30 שאלות ותשובות לראיון עבודה בשפת תכנות R

2. איך יוצרים וקטור ב-R? אנו יכולים ליצור וקטור בקלות באמצעות הפונקציה ()c, המאפשרת לנו לשלב מספר ערכים לוקטור אחד. למשל:

my_vector <- c(1, 2, 3, 4, 5)

בדוגמה זו יצרנו וקטור מספרי פשוט המכיל חמישה מספרים עוקבים. ניתן כמובן להשתמש בפונקציה זו גם עבור טקסט ונתונים מסוגים אחרים.

3. מהי מסגרת נתונים (data frame) ב-R וכיצד נשתמש בה? מסגרת נתונים היא כלי מרכזי ב-R המאפשר לנו לארגן מידע בצורה מובנית:

• דומה לטבלה בגיליון אלקטרוני
• מאפשרת לשלב סוגי נתונים שונים (מספרים, טקסט ועוד) באותה טבלה
• נוחה במיוחד לניתוח ועיבוד נתונים

כדי ליצור מסגרת נתונים, נשתמש בפקודה:

data_frame <- data.frame(
שם = c("דני", "רונית", "יעל"),
גיל = c(25, 30, 28),
עיר = c("תל אביב", "חיפה", "ירושלים")
)

4. כיצד נזהה ונטפל בערכים חסרים בנתונים שלנו? טיפול בערכים חסרים הוא חלק חשוב בניתוח נתונים. אנחנו יכולים:

• לזהות ערכים חסרים באמצעות ()is.na
• לספור כמה ערכים חסרים יש באמצעות ()sum(is.na
• לטפל בהם בדרכים שונות לפי הצורך

דוגמה מעשית:

# לבדיקת ערכים חסרים בעמודה מסוימת
חסרים_בעמודה <- is.na(data$column_name)

# לספירת סך הערכים החסרים בכל המסד
סך_חסרים <- sum(is.na(data))

5. מהם ההבדלים בין הפונקציות apply(), sapply(), ו-lapply()? כאשר אנחנו עובדים עם נתונים ב-R, נוכל להשתמש בשלוש פונקציות שימושיות אלו:

• apply():
  • משמשת לעבודה עם מטריצות ומסגרות נתונים
  • מאפשרת לנו להפעיל פונקציה על שורות או עמודות
  • שימושית במיוחד לחישובים סטטיסטיים על נתונים מאורגנים
• sapply():
  • מפשטת תוצאות לוקטור או מטריצה כשאפשר
  • מיועדת בעיקר לעבודה עם רשימות ווקטורים
  • נוחה כשרוצים תוצאה בפורמט קריא וקומפקטי
• lapply():
  • מחזירה תמיד רשימה כתוצאה
  • מפעילה פונקציה על כל אלמנט ברשימה
  • מצוינת לעיבוד נתונים שצריכים להישאר במבנה של רשימה

שאלות למועמדים בעלי ניסיון

6. כיצד נטפל במסדי נתונים גדולים ב-R? לעבודה יעילה עם מסדי נתונים גדולים, אנחנו ממליצים:

1. שימוש בחבילות מתקדמות:
   • data.table – לביצועים מהירים ושימוש יעיל בזיכרון
   • dplyr – לתחביר נוח ומובנה לעיבוד נתונים
2. טכניקות לחיסכון בזיכרון:
   • שימוש בחבילת bigmemory לנתונים גדולים במיוחד
   • אחסון נתונים בדיסק במקום ב-RAM
   • טעינה סלקטיבית של נתונים לפי הצורך

7. מה ההבדל בין פונקציות merge() ו-join() ב-R? בעבודה עם מסדי נתונים, יש לנו שתי אפשרויות מרכזיות לחיבור טבלאות:

• פונקציית merge():
  • פונקציה בסיסית ב-R
  • מאפשרת חיבור שתי מסגרות נתונים לפי עמודות משותפות
  • דומה לפעולות JOIN ב-SQL
• פונקציות join_ מחבילת dplyr:
  • גמישות יותר ואינטואיטיביות לשימוש
  • מהירות יותר מ-merge()
  • כוללות מספר סוגי חיבור:
    • inner_join() – חיבור פנימי
    • left_join() – חיבור שמאלי
    • right_join() – חיבור ימני
    • full_join() – חיבור מלא

8. מהי מטרת חבילת caret ב-R? חבילת caret (Classification And REgression Training) היא כלי רב-עוצמה ללמידת מכונה:

• יתרונות מרכזיים:
  • מספקת ממשק אחיד למודלים שונים
  • כוללת פונקציות לעיבוד מקדים של נתונים
  • מאפשרת אימון והערכת מודלים
  • כוללת כלים לכיוון פרמטרים
• שימושים נפוצים:
  • השוואה בין אלגוריתמים שונים
  • אופטימיזציה של מודלים
  • ולידציה צולבת
  • בחירת תכונות

9. מהו Random Forest וכיצד מיישמים אותו ב-R?

Random Forest הוא כלי רב-עוצמה בתחום הלמידה החישובית:

• הסבר בסיסי:
  • שיטת למידה המשלבת מספר עצי החלטה
  • משתמשת בממוצע התחזיות שלהם
  • מתאימה הן לסיווג והן לרגרסיה
• יישום ב-R:

# התקנת החבילה
install.packages("randomForest")
library(randomForest)

# יצירת מודל בסיסי
model <- randomForest(
תוצאה ~ משתנה1 + משתנה2,
data = training_data,
ntree = 500 # מספר העצים
)

10. כיצד נשפר את ביצועי הקוד ב-R? טיפים מעשיים לשיפור ביצועים:

• אופטימיזציה של קוד:
  • שימוש בפעולות וקטוריות במקום לולאות
  • שימוש בחבילות יעילות כמו data.table ו-dplyr
  • הימנעות מחישובים חוזרים
• טכניקות מתקדמות:
  • שימוש בחבילת compiler לקומפילציה של פונקציות
  • ניטור ביצועים עם Rprof()
  • שמירת תוצאות ביניים למשתנים
• דוגמה מעשית:

# לא יעיל
for(i in 1:length(x)) {
result[i] <- x[i] * 2
}

# יעיל יותר
result <- x * 2

שאלות מתקדמות בשפת R

11. כיצד נממש עיבוד מקבילי ב-R לשיפור מהירות החישובים?

• כלים לעיבוד מקבילי:

# התקנת החבילות הנדרשות
install.packages(c("parallel", "foreach", "doParallel"))

# שימוש בסיסי
library(parallel)
numCores <- detectCores() – 1 # משאיר ליבה אחת פנויה

• דוגמאות יישום:

# שימוש ב-mclapply (למערכות Unix)
result <- mclapply(data_list, analysis_function, mc.cores = numCores)

# שימוש ב-foreach
library(foreach)
library(doParallel)
registerDoParallel(numCores)

result <- foreach(i = 1:100) %dopar% {
# הקוד שירוץ במקביל
heavy_computation(i)
}

12. הסבירו את ההבדלים בין פונקציות ה-apply השונות:

• משפחת הפונקציות:
  • apply(): לעבודה עם מטריצות
  • sapply(): מפשטת תוצאות לווקטור
  • lapply(): מחזירה רשימה
  • vapply(): כמו sapply עם הגדרת סוג פלט
  • mapply(): להפעלת פונקציה על מספר וקטורים
• דוגמה השוואתית:

# נתונים לדוגמה
matrix_data <- matrix(1:9, 3, 3)
list_data <- list(a = 1:3, b = 4:6)

# הדגמת השימושים השונים
apply_result <- apply(matrix_data, 1, sum) # סכום לכל שורה
sapply_result <- sapply(list_data, mean) # ממוצע לכל אלמנט
lapply_result <- lapply(list_data, sqrt) # שורש ריבועי

13. מהו Bootstrapping וכיצד מיישמים אותו ב-R?

• מהות השיטה:
  • טכניקת דגימה חוזרת לאמידת התפלגות סטטיסטית
  • מאפשרת הערכת שגיאות תקן ורווחי סמך
  • שימושית במיוחד במדגמים קטנים
• יישום ב-R:

# התקנה וטעינת החבילה
install.packages("boot")
library(boot)

# פונקציה לדוגמה לחישוב ממוצע
boot_mean <- function(data, indices) {
return(mean(data[indices]))
}

# ביצוע הדגימה החוזרת
results <- boot(
data = my_data, # הנתונים שלנו
statistic = boot_mean, # הפונקציה שנריץ
R = 1000 # מספר החזרות
)

# חישוב רווח סמך
boot.ci(results, type = "basic")

14. כיצד מבצעים כיוון היפר-פרמטרים ב-R למודלים של למידת מכונה?

• שיטות מרכזיות:
  1. חיפוש רשת (Grid Search):

# שימוש בחבילת caret
train_control <- trainControl(
method = "cv", # ולידציה צולבת
number = 5 # מספר קיפולים
)

# הגדרת הפרמטרים לחיפוש
grid <- expand.grid(
mtry = c(2, 4, 6),
splitrule = c("gini", "entropy")
)

# אימון המודל
model <- train(
target ~ .,
data = training_data,
method = "rf",
trControl = train_control,
tuneGrid = grid
)

2. חיפוש אקראי (Random Search):