R Courses & Tutorials

R 课程和指南

R是专门为统计计算、数据分析和数据可视化设计的强大编程语言。在学术界、研究和数据科学中广泛使用，R提供丰富的统计库、高级绘图功能，以及与数据库和大数据工具的无缝集成。

探索所有 R

Claude Code：工作流与工具

Claude Code 是 Anthropic 的 AI 编程助手，通过自然对话、自动化和集成来简化开发流程。本课程从基础开始：安装、设置以及对话驱动开发的原理。学习者将学会管理上下文、引导交互，并与 Claude 作为编程伙伴协作。随后，学习者将探索高级功能，如自定义命令、子代理（sub-agents）和钩子（hooks）。他们将了解如何自动化任务、保障工作流安全，并通过 SDK 集成扩展 Claude Code 的能力。通过结构化对话并利用 Claude 的编排能力，他们可以在复杂项目中实现清晰与高效。最后，他们将聚焦于集成，将 Claude Code 与 MCP 服务器及 GitHub 连接，实现无缝协作与版本控制。课程以最佳实践收尾，帮助学习者为在真实环境中应用 Claude Code 做好准备，释放由 AI 驱动的工作流潜力，提升生产力、安全性与团队效率。

初级

Claude Everywhere：完整生态系统指南

Claude 提供了一套工具，当正确选择并有效组合使用时，效果最佳。本课程将带你完整体验 Claude 的各项功能，从核心的 Claude.ai 界面，到 Claude Desktop 的本地文件访问、Cowork 的自主任务执行，以及连接 Claude 与你现有工具的 MCP 连接。你将首先梳理整个生态系统：了解每个产品的作用、适用场景以及它们如何协同工作。接着深入学习 Claude.ai：对话、文件上传、Projects、Memory、Artifacts 和分析工具。然后，你将超越浏览器，使用 Claude Desktop 和 MCP，学习如何将多步骤任务委派给 Cowork。接下来，你将聚焦于提升所有 Claude 产品表现的提示模式，以及写作、研究、数据分析和会议等实用工作流程，并完成一个综合项目，帮助你设计一个针对自身角色的个性化 Claude 系统。课程结束时，你将构建出一套完整的以 Claude 为核心的 workflows。

初级

OpenAI 系统设计面试问题

本练习集深入探讨高性能工程团队偏好的系统设计模式。你将面对基于分布式架构、实时数据系统以及面向人工智能的基础设施设计挑战的练习。这些挑战旨在拓展你的思维边界，从大规模推理流量处理到构建全局一致的存储系统。你将学会权衡利弊，在约束条件下简化设计，并在真实技术环境中识别关键问题。目标是培养你在压力下设计系统所需的直觉与判断力。

10h

初级

使用 OpenAI Codex 实现智能编程

OpenAI Codex 是一个编码代理，能够读取代码仓库、遵循项目说明、运行命令，并在受控环境中完成软件任务。它对希望超越代码建议、采用更智能的工作流来构建、测试和审查软件的开发者非常有用。在本课程中，你将探索 Codex 的工作原理，以及如何配置 CLI 和 IDE 扩展以实现实际应用。你将学习如何编写有效的 AGENTS.md 文件，并使用 Skills、Automations 和 MCP 服务器，通过可复用的工作流和外部工具扩展 Codex。随后，你将通过一系列结构化任务，在一个项目中应用这些概念：构建一个基于 Flask 的像素画布应用程序，包括应用框架搭建、绘图与保存功能、画廊页面以及 PNG 导出功能。课程结束时，你将能够设置可靠的 Codex 工作流，自信地委派多步骤开发任务，并将 Codex 连接到外部工具和服务。本课程还涵盖如何在基于 GitHub 的工作流中使用 Codex，以更高效地构建和部署软件。

初级

LLMOps：构建可投入生产的 LLM 系统

LLMOps 是在生产流量、成本限制以及安全威胁的背景下，确保 LLM 应用可靠运行的实践。在本课程中，你将通过从零开始构建并运营一个应用，同时考虑生产环境的约束，学习 LLMOps。你将从传统机器学习向基础模型的转变开始，了解推动 LLMOps 出现的约束条件：随机输出、高昂的推理成本，以及新的运维产物如提示词和向量索引。你将应用 4D LLMOps 生命周期，定义质量门禁，防止项目在概念验证阶段停滞不前。你将实现一个参考 RAG 架构，并使用黄金数据集验证检索效果。接着，你将对提示词进行版本管理，强制结构化输出，并引入基于 LLM-as-a-judge 模式的自动化评估和回归测试。最后，你将通过安全与合规控制、容器化部署，以及反馈回路，为生产环境做好准备，确保应用上线后质量持续提升。

高级

LLM 评估：规模化构建可靠的 AI 系统

本课程提供了一条构建可靠、可投入生产的 LLM 系统的路线图，通过严格的评估实现。你将从学习系统化评估的重要性开始，并掌握如何使用 traces 和错误分析来理解模型行为。你将通过捕获真实失败案例并为边缘情况生成合成数据，建立一个评估工作流。你将避免诸如误导性的相似度指标等陷阱，并了解为何简单的二元评估通常优于复杂的数值量表。你还将学习架构最佳实践，包括提示（prompts）的位置安排，以及如何将防护机制（guardrails）与评估器分离。接下来，你将在生产环境中评估复杂系统：对多轮对话进行评分、验证代理工作流，并诊断常见的 RAG 失败模式。你还将了解 LangSmith 等工具的内部运作原理，包括它们测量的内容以及分数的计算方式。课程结束时，你将把评估集成到开发流程中，通过 CI 检查和回归测试，确保随着使用量和复杂性的增长，AI 系统依然稳定。

中级

使用 OpenAI 构建：从 API 到代理

在这个实践课程中，你将学习如何利用 OpenAI 的平台开发智能且面向现实世界的应用程序。你将从探索人工智能开发的演进开始，通过实际编码体验 OpenAI 的 API，为创意实验和实际问题解决打下坚实基础。接下来，你将深入了解 OpenAI 在文本、音频、图像和嵌入（embeddings）方面的核心能力。你将学习构建对话系统，使用网络搜索和函数调用，处理多媒体输入，并评估模型性能。在此过程中，你将获得连接模型与真实工作流程所需的技能熟练度。最后，你将学习如何构建并部署代理型 AI 系统。你将创建自主代理，使用 Agent Builder 可视化设计工作流，集成 ChatKit 实现用户界面，并实现安全性和监控功能。课程结束时，你将具备开发和交付可靠、生产级 AI 应用的能力。

初级

使用 Puppeteer 进行网页抓取

Puppeteer 是一个用于自动化网页浏览器并从网站提取数据的 Node.js 库。在本课程中，你将学习如何充分发挥 Puppeteer 的潜力，高效且有效地从网络上抓取数据。你将从网页抓取的基础知识开始，了解其基本概念和应用场景。接着，你将深入学习 Puppeteer 的核心内容，包括环境搭建、网页导航以及使用选择器进行数据提取。高级主题如处理分页、滚动加载以及动态网站的身份验证也将被探讨。你还将学习如何将抓取的数据存储为多种格式，包括 JSON 和 CSV，并掌握网页抓取的最佳实践。最后，你将探索网页抓取的未来发展方向。完成本课程后，你将能够运用所学的网页抓取技能，为分析、研究或自动化目的收集数据，从而在职业生涯中开拓新的机遇。

初级

常见问题

R专门为统计和数据分析而设计，为每种可以想象的统计方法提供数千个专业包。它在使用ggplot2进行数据可视化方面表现出色，处理复杂的统计建模，并与Hadoop和Spark等数据库和大数据工具很好地集成。

两者都是极好的选择。R在统计分析、学术研究和数据可视化方面更优秀，而Python在通用编程、机器学习和生产系统方面更好。许多数据科学家根据项目要求使用两种语言。

R的学习曲线适中，特别是对于没有编程经验的人。然而，它的语法设计得接近统计符号，使统计学家和研究人员感到直观。通过专门的练习和良好的资源，初学者可以在几个月内熟练使用R。