R Schulungen & Inhouse Seminare
R ist eine leistungsstarke und vielseitige Programmiersprache sowie Umgebung, die vorrangig in den Bereichen Datenanalyse, Statistik und maschinelles Lernen eingesetzt wird. Mit R lassen sich komplexe Daten visualisieren, statistische Analysen durchführen und Vorhersagemodelle erstellen.
Offene Kurse - an vielen Standorten und Online
In unseren offenen Kursen profitieren Sie vom Wissen erfahrener Trainer und dem Austausch mit anderen Teilnehmenden. Unsere Kurse finden regelmäßig in unseren Schulungszentren in Nürnberg, Hamburg, München, Berlin, Köln und an weiteren 20 Standorten sowie online im Virtual Classroom statt.
Inhouse-Schulungen, Firmenseminare und Workshops
Unsere Experten besprechen im Vorfeld unverbindlich und kostenfrei maßgeschneiderte Inhalte und Anforderungen mit Ihnen.
Unsere Seminare zu R:
Einführung in Programmiersprache R
Datenvisualisierung
Sie haben das passende Seminar nicht gefunden? Dann fragen Sie uns unverbindlich an.
R lernen: Wissenswertes für Einsteiger und Fortgeschrittene!
Grundlagen von R:
- Basisdatentypen: Vektor, Matrix, Datenframe, Liste.
- Kontrollstrukturen: if-else, for, while, repeat, switch.
- Funktionen: Definition, Anwendung und Scoping-Regeln.
RStudio:
- Eine integrierte Entwicklungsumgebung (IDE) für R, die die Entwicklung und Analyse erleichtert.
Datenimport und -export:
- Lesen und Schreiben von Daten aus/in CSV, Excel, Datenbanken und andere Formate.
Datenmanipulation:
- Grundlegende Operationen: Filtern, Sortieren, Umbenennen, Zusammenführen.
- Pakete wie dplyr, tidyr, und data.table für fortschrittliche Datenmanipulation.
Statistische Analyse:
- Beschreibende Statistik: Mittelwert, Median, Varianz, usw.
- Inferenzstatistik: t-Tests, Chi-Quadrat-Tests, ANOVA, Regression.
- Wahrscheinlichkeitsverteilungen und statistische Tests.
Grafische Darstellung von Daten:
- Basisgrafiken in R: plot(), hist(), boxplot(), usw.
- Das ggplot2-Paket für fortgeschrittene und ästhetische Grafiken.
Programmierung in R:
- Erstellen eigener Funktionen und Skripte.
- Fehlerbehandlung und Debugging.
Datenbereinigung:
- Erkennen und Behandeln von fehlenden Daten.
- Outlier-Erkennung und -Behandlung.
- Verwenden von Paketen wie tidyr und lubridate für spezifische Aufgaben.
Berichterstellung:
- Basis-R-Markdown, um Berichte zu erstellen.
- Verwenden von shiny für interaktive Webanwendungen.
Zeitreihenanalyse:
- Pakete wie xts, zoo und forecast.
Maschinelles Lernen:
- Verwendung von Paketen wie caret, randomForest, und xgboost.
- Verstehen der Grundlagen von Supervised und Unsupervised Learning.
Paketentwicklung:
- Erstellen und Teilen eigener R-Pakete.
Effizienz und Performance:
- Profiling und Optimierung von R-Code.
- Parallelisierung und Verwendung von größeren Datenmengen.
Integration mit anderen Sprachen:
- Aufrufen von C/C++ oder Python aus R, wenn erforderlich.
Nachricht senden
Sie haben in Ihrem Browser Javascript deaktiviert! Bitte aktivieren Sie Javascript um eine korrekte Darstellung und Funktionsweise von IT-Schulungen zu gewährleisten.