Einführung in Data Science mit R (REX)

In die­sem Trai­ning wer­den die Grund­la­gen der Nut­zung der Pro­gram­mier­spra­che R für die Daten­ana­ly­se ver­mit­telt. Hier­bei wird Wert auf neu­ar­ti­ge Pake­te (beson­ders die Paket­samm­lung tidy­ver­se) gelegt, die die Arbeit mit R schnel­ler und kom­for­ta­bler gestal­ten.

Der Kurs beginnt mit der Instal­la­ti­on von R und RStu­dio (einem IDE für R) und einer Ein­füh­rung in deren Nut­zung. Anschlie­ßend wer­den sys­te­ma­tisch die Syn­tax von R erklärt und die Nut­zung ver­schie­de­ner Pake­te aus dem “Tidy­ver­se” ver­mit­telt. Zusätz­lich wer­den ein­fa­che sta­tis­ti­sche Ver­fah­ren und deren Anwen­dung in R erläu­tert. Abschlie­ßend wird ein Aus­blick über die Nut­zung von R für die Erstel­lung von Dash­boards (shi­ny) oder von Reports (mark­down) gege­ben.

Die­ser Kurs rich­tet sich an Anwen­der, die R im Rah­men der Daten­ana­ly­se anwen­den möch­ten und kei­ne oder wenig Erfah­rung mit R mit­brin­gen, oder an sol­che, deren Erfah­rung mit R wei­ter zurück­liegt und die die neu­en Pake­te und Fea­tures der letz­ten sie­ben Jah­re ken­nen­ler­nen möch­ten.

Inhal­te

• • Instal­la­ti­on von R und RStu­dio als IDE
  • Ein­füh­rung in die Fea­tures und Nut­zung von RStu­dio
  • Grund­la­gen der Syn­tax von R (Base)
  • Pro­blem­lö­sung durch Hil­fe­funk­tio­nen und Suche im Inter­net
  • Ein­füh­rung in den Data Science Work Flow mit dem Paket tidy­ver­se:
    • Daten­ma­nage­ment und Daten­be­rei­ni­gung mit readr, tibb­le, tidyr
    • Daten­ma­ni­pu­la­ti­on mit dplyr
    • Gra­fi­sche Daten­ex­plo­ra­ti­on mit ggplot2 (u.A., His­to­gramm, Lini­en­plot, Scat­ter­plot, Box-Plot)
    • Anpas­sung von Plots und Mehr­fach­plots mit ggplot2
  • Ein­fa­che Ana­ly­ti­sche Ver­fah­ren (linea­re Regres­si­on, Student’s T-Test, ANOVA)
  • Aus­blick: Dash­boar­ding (shi­ny) und Report­ing (mark­down)

Typ
R ist eine freie Pro­gram­mier­spra­che, die im Bereich Sta­tis­tik, Gra­fik­erstel­lung und Data Mining ange­wandt und geschätzt wird.
Unse­re R Kur­se sind inter­ak­tiv gestal­tet, um den Teil­neh­mern die Mög­lich­keit zu geben, die ver­mit­tel­ten Metho­den direkt aus­zu­pro­bie­ren. Jeder Abschnitt wird zudem durch eine Rei­he von Übun­gen abge­schlos­sen, um das Gelern­te zu ver­tie­fen. In unse­rem Schu­lungs­zen­trum in Ham­burg steht für jeden Teil­neh­mer ein Schu­lungs-PC zur Lösung der Auf­ga­ben zur Ver­fü­gung.
Der Kurs­fort­schritt ist kom­plett doku­men­tiert, so dass kei­ne Mit­schrif­ten erfor­der­lich sind und die Kurs­teil­neh­mer sich auf die akti­ve Nut­zung von R kon­zen­trie­ren kön­nen.

Stich­wor­te
Argu­men­te, Ästhe­tik, Aus­wahl von Beob­ach­tun­gen, Aus­wahl von Varia­blen, Bal­ken­dia­gramm, base, Base Plots, Box­plot, Data Frames, Data Wrang­ling, Daten ein­le­sen, Daten expor­tie­ren, Daten­sät­ze, Datums­for­ma­te, dplyr, Ein­zel­wer­te, Ent­sta­peln, Erstel­len von Varia­blen, Facet­ten, Feh­len­de Wer­te, Fließ­kom­ma­zah­len, Funk­tio­nen, ggplot2, His­to­gramm, Kon­so­le, Linea­re Model­le, Lini­en­plot, lubrida­te, Objek­te, Ope­ra­to­ren, Pake­te, Pipe Ope­ra­tor, Qua­dra­ti­sche Model­le, R Instal­la­ti­on, R Skript, readr, RStu­dio Inter­face, Scat­ter­plot, Sor­tie­ren der Zei­len, Spal­ten tren­nen, Spal­ten zusam­men­füh­ren, Sta­peln, Syn­tax, Ter­mi­nal, tibb­le, tidyr, tidy­ver­se, Vek­to­ren, Working Direc­to­ry, Zusam­men­fas­sung meh­re­rer Wer­te

Vorraus­set­zun­gen
Für die­ses Trai­ning sind kei­ne Vor­kennt­nis­se erfor­der­lich.