#46: Strategien zur Performance-Optimierung in R

R ist keine Compilersprache und damit von Natur aus eher langsam.
Wir sprechen darüber wie man die Performance von R Code
optimieren kann und welche spezifischen Herausforderungen R dabei
mit sich bringt. Wir besprechen Methoden, um Engpässe im Code
effizient zu identifizieren, darunter Tools wie system.time,
microbenchmark und profvis. Anschließend teilen wir Techniken für
die Arbeit mit großen Datensätzen und die Parallelisierung. Wir
zeigen wie durch gezielte Optimierung erhebliche
Performance-Verbesserungen erzielt werden können.


***Links:***


Episode #41: Strategien zur Performance-Optimierung in Python
https://www.podbean.com/ew/pb-weg8d-158cd71

Blogartikelserie zu Code Performance in R:

 R-Code beschleunigen
https://www.inwt-statistics.de/blog/code-performanz-in-r-r-code-beschleunigen

Warum ist mein Code langsam?
https://www.inwt-statistics.de/blog/code-performanz-in-r-warum-ist-mein-code-langsam

Parallelisierung
https://www.inwt-statistics.de/blog/code-performanz-in-r-parallelisierung

Mit großen Datensätzen arbeiten
https://www.inwt-statistics.de/blog/code-performanz-in-r-mit-grossen-datensaetzen-arbeiten



Rccp: https://www.rcpp.org/

Fragen, Feedback und Themenwünsche gern an:
podcast@inwt-statistics.de