R Schulungen & Inhouse Seminare

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.