Maßgeschneiderte R-Schulungen
- 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:
- Programmieren mit R (2 Tage)
- Datenvisualisierung mit R und ggplot2 (1 Tag)
- R-Programmierung für Fortgeschrittene (3 Tage)
- Eigene R-Pakete erstellen (1 Tag)
- Ergebnisse berichten mit R – Reproduzierbare Workflows dank Markdown (1 Tag)
- Neu: Shiny – Interaktive Webapplikationen mit R
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, Datenaufbereitung, Umgang mit Fehlwerten etc.
- Einführung in Visualisierungen mit R: kurz zu Base R; Schwerpunkt ggplot2; mit grafischer Oberfläche
- Empfehlungen zu sinnvollen R-Paketen, insbesondere aus dem tidyverse:
Einführung in dplyr und piping %>% für besser lesbaren Code - Statistik mit R: Tests, Weiterverarbeitung der Ergebnisse, elegante Ausgaben und Grafiken dank moderner Erweiterungspakete; grafische Oberfläche zur Testauswahl
- Data Mining-Beispiel zum Untergang der Titanic
- 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
Neu: Shiny – Interaktive Webapplikationen mit R
- Paradigma: Reaktivität, reaktives Programmieren
- App-Beispiele: Interaktive Datenexploration, flexibel einstellbare Diagramme
- Dynamische User Interfaces
- Uploads und Downloads
- flexible Layouts, Themes
- Optionen, Apps zu veröffentlichen
- Literatur und Materialsammlung, empfohlene Erweiterungspakete, Anwendungstipps
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
Datenvisualisierung mit R und ggplot2
- Kurze Einführung in die „Grammar of Graphics“, die „Grammatik der grafischen Darstellung“
- Die drei Basisschichten: Daten, Ästhetiken, Geometrien
- 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
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
Weitere Seminare / Module auf Anfrage – ich freue mich auf Ihre Nachricht!
Empfehlenswerte Ressourcen
Einführung in R
- R Kompakt: Der Schnelle Einstieg in die Datenanalyse (Springer-Lehrbuch, Daniel Wollschläger)
- Hands on Programming with R (Garrett Grolemund); kostenlos online lesbar
Statistik und Datenanalyse mit R
- R for Data Science, kurz R4DS: kostenlos online lesbar
- Discovering Statistics Using R (Andy Field; humorvoll; englisch)
- The Art of R Programming: A Tour of Statistical Software Design (Norman Matloff; weniger statistisch; „wie tickt R“)
- Statistical Learning: Online-Kurs der Universität Stanford mit den renommierten Professoren Trevor Hastie und Rob Tibshirani
- An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)
(einfacher als das ältere „Elements of Statistical Learning“)
Fortgeschrittene Themen
- Advanced R von Hadley Wickham. Kostenlos online lesbar. Empfehlung: Zweite Auflage! Deutlich überarbeitet und leichter verständlich als die erste
- Neu: Mastering Shiny von Hadley Wickham. Kostenlos online lesbar