Einführung in R für Data Scientists

Beschreibung

Mit dem Fokus auf den Bereich Datenmanagement und Analyse vermittelt dieser Kurs die Grundlagen in R. Von der Installation, den wesentlichen Objekttypen und Programmiergrundlagen über einfache Analysen und Visualisierungen erhalten die Teilnehmenden in diesem Training alle Voraussetzungen um erste Anwendungen in R zu schreiben. In praxisnahen Beispielen und mit Hilfe von Beispieldaten werden die Inhalte theoretisch eingeleitet und vorgeführt. Kleine Übungen helfen, das Gelernte auszuprobieren und zu vertiefen.

Wer sollte teilnehmen?

R Interessierte mit und ohne Programmiererfahrung, Data Scientists, Datenanalysten, Statistiker, Mathematiker, Researcher.

Dieser Kurs richtet sich insbesondere an Personen, die noch keine Erfahrung in der Programmiersprache R gemacht haben, diese aber in Zukunft einsetzen wollen.

Lernziele

  • Kennenlernen der Grundkonzepte und der Philosophie von R
  • Die R-Syntax verstehen und anwenden
  • Datenmanagement in R
  • Ausführen einfacher Analysen
  • Erstellen von ersten Visualisierungen

Inhalte

  • Das Konzept und die Philosophie von R
  • Kennenlernen von R-Studio
  • Syntaktische Grundlagen: Funktionen, Operatoren, Schleifen, Kontrollstrukturen
  • Datentypen in R: Vektoren, Data-Frames, Matrizen, Arrays
  • Tidyverse – Eine Paketsammlung von R-Studio
  • Datenmanagement in R mit dem Fokus auf dplyr und den Pipe-Operator
  • Deskriptive Statistik und Aggregationen
  • Das R-Schema zur Anwendung von Algorithmen
  • Visualisierungen mit Base-Grafiken und ggplot2
  • Jupyter Notebooks als Reportingtool

Shortfacts

  • Empfohlene Dauer: 2-3 Tage
  • 2–10 Teilnehmer
  • Kurssprache: Deutsch oder Englisch
  • Preis: Der Tagessatz variiert zwischen Unternehmen und Forschhungseinrichtung. Nehmen Sie Kontakt auf!
  • Training am eigenen Laptop (Softwarevoraussetzungen und Installationsanleitung erhalten Sie im Vorfeld)

Inklusive

  • Teilnehmerzertifikat
  • Umfassende Schulungsunterlagen
  • Veranstaltungsevaluation + Report als PDF

Inhousetraining bei Data-Science-Architect

Prozess

  • Abstimmung der Inhalte
  • Terminfindung
  • Angebotserstellung
  • Online Evaluation der Teilnehmererwartung
  • Ankündigung mit Kursbeschreibung, Softwarevoraussetzung, Installationsanleitung, Timetable & optionaler Möglichkeit zur Vorbereitung
  • Bereitstellung der Kursmaterialien
  • Pro Tag 8×45 Min. Lerneinheiten
  • 30 Min. Open Space pro Tag im Anschluss an die Lerneinheiten
  • Verhältnis von Theorie, Praxis und Übungsphasen nach Absprache
  • Event Evaluation
  • PDF-Report mit Evaluations-Ergebnissen
  • Bereitstellung der im Training erstellten Materialien
  • Feedbackgespräch

Buchung

  • Der 3. Teilnehmer einer Anmeldung nimmt kostenfrei teil
  • Rechnungsstellung erfolgt nach der Veranstaltung