со статистикой, но так как азам вы уже обучились, то эффект будет исключительно положительный.

Ну и подводя некий этой этому разделу, в последней ссылке вы найдёте список всей рекомендованной разработчиками R англоязычной литературы:

Интернет-ресурсы

Любой человек, желающий изучить какой-либо язык программирования обязательно должен посетить в поисках знаний два ресурса: официальный сайт его разработчиков и самое крупное онлайн сообщество. Что ж. не будем делать исключение и для R:

Но опять проникшись заботой к тем, кто английский язык выучить ещё не успел, а вот изучить R ну очень хочет, упомянем несколько российских ресурсов:

Вот в общем и всё, если не считать разрозненных материалов блогеров. Впрочем, если вам известны российские сайты, где можно почитать много информации про R, обязательно оставляйте ссылки в комментариях.

А пока довершим картину небольшим списком англоязычных, но от этого не менее познавательных сайтов:

CRAN – собственно, место где можно загрузить к себе на компьютер среду разработки R. Кроме того мануалы, примеры и прочее полезное чтиво;

Quick-R – коротко и понятно про статистику, методы её обработки и язык R;

Читать еще:  Виды задач математического программирования

Burns-Stat – про R и про предшественника его S с огромным количеством примеров;

R for Data Science – ещё одна книга от Гаррета Гроулмунда (Garrett Grolemund), переведённая в формат онлайн учебника;

Awesome R – подборка лучшего кода с официального сайта, размещённая на нашем любимом GitHub;

Mran – язык R от Microsoft;

Tutorial R – ещё один ресурс с упорядоченной информацией с официального сайта.

Программируем на языке R: как правильно писать циклы для обработки больших объемов данных

Содержание статьи

Во многих языках программирования циклы служат базовыми строительными блоками, которые используются для любых повторяющихся задач. Однако в R чрезмерное или неправильное использование циклов может привести к ощутимому падению производительности — и это при том, что способов написания циклов в этом языке необычайно много!

Сегодня мы с тобой рассмотрим особенности использования штатных циклов в R, а также познакомимся с функцией foreach из одноименного пакета, которая предлагает альтернативный подход в этой, казалось бы, базовой задаче. С одной стороны, foreach объединяет лучшее из штатной функциональности, с другой — позволяет с легкостью перейти от последовательных вычислений к параллельным с минимальными изменениями в коде.

О циклах

Начнем с того, что часто оказывается неприятным сюрпризом для тех, кто переходит на R с классических языков программирования: если мы хотим написать цикл, то стоит перед этим на секунду задуматься. Дело в том, что в языках для работы с большим объемом данных циклы, как правило, уступают по эффективности специализированным функциям запросов, фильтрации, агрегации и трансформации данных. Это легко запомнить на примере баз данных, где большинство операций производится с помощью языка запросов SQL, а не с помощью циклов.

Чтобы понять, насколько важно это правило, давай обратимся к цифрам. Допустим, у нас есть очень простая таблица из двух столбцов a и b . Первый растет от 1 до 100 000, второй уменьшается со 100 000 до 1:

Если мы хотим посчитать третий столбец, который будет суммой первых двух, то ты удивишься, как много начинающих R-разработчиков могут написать код такого вида:

На моем ноутбуке расчеты занимают 39 секунд, хотя того же результата можно достичь за 0,009 секунды, воспользовавшись функцией для работы с таблицами из пакета dplyr :

Основная причина такой серьезной разницы в скорости заключается в потере времени при чтении и записи ячеек в таблице. Именно благодаря оптимизациям на этих этапах и выигрывают специальные функции. Но не надо списывать в утиль старые добрые циклы, ведь без них все еще невозможно создать полноценную программу. Давай посмотрим, что там с циклами в R.

Классические циклы

R поддерживает основные классические способы написания циклов:

  • for — самый распространенный тип циклов. Синтаксис очень прост и знаком разработчикам на различных языках программирования. Мы уже пробовали им воспользоваться в самом начале статьи. for выполняет переданную ему функцию для каждого элемента.
  • Чуть менее распространенные while и repeat , которые тоже часто встречаются в других языках программирования. В while перед каждой итерацией проверяется логическое условие, и если оно соблюдается, то выполняется итерация цикла, если нет — цикл завершается:

В repeat цикл повторяется до тех пор, пока в явном виде не будет вызван оператор break :

Стоить отметить, что for , while и repeat всегда возвращают NULL, — и в этом их отличие от следующей группы циклов.

Циклы на основе apply

apply , eapply , lapply , mapply , rapply , sapply , tapply , vapply — достаточно большой список функций-циклов, объединенных одной идеей. Отличаются они тем, к чему цикл применяется и что возвращает. Начнем с базового apply , который применяется к матрицам:

В первом параметре ( X ) указываем исходную матрицу, во втором параметре ( MARGIN ) уточняем способ обхода матрицы (1 — по строкам, 2 — по столбцам, с(1,2) — по строкам и столбцам), третьим параметром указываем функцию FUN, которая будет вызвана для каждого элемента. Результаты всех вызовов будут объединены в один вектор или матрицу, которую функция apply и вернет в качестве результирующего значения.

Например, создадим матрицу m размером 3 х 3.

Попробуем функцию apply в действии.

Для простоты я передал в apply существующую функцию sum , но ты можешь использовать свои функции — собственно, поэтому apply и является полноценной реализацией цикла. Например, заменим сумму нашей функцией, которая сначала производит суммирование и, если сумма равна 15, заменяет возвращаемое значение на 100.

Другая распространенная функция из этого семейства — lapply .

Продолжение доступно только участникам

Вариант 1. Присоединись к сообществу «Xakep.ru», чтобы читать все материалы на сайте

Членство в сообществе в течение указанного срока откроет тебе доступ ко ВСЕМ материалам «Хакера», увеличит личную накопительную скидку и позволит накапливать профессиональный рейтинг Xakep Score! Подробнее

R для лингвистов: программирование и анализ данных

  • 10 недель

от 5 до 6 часов в неделю

понадобится для освоения

3 зачётных единицы

для зачета в своем вузе

Данный курс знакомит слушателей с основами программирования на языке R, а также позволяет разобраться во всех этапах анализа данных. В ходе курса на примере задач теоретической и компьютерной лингвистики будут рассмотрены математические основы методов статистического анализа. Курс рассчитан на студентов-лингвистов, однако не предполагает никаких предварительных знаний по лингвистике, программированию и математике.

О курсе

Данный курс знакомит с основами программирования и обработки данных в R. Курс в первую очередь предназначен для теоретических лингвистов, хотя и не предполагает никаких предварительных знаний в какой-то конкретной области. В противовес стандартным курсам R, обычно основанным на статистической обработке данных и их визуализации, значительная часть курса посвящена работе со строками и обработке естественного языка. Курс состоит из 10 недель, которые охватывают все разделы анализа данных: загрузка, чистка, разведочный анализ, визуализация и статистическое моделирование. Большинство недель будет заканчиваться 4 часовым тестом, в ходе которого нужно будет решить несколько задач на программирование или анализ данных. В части курса, посвященной статистическому анализу данных, мы обсудим основы статистического вывода и обсудим базовые статистические тесты. Кроме того мы обсудим методы построения регрессий и кластеризации, что станет хорошей базой для дальнейших курсов посвященных продвинутому статистическому анализу и машинному обучению. Для работы на курсе необходимо будет установить программы R и RStudio. Пакеты необходимые для установки, будут перечислены в ходе лекций.

Формат

Курс состоит из коротких видеолекций от 8 до 15 минут длиной, внутри которых встроены неоцениваемые вопросы. На каждой неделе будет представлен оцениваемый тест содержащий задачи на программирование, анализ и визуализацию данных.

Информационные ресурсы

— Levshina, N. (2015). How to do linguistics with R: Data exploration and statistical analysis. John Benjamins Publishing Company.

— Gries S. Th. (2009) Quantitative Corpus Linguistics with R: A Practical Introduction

— Baayen R. H. (2006) Analyzing Linguistic Data

— Wickham H. (2015) Advanced R

— Everitt B. S., Hothorn T. (2006) A handbook of statistical analyses using R

Требования

В основном обучение ведется с нуля, однако базовые элементы программирования: такие как функция, переменные, циклы, подробно объясняться не будут. Так что знание других языков программирования, например, Python облегчит понимание, но не является обязательным. Примеры все будут приводится на данных для лингвистов, но никакого предварительного лингвистического образования не требуется.

Программа курса

1. Введение в R: основные элементы, функции, циклы
2. Продвинутая обработка данных: пакеты tidyr и dplyr
3. Работа со строками: строки в R, регулярные выражения
4. Визуализация данных: base R vs. ggplot2
5. Интерактивная визуализация: rmarkdown, plotly, lingtypology
6. Работа с текстами: пакет tidytext
7. Введение в статистику: основы фриквентисткой статистики, формулировка гипотез
8. Корреляция и линейная регрессия
9. Кластеризация
10. Логистическая регрессия

Результаты обучения

  • Готовность использовать основные законы научных дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, теоретического и экспериментального исследования в лингвистике

Формируемые компетенции

  • ОНК-1 Готовность использовать основные законы научных дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, теоретического и экспериментального исследования в лингвистике
  • ИК-1 Способность самостоятельно работать на компьютере с использованием современного общего и профессионального прикладного ПО
  • ПК-4 Умение осуществлять сбор, анализ и обработку данных, необходимых для решения поставленных экономических задач
  • ПК-10 Способность использовать для решения аналитических и исследовательских задач

Направления подготовки

Знания

  • Язык программирования R
  • Основы статистики

Умения

Умение осуществлять сбор, анализ и обработку данных, необходимых для решения поставленных экономических задач

Навыки

  • Способность самостоятельно работать на компьютере с использованием современного общего и профессионального прикладного ПО
  • Способность использовать для решения аналитических и исследовательских задач современные технические средства и информационные технологии

Поделиться

  • 10 недель

от 5 до 6 часов в неделю

понадобится для освоения

3 зачётных единицы

для зачета в своем вузе

Мороз Георгий Алексеевич

Должность: Старший преподаватель школы лингвистики/Факультет гуманитарных наук

Самоучитель «Система программирования R»

Страницы

вторник, 18 августа 2015 г.

Что такое ядро языка? Карта изучения

Что такое ядро языка?

Изучение ядра — первый шаг к овладению R

вторник, 11 августа 2015 г.

Получение информации о среде

Работа с репозиториями пакетов

Получение списка репозиториев

вторник, 28 июля 2015 г.

Что нужно, чтобы начать применять R?

Вначале уточним цель

Что же нужно, чтобы начать применять R?

Пару соглашений о постах

Условимся, что для этого и следующих постов, в конце каждого, под заголовком «Смысл поста» будут выписаны самые важные идеи. Не для всех постов он будет, т.к. иногда не будет возможным вычленить эти идеи. Это нужно для удобства.

Текст под заголовком «В следующем посте» будет связывать по смыслу текущий пост со следующим и будет коротко описывать его суть.

Необходимая теория, начало: что такое программа?

Определимся, что значит программа. Программа это указание компьютеру, что нужно сделать, состоящее из последовательности шагов и которое записывается на языке программирования, в данном случае на R.

Главная цель программы — решить поставленную задачу. Какую конкретно задачу? Это выбирает сам программист: он решает что делать и в какой последовательности делать компьютеру и задаёт её в виде программы, на языке программирования. Компьютер просто покорно выполняет программу в точности как задал программист.

Язык программирования , в нашем случае R, это язык на котором общается программист (человек) с компьютером (машиной). На языке программирования описывается алгоритм, который компьютер должен будет выполнить.

Любая программа реализует какой-либо алгоритм. Алгоритм это план решения задачи. Т.е. получается, что программа это реализация плана решения задачи — алгоритма.

Смысл поста

В следующем посте

четверг, 26 марта 2015 г.

Основы работы в консоли. Понятие выражения

Если запустить RStudio, курсор по умолчанию будет в панели консоли. В консоли удобно проводить исследования, связанные как с языком, так и с вычислениями, графиками. В ней (в консоли) можно писать маленькие программы и давать команды.

Принцип работы в консоли такой:

  1. мы пишем код и отдаём его на выполнение R, путём нажатия Enter
  2. R обрабатывает код и выдаёт результат

и так происходит постоянно, т.е. циклически (или в цикле, англ. loop). Такой режим работы называется интерактивным (от англ. interaction — «взаимодействие»). Поэтому иногда говорят, что работа в консоли ведётся в интерактивном режиме. Бывает вместо интерактивного режима говорят, что работа ведётся в REPL. REPL это сокращение от Read Eval Pring Loop — R читает команду (Read), выполняет её (Eval), выводит результат (Print) и процесс повторяется (Loop).

Дадим первую команду: Это программа, состоящая из одного числа — числа pi с двумя цифрами после запятой. Мы просто ввели число, R выдал результат. Теперь на примере этой маленькой программы познакомимся c одним из главных принципов языка R.

Главный принцип: базовая (основная) конструкция R — выражение

В любом языке программирования есть базовая конструкция , с помощью которых реализуется алгоритм (как мы уже узнали алгоритм придумывает сам программист). Это может быть либо команда (statement), либо выражение (expression).

В R базовая конструкция это выражение (expression). Пример языков, где базовая конструкция это команда: C++, Java, Python, PHP. Разберёмся, что это значит. Но вначале уточним, один момент о командах.

То, что мы ввели в консоли это команда консоли, однако есть ещё и понятие команды как конструкции языка, которое по англ. называется statement. Нужно отличать эти два понятия, поэтому для команд как конструкций языка будем использовать слово-синоним — оператор (ещё один синоним это инструкция). Итак: команда языка это оператор (statement), команда консоли это просто команда консоли, другое понятие.

Самый главный принцип, который нужно понять и на котором всё строится: в R операторы (statements) и выражения (expressions) это одно и тоже: любой оператор это выражение. По-сути в R нет понятия команды как конструкции языка. Поэтому, то, что мы ввели — число 3.14, является выражением, которое состоит из одного числа, R вычислил его значение и выдал результат.

В чём отличие между операторами и выражениями? Отличие в том, что любое выражение всегда преоразуется в значение — результат, оператор — не преобразуется в результат.

На карте ядра были показаны операторы (синоним команд) как отдельный элемент:

Вообще все команды консоли это по-сути выражения, просто они называются командами консоли (и как было сказано выше это другое понятие, отличное от понятия оператора). Любая команда консоли имеет такой вид: Пока не будем рассматривать, что значит , сделаем это позже, когда мы будем готовы к этому. Главное здесь понять, что все команды консоли имеют одинаковый вид.

Вот ещё несколько примеров выражений: Видно, что R может вычислять знакомые математические выражения. Вообще же консоль R можно использовать вместо калькулятора — консоль поддерживает всё то, что свойственно обычному калькулятору плюс умеет делать гораздо больше.

В консоли можно давать и несколько команд подряд, в одну строку, разделяя их символом-разделителем — точкой с запятой :

Прикладная аналитика на R

Чтобы использовать статистические критерии и модели не требуется сложных навыков программирования. Поэтому мы разработали профессиональную онлайн-программу «Прикладная аналитика на R», которая позволит повысить ваш уровень в сфере аналитики и получить дополнительные компетенции, востребованные в крупных IT-компаниях.

Язык R содержит огромное число инструментов для загрузки, преобразования и анализа данных, средств визуализации, создания статистических отчетов и приложений. R позволяет производить все действия в одной среде, минуя прямое взаимодействие с базами данных, сайтами и другими инструментами.

Цель курса: обучить профессиональным навыкам работы с богатыми возможностями языка R для анализа и визуализации данных.

Программа разработана специально для:

— маркетологов, которые хотят перейти от Excel/ SPSS/ Statistica к более продвинутым средствам анализа;
— финансовых аналитиков, риск-менеджеров, кредитных аналитиков, которым необходимо искать закономерности в данных, визуализировать и строить статистически обоснованные выводы;
— начинающих изучать машинное обучение, которые хотят войти в аналитику, в том числе изучить машинное обучение
— тех, кто используют сервисы веб-аналитики и делают отчеты о своей работе в системах BI посредством API, чтобы средствами языка создавать информативные отчеты
— SEO, чтобы эффективнее делать отчеты
— контекстологам, которые работают с рекламными сетями и разными сервисами ,тем самым делая много рутинных операций
— начинающих изучение R в анализе данных;

в ходе занятий изучаются методы,

востребованные на рынке

сначала объясняем «как делать», потом все остальные важные аспекты

каждое ДЗ — реальный мини-кейс из опыта преподавателей или ваша задача с работы

материалы будут вам полезны, как reference point, в будущих задачах (+cheat-sheets по темам)

✓ решать ваши рабочие задачи эффективным и воспроизводимым способом;
✓ писать код для повторного использования, автоматизирующий рутинные задачи (e.g. создание отчетов);
✓ пользоваться основными пакетами R для работы с данными, создания графиков и выполнения статистического анализа.

Занимается разработкой под алго- и высокочастотный трейдинг (HFT) на языке R более 5 лет.
За это время с другими командами из разных стран мира реализовал более 32 проектов, как в области high-frequency trading, так и риск-менеджмента, финансового инжиниринга (ABS, MBS, structured products, interest rates modeling (LIBOR, SABR, ARIMA, GARCH)), разработки торговых десков для проп.трейдинговых компаний из Нью-Йорка, Чикаго, Арканзаса, Флориды, Австралии, ОАЭ и т.д
Сотрудничает с несколькими хедж-фондами из Нью-Йорка и Лос-Анджелеса, а также финансовыми институтами из Лондона и Центральной Европы занимающимися quant development и AI в области инвестиций и торговли на фондовых биржах.
В настоящий момент совместно с коллегой ведет несколько пилотов по разработке библиотеки и аналитического модуля для крупного поставщика софта для торговли на финансовых рынках.
Также в разработке находится система Collateral mgm для крупного заказчика из США.

Стек используемый в разработке достаточно богат и широк: R, Python, Java, C++, C#, Matlab, AWS, Microsoft Azure, Oracle DB, Cassandra, Kubernetes, Apache Spark, Kafka.
Модули и библиотеки: Pandas, Pytorch, SciPy, NumPy, scikit-learn, Caffe, Bokeh, Theano, Lasagne, Quantlib, Quanmod, Tensorflow, Keras, quanttrade, Quantconnect, Quantiacs, wbdata, IQFeed, Bloomberg API, etc/

PhD (аспирант 4 года) в North Carolina State University, USA.
Область профессиональных интересов: анализ полевых и лабораторных данных качества водной среды для последующего построения прогнозных моделей. R является основным инструментом, в работе применяются регрессионный анализ и байесовый подход.

Образование: магистр наук по специальности гидролог (TU Dresden, 2015), инженер-эколог (МИСиС, 2009).

Опыт преподавания: 3 года в роли ассистента профессора в North Carolina State University.

Участник международных конференций: 25th Biennial CERF Conference (2019), 15th Estuarine and Coastal Modeling Conference (2018) , North Carolina’s Coastal Conference (2017).

Занимается программированием на R более 4 лет.
Имеет опыт работы с широким спектром инструментов анализа и программирования — регрессия, анализ временных рядов и построение прогнозных моделей (forecast), байесовские методы, сетевой анализ, визуализация данных (ggplot2, plotly, ggmap), парсинг сайтов (xml2), Rmarkdown отчеты, интеграция C++ в R (Rcpp), чистка и обработка данных.

Любит узнавать новое и делиться знаниями.

Ведет проекты анализа данных в сфере психологии групп.

В основом работал в сфере анализа текстовых данных.

Как инструменты использовались библиотеки tm, NLP, UDPipe, igraph, statnet, rvest, XML, DBI, RPostgreSQL базы данных Postgres, memcached и набор ставших стандартом функций и пакетов предобработки данных.

Одна из проблем психометрии — искажение полученных данных ментальным представлением человека о себе. Этих искажений лишен анализ неструктурированных данных, который может давать доступ в процессы психики, неискаженные искусственными, наигранными проявлениями.
В сфере взаимоотношений людей часто встречается фраза: «Счастье — это когда тебя понимают».
Счастье исследователя — получать доступ в ранее закрытые, неведомые процессы.

Аналитик со стажем работы в крупных телекоммуникационных компаниях, таких как МТС, Ростелеком.

Уверена, что посчитать и измерить можно все на свете — главное найти правильную шкалу и метрику.

Обожает задавать себе и другим сложные провокационные вопросы и найти на них ответ в данных.

Ссылка на основную публикацию
ВсеИнструменты
Adblock
detector
×
×