作者：黄天元，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。
邮箱：huang.tian-yuan@qq.com
精彩回顾：
无缝对接Spark与R：Sparklyr系列—探讨属于数据科学家的Spark
前言
这是本公众号原创作者第一次参加R会的过程和感受，分享给各位小伙伴们。
刚在华东师范大学参加了第十一届中国R会议上海分会，受益匪浅。华师大是我的母校，从食堂的菜品，道旁的园艺，体院的气派，书馆的设施，处处都散发着人文关怀的气息。返校参会的我倍感亲切，仿佛回家一般。
华东师范大学图书馆剪影
说来惭愧，华师大办R会已经有很长的历史，但这却是我第一次参加R会。以前我总是一个人买书学习，遇到问题就上网查询，但是很少与社区互动，这其实是一个缺憾。这次参加R会，能够听到各位老师以及业界先锋从业者的讲座，真的是学到很多东西。
第一天
大会的第一个演讲者是张丹老师，张丹老师就目前大环境谈了R的地位以及在业界的应用，我深以为然。业界很多人拿R与Python做比较，甚至危言耸听，说R将被Python完全取代。但是讲座后在与老师的交流中，张丹老师给我打了一剂强心剂。R语言一直在科研界和工业界都具有不可取代的地位，它在探索性数据分析上具有非常强大的优势。我认为，R语言在将来也许会更多地走向探索性数据分析的上游，也就是最新统计方法和算法的实现，但是也不乏在下游的精湛之作。至少在金融商业领域，R语言的应用是广泛而深远的。
第二天
第二天的分会场中，我参加了与应用相关的分会场。其实我在浏览就业招聘信息的时候一直有留心，想知道R语言在工业界都有哪些应用场景。我自己来说，其实主要是把R语言运用到自己的科研工作中。我的数据从采集、预处理、清洗到可视化、统计建模、报告展示全部都是用R语言完成的，它简直就是我一站式的百宝箱，满足了我所有的需求。但是在工作岗位爬虫分析中，发现目前很多公司对R语言的企业级应用并不多（也可能是我个人圈子太窄），常有隐忧。但是这次参加了R语言应用的分论坛，我认为R语言在企业级应用中还是有非常大的潜力的。一个最有力的证据就是，SAP的数据架构师金江老师，给我们介绍了R语言如何无缝对接企业级的数据管理系统。我以前探索过R语言与Spark的对接，认为大有可为。没想到还有很多其他大的企业级系统提供了R语言的接口，而且发展极其迅速。此外，上午台北R-Ladies的运营人詹欣谕也介绍了如何利用shiny来做Web应用程序，这个应用可以得到微软Azure云平台的支持。
这次大会还有幸见到谢佳标老师，听他分享在使用Rmarkdown的经验，还介绍了谢益辉老师最新的工作，将会给我们带来更多便捷的工具和更加优秀的教程。此外，张杰老师也分享了他在数据可视化中的探索，看到他做的地铁与房价耦合分析的项目，感觉非常有意思，如果以后有条件真想结合这些工具和话题做一些有意思的东西。不听不知道，一听吓一跳，制药业的从业者姚树亮在利用R语言爬虫时也颇有心得，让人耳目一新。我自己也用过R语言做过一些爬虫的工作，但是很多问题都没有得到解决，这次终于遇到了知音，在会后与他交流并留了微信。R会真是个好地方，能够认识很多业界的大佬，促进更多的交流合作。
与张丹老师的合影
感受
学习R已经有五年的时间了，其实自己也有过迷茫的时候。有时候觉得究竟要学到什么程度才算可以呢？立志做一个全栈数据科学家，但是越学就越感觉R知识之海浩瀚无边，我也只能结合自己的需要，立足于实际的应用场景，不断拓展自己的知识储备和技术经验。张丹老师给我们指出了一个很好的方向。他的著作《R的极客理想》，是我所知道的唯一一本能够从中文翻译成英文推广到国外的R语言图书。我认为这是一个里程碑，是中国R语言在应用方面走向成熟的标志。我们通过阅读大量的中英文资料，学到了先进的R语言知识。我们通过在各行各业使用R的实践经验，经过分享，让各个R用户能够更好地完成手头的任务。R的开源思想，本身就鼓励大家分享代码，提高代码的可重用性，推崇让用户通过分享代码和实践经验，从而达到更大的进步。张老师积极地分享他在业界的经验，让大家在他的基础上（巨人肩膀上）继续探索自己的工作，这就是最原始而纯粹的R的开源精神。在未来，我也希望能够不断积累自己的学习和实践经验，然后通过我的代码和我的文字，分享给R的用户，让R社区更加活跃。希望中国的R语言中文社区，能够得到蓬勃的发展！
写在最后
看了文章，你是不是更加热爱R语言了！最后小编想说不管你能力如何，有这份热爱就已足够！未来，小编会继续为大家推送更优质更棒的R语言文章!
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法
