{brochure}: multipage {shiny} apps, now on CRAN

World crude oil stocks by @ellis2013nz

Việc xác định lượng dầu thô toàn cầu đang có sẵn rất khó khăn vì dữ liệu thường chỉ cung cấp mức độ tương đối thay vì số lượng cụ thể. Các báo cáo thường chỉ đề cập đến "ít hơn bất kỳ thời điểm nào kể từ XXXX" hoặc "giảm X triệu thùng trong...". Việc thiếu số liệu chính xác và thống nhất giữa các nguồn dữ liệu làm cho việc phân tích thị trường trở nên phức tạp. Các nhà phân tích như @ellis2013nz phải dựa vào nhiều nguồn dữ liệu khác nhau từ IEA, OPEC và EIA để có cái nhìn toàn diện. Điều này nhấn mạnh tầm quan trọng của việc hiểu rõ cách các dữ liệu thị trường năng lượng được thu thập và phân tích trong ngành công nghiệp petroleum.

Bài viết này giúp lập trình viên hiểu được cách xử lý và trích xuất thông tin phức tạp từ dữ liệu dầu mỏ toàn cầu.

pipeflow: v0.4.0 on CRAN

pipeflow phiên bản 0.4.0 vừa được phát hành trên CRAN với tính năng mới là Views cho phép lọc và làm việc với một tập con các bước pipeline mà không cần sao chép. Views sử dụng C++ để tăng hiệu suất và giảm phụ thuộc chỉ còn data.table và Rcpp, giảm latency đáng kể so với targets trong các phiên làm việc tương tác. Khi test với một pipeline 100 bước mỗi bước mất 5ms, pipeflow chạy nhanh hơn targets với khoảng 20-30ms đối với cùng kích thước. Tính năng mới khác bao gồm toán tử trích xuất kiểu data.table, phương pháp thu thập và nhóm output, và khả năng pipeline tự biến đổi tại runtime. Đây là công cụ hữu ích khi làm việc với Shiny app hoặc khi cần khám phá tương tác các tham số pipeline một nhanh chóng.

Bài giới thiệu package pipeflow phiên bản 0.4.0 trên CRAN giúp lập trình viên R hiểu cách xây dựng pipeline hiệu quả với tính năng views mới và cải thiện hiệu suất.

rOpenSci News Digest, September 2026

Bối cảnh: Tháng 9 năm 2026, rOpenSci phát bản tin tổng hoạt động hàng tháng. Nguyên nhân kỹ thuật: Cụ thể Yani và Mark của rOpenSci HQ tham dự sự kiện "Open Communities in the age of AI". Hệ quả: Sự kiện này tập trung vào tác động của AI đến các cộng đồng mã nguồn mở, một chủ đề nóng trong ngành công nghệ. Điều đáng học: Các nhà phát triển nên theo dõi bài gốc để có thông tin chi tiết về các dự án mới và công cụ mà rOpenSci đang phát triển trong lĩnh vực khoa học dữ liệu và AI.

Bài viết này cung cấp cập nhật mới nhất về hoạt động của rOpenSci, giúp lập trình viên theo kịp xu hướng phát triển công nghệ cộng đồng mở trong kỷ nguyên AI.

maestro 1.4.0 adds custom pipeline metrics

Maestro phiên bản 1.4.0 đã ra mắt với tính năng ghi lại các chỉ số pipeline tùy chỉnh. Trước đây hệ thống chỉ theo dõi thời gian thực thi và trạng thái thành công/thất bại, thiếu phương pháp để trả lời các câu hỏi như "có bao nhiêu dòng đã được xử lý". Giờ đây, người dùng có thể theo dõi các metric cụ thể như số lượng records processed, memory usage hay custom business logic metrics trong pipeline của mình. Tính năng này đặc biệt hữu ích cho việc monitoring và tối ưu hiệu suất pipeline trong production.

Bài viết này giúp bạn nắm cách sử dụng tính năng đo lường chỉ tùy chỉnh trong maestro 1.4.0 để theo dõi hiệu quả pipeline của mình.

A Trip from Covariance to Correlation and Back

Bài viết phân tích chuyển đổi giữa covariance matrix và correlation matrix trong xử lý dữ liệu đa biến, sử dụng dataset 'mtcars' làm ví dụ minh họa. Trong khi covariance matrix đo lường đồng biến giữa các biến với đơn vị tính tương ứng, correlation matrix chuẩn hóa về giá trị từ -1 đến 1 để so sánh mối quan hệ. Việc chuyển đổi giữa hai ma trận này giúp giải quyết vấn đề về quy mô đơn vị và mở rộng khả năng phân tích dữ liệu. Bài viết cung cấp công thức toán học cụ thể cho phép chuyển đổi và ứng dụng thực tế trong phân tích dữ liệu.

Bài viết này giúp lập trình viên hiểu mối quan hệ giữa covariance và correlation để phân tích dữ liệu đa chiều hiệu quả.

We chose React to learn it. The AI wrote it for us.

You can read the original post in its original format on Rtask website by ThinkR here: We chose React to learn it. The AI wrote it for us. Diary of a rewrite, episode 1 of 4. In February 2026 we chose React to rebuild an internal tool, knowing full well it would take twice as long as doing it in R. It was a deliberate trade: we were not buying an application, we were buying skills. In June, halfway through, with two milestones already delivered, we stopped everything This post is better presented on its original ThinkR website here: We chose React to learn it. The AI wrote it for us.

Goodbye R-Forge, hello Codeberg

After 20 years of service the R-Forge package hosting platform will be retiring soon. Codeberg is a modern alternative that shares many of the ideas and values that R-Forge was built on. A tutorial for transitioning to Codeberg (or other Git-...

O*NET ratings, job descriptions and classification codes as measures of occupational similarity

Bài nghiên cứu đánh giá các phương pháp đo lường sự tương đồng nghề nghiệp, tập trung vào ONET ratings, mô tả công việc và mã phân loại. Nghiên cứu sử dụng một small language model để so sánh ý nghĩa của các mô tả công việc và đo khoảng cách giữa các mã US Standard Occupational Classification (SOC). Kết quả cho thấy hai phương pháp thay thế này có thể hiệu quả khi không có dữ liệu ONET. Các lập trình viên có thể ứng dụng kỹ thuật xử lý ngôn ngữ tự nhiên và phân tích dữ liệu nghề nghiệp để phát triển các công cụ phân chuyển nghề nghiệp chính xác.

Bài này giúp lập trình viên hiểu cách sử dụng mô hình ngôn ngữ nhỏ và mã phân loại nghề nghiệp để đo lường tính tương đồng giữa các công việc khi không có dữ liệu O*NET.