会场介绍 | 第15届中国 R 会（北京）——软件工具专场（二）

张敬信，博士毕业于哈尔滨工业大学基础数学，现为哈尔滨商业大学数学与应用数学系主任、副教授、应用统计硕导、数学建模主教练；主讲课程：高等数学、实变函数、数学建模、R语言、数据挖掘等。发表SCI论文4篇，主持黑龙江省哲学社科项目1项，省教育厅科技项目1项，参加国家自然科学基金项目2项；出版《R语言编程：基于tidyverse》（人民邮电）、《数学建模：算法与编程实现》（机械工业）。常驻知乎平台，关注7.6万。

mlr3verse是最新、最先进的 R 机器学习框架，它基于 R6 面向对象语法和 data.table 数据底层，支持搭建"图"流学习器，理念非常先进、功能非常强大。本报告将围绕语法基础、图学习器、集成学习、特征工程、嵌套重抽样、超参数调参、特征选择、模型解释梳理用mlr3verse做机器学习的核心工作流程。

黄天元，中国科学院文献情报中心特别研究助理，复旦大学理学博士，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，在CRAN维护有tidyfst、tidyft和akc三个R包，著有《R语言数据高效处理指南》、《文本数据挖掘——基于R语言》。知乎专栏：R语言数据挖掘。

dplyr和data.table是R开源社区优秀的数据操作包，两者可以完成很多类似的数据处理（如筛选、排序、分组汇总等），但是又有不同的特点。dplyr的函数组织形式更加用户友好，而data.table则具有令人惊艳的计算性能。关于如何结合两者之间的特色构造更好的数据操作工具，R社区有很多尝试，而tidyfst包就是其中之一。本报告分享了tidyfst包在开发过程的整个历程，并介绍tidyfst包作为高性能数据操作工具在使用上的便捷性。

Yujie Zhao (赵妤婕), Ph.D. is a statistician from Merck. Yujie works on the methodology research in clinical trials with a focus on group sequential designs. She also works with a group of statisticians and programmers to demonstrate the capability of using R for data analysis in clinical trials. Yujie has published 5+ first-author papers on statistical computations, statistical process control, and tensor decomposition. Before joining Merck, she earned a Ph.D. degree in Industrial Engineering at Georgia Tech in 2021.

In clinical trials, there is a growing trend to get reproducible analysis and & reporting. In this presentation, we will present an end-to-end automation framework to construct clinical datasets into metadata. Additionally, we will demonstrate the generation of analysis reports by metadata. A nice feature of this metadata approach is its automation. For example, users can update the analysis by simply updating operations and all deliverables can be automatically updated based on upstream metadata changes. The work is available at https://github.com/Merck/metalite and https://github.com/Merck/metalite.ae.

张丹， R语言实践者，北京青萌数海科技有限公司CTO，微软MVP。10年以上互联网应用架构经验，在R、大数据、数据分析等方面有深厚的积累。精通量化投资交易策略，熟悉中国金融二级市场、交易规则和投研体系。熟悉数据学科方法论，在海关、外汇等监管科技领域均有落地项目。著有《R的极客理想：量化投资篇》、《R的极客理想：工具篇》、《R的极客理想：高级开发篇》，英文版图书被CRC出版集团引进，在美国发行。个人博客：http://fens.me 。

新冠疫情几次变异，极大地影响着我们的正常生活和工作。特别是2022年2月以来的Delta变异株感染，在上海和北京这种人口超大型城市中，有着超强的传染力。在流行病学领域，有几种不同传染病的传播模型，可以模拟病毒的传播过程。本次分享将使用R语言，来给大家演示病毒传播的过程。了解了病毒传播的逻辑，能让我们更加坚定战胜病毒的决心。本次分享的传染病模型，涉及到2个包 EpiModel（数学模型），nCov2019（下载数据和可视化）。

古杰娜，目前在麦肯锡咨询公司担任软件架构师，活跃于开源社区，热衷于用业余时间开发开源软件包。个人网站：https://www.jienamclellan.com/

本报告将介绍近期开发的 dataMojo R 包（https://github.com/jienagu/dataMojo）以及用其开发的语法简洁且高效数据分析应用（https://github.com/jienagu/demo_mojo_app）。dataMojo R 包是基于 data.table 为框架的数据分析扩展包，能够覆盖很多数据处理工作中的场景。本报告将通过一系列实例展示此 R 包的独特优势。