R-Schulungen

Maßgeschneiderte R-Schulungen

  • Alle Seminare als Video-Schulung / Webinar möglich
  • Praxisbeispiele zu Ihren Fragestellungen, nach Absprache speziell für Ihre Anwendungsfälle vorbereitet
  • Ihr Wunschtermin, gern bei Ihnen vor Ort
  • Inhalte / Module frei vereinbar
  • Unbürokratische Unterstützung zwischen Schulungsterminen möglich
  • Alle Seminare auf Wunsch auf Englisch
  • Gern erstelle ich ein individuelles Angebot!

Workshops mit festen Terminen beim it Trainingshaus Dresden:

Andere Standorte / Termine auf Anfrage: IT-Schulungen.com

Selbstverständnis:

„Dank mehrjähriger Seminarerfahrung kann ich mich auf unterschiedliche Hintergründe und Vorkenntnisse einstellen – bei Präsenzseminaren ebenso wie in Webinaren. Mein Ziel ist, dass Sie ebenso viel Freude bei der R-Anwendung erleben wie ich.“

  • Boxplots mit zusätzlicher Darstellung der einzelnen Datenpunkte
  • Gruppierte Streudiagramme (Scatterplots) mit Regressionsgerade und Konfidenzbändern
  • Gruppierte Streudiagramme (Scatterplots) mit nichtlinearer Anpassungskurve (loess) und Konfidenzbändern
  • Regressionsmodell: 3D-Darstellung, Ebene im Raum statt Regressionsgerade; im HTML-Format interaktiv möglich (Mouse-Over-Effekte, drehen und zoomen)
  • Umfasst 23 Kurse: von Grundlagen über Datenimport, Datenaufbereitung über Programmierung und Visualisierung bis zu Statistik und Machine Learning (Supervised und Unsupervised) sowie Text Mining und Berichtslegung
  • Gruppierte Histogramme, gefärbt nach weiterem Merkmal (hier Geschlecht)
  • Streudiagramm (Scatterplot) mit zwei Anpassungsgeraden; Punkte stellen nach Farbe und Form weitere Merkmale dar
  • Entscheidungsbaum (Decision Tree) zum Untergang der Titanic: Wurden Frauen und Kinder zuerst gerettet? Liefert auch für statistische Laien leicht verständliche Ergebnisse
  • Säulendiagramme (links) werden häufig für Mittelwertsunterschiede eingesetzt. Informativer sind Punktdiagramme (rechts). Vgl. Säulendiagramm vs. Punktdiagramm – irreführend vs. informativ?.
  • Heatmap statt Mittelwertstabelle (je dunkler, desto besser); als HTML mit Javascript interaktiv (Infos durch Mouse-Over): siehe Interaktive Heatmap (HTML mit Javascript)
  • Korrelationen: Kombination aus Diagramm und Korrelationskoeffizienten; R-Paket "corrplot"
  • Silhouettenplot zur Dresdner Stadtteil-Typologie mit 6 Clustern (kmeans)
  • Typologie Dresdner Stadtteile.
    Methode: kmeans-Clusteranalyse mit 7 Merkmalen (Base R)
  • Bevölkerungsentwicklung Dresden 1830 bis 2013 nach Geschlecht (Base R)
  • Treemap (Baumkarte): Anstieg der US-Schulden nach Präsidenten; die Jahre beziehen sich nicht auf die Amtszeit, sondern die Budgetverantwortung; R-Paket "treemap"

Beispiele für Seminare und Module:

Einführung in R / RStudio

  • Benutzeroberfläche, Konsole, Skriptfenster, Umgebung (Environment)
  • Datentypen, Objekte, Verknüpfungen, logische Operatoren
  • Arbeiten mit Datensätzen, Datenimport und -export mit verschiedenen Dateiformaten (.csv, .txt, .xlsx, andere Statistikpakete wie SPSS, SAS, Stata; optional XML), Datenaufbereitung, Umgang mit Fehlwerten etc.
  • Einfache Datenanalysen
  • Einführung in Visualisierungen mit R (kurz zu Base R; ggplot2)
  • Empfehlungen zu sinnvollen R-Paketen, insbesondere aus dem tidyverse:
    Einführung in dplyr und piping %>% für besser lesbaren Code
  • Einführung in Berichtserstellung mit R Markdown
  • Empfohlene Seminardauer: 2 Tage;
    nach Absprache kombinierbar mit einer Vertiefung der Visualisierungen, der Berichtserstellung oder anderen Themen / Modulen
  • Empfohlene Seminardauer: 2 Tage
  • Mehr zu diesem Workshop
  • Umfasst 23 Kurse: von Grundlagen über Datenimport, Datenaufbereitung über Programmierung und Visualisierung bis zu Statistik und Machine Learning (Supervised und Unsupervised) sowie Text Mining und Berichtslegung
  • Skill Track: Machine Learning with R. Supervised Learning: Regression und Classification; Unsupervised Learning; Machine Learning Toolbox
  • Skill Track: Shiny Fundamentals. Umfasst 3 Kurse: Building Web Applications in R with Shiny: Case Studies; Building Dashboards with shinydashboard; Building Dashboards with flexdashboards
  • Skill Track Big Data with R umfasst folgende Kurse: Writing Efficient R Code, Visualizing Big Data with Trelliscope, Scalable Data Processing, Introduction to Spark with sparklyr, Parallel Programming in R
  • Der "Career Track" umfasst 10 Kurse: Introduction, Intermediate, Intermediate Practice, Importing (2), Cleaning Data, Cleaning (Case Studies), String Manipulation, Writing Functions, Object-Oriented Programming (S3, R6)
  • Career Track: Data Analyst; umfasst 16 Kurse, u. a. Datenimport, Datenaufbereitung (dplyr), Explorative Datenanalyse, Visualisierungen (ggplot2), Statistik, Berichtslegung (RMarkdown)
  • Skill Track: Tidyverse Fundamentals. Umfasst 5 R-Kurse zum tidyverse.
  • Skill Track Data Visualization with R: Enthält 5 Kurse: Drei ggplot2-Kurse, einen Kurs zu Visualisierungen mit Base R und einen zu lattice
  • Statistik mit R umfasst vier Kurse: Introduction to Data, Exploratory Data Analysis, Correlation and Regression, Multiple and Logistic Regression
  • Der "Skill Track" Data manipulation with Rbesteht aus vier Kursen: Data Manipulation in R with dplyr, Exploratory Data Analysis in R: Case Study, Joining Data in R with dplyr sowie Data Analysis in R, the data.table way
  • Skill Track: Importing & Cleaning Data. Umfasst 4 Kurse: Importing Data in R, Teil 1 und 2, Cleaning Data in R, sowie Case Studies.

R-Programmierung für Fortgeschrittene

Schwerpunkte:

  • Funktionales Programmieren
  • Fehlerbehebung: Debugging in RStudio
  • Effizient programmieren in R
    • Code-Laufzeiten messen
    • R-Code optimieren
    • Mehrere Prozessorkerne / Arbeiter parallelisieren
  • Eigene R-Pakete erstellen in RStudio
    Moderne Hilfspakete nutzen, die die Paketerstellung unterstützen (devtools, usethis, testthat)
  • Optional: Einführung in objektorientiertes Programmieren mit R (S3-Klassen)
    Programmierbeispiel mit benutzerdefinierter Print-Methode
  • Optional: R und externe Datenquellen
    Excel-Daten laden; Excel-Mappen aus R heraus bearbeiten; ungünstig formatierte Excel-Tabellen als R-Datensätze importieren
    Datenbankanbindung mit R: Strategien, Techniken, R-Pakete;
    Visualisierung von Daten in einer Datenbank: dbplot

Empfohlene Seminardauer: 3 Tage

Mehr zu diesem Workshop

Eigene R-Pakete erstellen

R-Pakete bieten eine elegante Möglichkeit, R-Code zu organisieren, zu dokumentieren, über mehrere Projekte hinweg ohne Copy & Paste zu verwenden und die Weiterentwicklung sowie die Nutzbarkeit für Kollegen zu erleichtern.

  • Ein erstes Paket in fünf Minuten
  • Eigene Funktionen erstellen, ins Paket integrieren und dokumentieren
    Hilfe zu Funktionen erstellen
    DESCRIPTION und NAMESPACE verwalten
    Unterschiede zwischen dem Arbeiten mit R-Skripten und der Paket-Erstellung
    Vignetten erstellen
  • Daten in Pakete integrieren und dokumentieren
  • Checks und Tests
  • Hinweise zur Verteilung / Veröffentlichung von R-Paketen

Empfohlene Seminardauer: 1 Tag

Mehr zu diesem Workshop

Datenvisualisierung mit R und ggplot2

  • Kurze Einführung in die „Grammar of Graphics“, die „Grammatik der grafischen Darstellung“
  • Die drei Basisschichten: Daten, Ästhetiken, Geometrien
  • Schnelle Diagramme mit qplot
  • Die Syntax von ggplot2 – Diagrammbeispiele
  • Einführung in tidy data (Datenformat für ggplot2)
  • Diagramme für Untergruppen
  • Statistische Transformationen, z. B. Trendlinien
  • Koordinatensysteme
  • Ausblick: Themes, benutzerdefinierte Anpassungen; Einführung in Diagramme für webbasierte Berichte: HTML mit Mouse-Over-Effekten; Animationen
  • Überblick zu empfohlenen Erweiterungspaketen

Empfohlene Seminardauer: 1 Tag

Mehr zu diesem Workshop

Neu: Ergebnisse berichten mit R – Reproduzierbare Workflows dank Markdown

Mit R Markdown lassen sich wiederkehrende Berichte voll automatisieren – das spart wertvolle Zeit und hilft, Copy & Paste-Fehler zu vermeiden.

  • Grundlagen der Reproduzierbarkeit von Datenanalysen mit R
  • Einführung in das Markdown-Format
  • Ausgabe-Formate: Automatisierte Berichte
    • Word, PDF
    • Präsentationsformate: Mehr als Powerpoint
    • HTML-Berichte: Interaktive Elemente
  • Grafiken, Tabellen, Daten darstellen
  • Flexibilität mit parametrisierten Berichten
    • Unterschiedliche Berichte aus der gleichen Berichtsvorlage (z. B. für verschiedene Teilgruppen / Empfänger)
  • Weitere Markdown-Formate
    • Bücher, Blogs, Dashboards mit R
  • Ausblick auf weiterführende Themen
    • Paket-Empfehlungen für spezielle Berichtsanforderungen
    • Andere Sprachen als R einsetzen
    • Shiny-Apps in Markdown einbetten 

Empfohlene Seminardauer: 1 Tag

Mehr zu diesem Workshop

Weitere Seminare / Module auf Anfrage – ich freue mich auf Ihre Nachricht!

Empfehlenswerte Ressourcen

Einführung in R

Statistik und Datenanalyse mit R

Fortgeschrittene Themen

Hinweispflicht zu Cookies

Webseitenbetreiber müssen, um Ihre Webseiten DSGVO konform zu publizieren, ihre Besucher auf die Verwendung von Cookies hinweisen und darüber informieren, dass bei weiterem Besuch der Webseite von der Einwilligung des Nutzers in die Verwendung von Cookies ausgegangen wird.

Der eingeblendete Hinweis Banner dient dieser Informationspflicht.

Sie können das Setzen von Cookies in Ihren Browser Einstellungen allgemein oder für bestimmte Webseiten verhindern. Eine Anleitung zum Blockieren von Cookies finden Sie hier.

Wir benutzen Cookies um die Nutzerfreundlichkeit der Webseite zu verbessen. Durch Deinen Besuch stimmst Du dem zu.
Die mobile Version verlassen