## 什么是R？
### 简介
R语言支持多种统计学方法（如回归分析、时间序列）、机器学习算法（随机森林、支持向量机）及数据可视化（ggplot2包）。常见应用场景包括商业智能分析、科研数据分析、金融风控建模等。
### 职业方向
初级数据分析师 -> 中级数据科学家 -> 高级数据科学专家/算法团队负责人；或转向垂直领域如生物统计学家、量化分析师等
### 核心技能
R语言基础语法,dplyr数据处理,ggplot2可视化,统计建模(lmglm),机器学习(caret包),Shiny仪表盘开发,与SQLPython交互能力
### 相关技能
[Python数据分析(pandas)](https://s.niuqizp.com/s_campus_Python%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%28pandas%29/?ur=article)， [SQL数据库](https://s.niuqizp.com/s_campus_SQL%E6%95%B0%E6%8D%AE%E5%BA%93/?ur=article)， [机器学习框架(TensorFlowPyTorch)](https://s.niuqizp.com/s_campus_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A1%86%E6%9E%B6%28TensorFlowPyTorch%29/?ur=article)， [数据可视化(Tableau)](https://s.niuqizp.com/s_campus_%E6%95%B0%E6%8D%AE%E5%8F%AF%E8%A7%86%E5%8C%96%28Tableau%29/?ur=article)， [统计学理论](https://s.niuqizp.com/s_campus_%E7%BB%9F%E8%AE%A1%E5%AD%A6%E7%90%86%E8%AE%BA/?ur=article)， [云计算平台(AWSSageMaker)](https://s.niuqizp.com/s_campus_%E4%BA%91%E8%AE%A1%E7%AE%97%E5%B9%B3%E5%8F%B0%28AWSSageMaker%29/?ur=article)
### 相关专业
[统计学](https://s.niuqizp.com/s_campus_统计学/?ur=article)， [数据科学](https://s.niuqizp.com/s_campus_数据科学/?ur=article)， [计算机科学](https://s.niuqizp.com/s_campus_计算机科学/?ur=article)， [生物信息学](https://s.niuqizp.com/s_campus_生物信息学/?ur=article)， [金融工程](https://s.niuqizp.com/s_campus_金融工程/?ur=article)， [社会科学（需数据分析方向）](https://s.niuqizp.com/s_campus_社会科学（需数据分析方向）/?ur=article)
### 相关证书
[RStudio认证专家](https://s.niuqizp.com/s_campus_RStudio认证专家/?ur=article)， [Coursera数据科学专项认证](https://s.niuqizp.com/s_campus_Coursera数据科学专项认证/?ur=article)， [统计学AP考试](https://s.niuqizp.com/s_campus_统计学AP考试/?ur=article)， [SAS认证分析师（部分场景替代）](https://s.niuqizp.com/s_campus_SAS认证分析师（部分场景替代）/?ur=article)
### 相关岗位
[数据分析师](https://s.niuqizp.com/s_campus_数据分析师/?ur=article)， [ 数据科学家](https://s.niuqizp.com/s_campus_ 数据科学家/?ur=article)， [ 统计建模师](https://s.niuqizp.com/s_campus_ 统计建模师/?ur=article)， [ 生物信息分析师](https://s.niuqizp.com/s_campus_ 生物信息分析师/?ur=article)， [ 量化研究员](https://s.niuqizp.com/s_campus_ 量化研究员/?ur=article)， [ 机器学习工程师](https://s.niuqizp.com/s_campus_ 机器学习工程师/?ur=article)
### 求职建议
应届生建议：1）通过Kaggle或天池竞赛积累实战项目 2）掌握tidyverse系列包的工程化思维 3）构建包含数据清洗-建模-可视化的完整作品集 4）关注R在目标行业（如医药/金融）的垂直应用案例 5）学习基础统计学理论以支撑模型解释
