Programmieren mit R: Grundlagen Teil 2

Die Open-Source-Programmiersprache R wurde speziell für die statistische Auswertung und Visualisierung von Daten entwickelt. Mit ihrer großen Palette an Funktionen und Bibliotheken, die von der Community kontinuierlich erweitert und verbessert werden, zählt sie zu den beliebtesten Werkzeugen von Data Scientists.

Dieser zweite Teil unserer Serie bietet Ihnen die Möglichkeit, Ihr Grundlagenwissen über die Programmierung mit R zu erweitern und zu vertiefen. Von der Datenbereinigung und -visualisierung über deskriptive und induktive Analyseverfahren bis hin zu statistischen Testmethoden erklärt Ihnen unser Data-Science-Experte Fabio Basler alle relevanten Konzepte und Methoden sowie deren Umsetzung in R. Zum Schluss betrachten wir die Interoperabilität von R mit anderen Programmiersprachen und Anwendungen wie Python, Julia, Power BI und Tableau.

Der Kurs ist angereichert mit zahlreichen Übungsaufgaben, die Ihnen dabei helfen, das Erlernte in die Praxis zu übersetzen.

Alle Lektionen im Überblick:

• 1. Herzlich willkommen zu diesem Kurs

• 2. Einführung

  • Kapitelüberblick

  • RStudio installieren

  • Vorstellung des RStudio

  • Theorie: Warum R für Data Science?

  • Quiz: Einführung

• 3. Grafische Visualisierungen

  • Kapitelüberblick

  • Einführung in die Datenvisualisierung

  • Visualisierungen speichern

  • Liniendiagramme

  • Formatierungen

  • Theorie: Boxplots

  • Boxplots

  • Theorie: Histogramme

  • Histogramme

  • Säulen- und Balkendiagramme

  • Kreisdiagramme

  • Punktdiagramme

  • Heatmaps

  • Quiz: Grafische Visualisierungen

• 4. Deskriptive statistische Auswertungen

  • Kapitelüberblick

  • Skalenniveaus und Datenarten

  • Mittelwertkennzahlen

  • Lageverteilungsmaße

  • Streuungskennzahlen

  • Korrelationen

  • Quiz: Deskriptive statistische Auswertungen

• 5. Datenbereinigung mit R

  • Kapitelüberblick

  • Behandlung fehlender Werte

  • Datensätze zusammenführen

  • Numerische Variablen filtern

  • Daten klassieren

  • Daten klassieren mit gleich großen Klassen

  • Vergleichbarkeit durch Standardisierung

  • Quiz: Datenbereinigung mit R

• 6. Analysemethoden der induktiven Statistik

  • Kapitelüberblick

  • Statistische Verteilungen

  • Normalverteilung

  • Wahrscheinlichkeiten mit Normalverteilung

  • Test auf Normalverteilung

  • Intervallschätzungen

  • ANOVA-Varianztest

  • Bland-Altman-Plot

  • Quiz: Analysemethoden der induktiven Statistik

• 7. Statistische Testverfahren

  • Kapitelüberblick

  • t-Test

  • Binomialtest

  • Chi-Quadrat-Test

  • Fisher-Test

  • Levene-Test

  • Friedman-Test

  • Quiz: Statistische Testverfahren

• 8. R und andere Anwendungen

  • Kapitelüberblick

  • R und Python

  • R in Julia

  • R und Power BI: Anbindung

  • R und Power BI: Visuals

  • R und Power BI: Datentabelle erstellen

  • R und Tableau: Anbindung

  • R und Tableau: Skripte

  • Quiz: R und andere Anwendungen

• 9. Abschluss

  • Fazit und Kursabschluss

So lernen Sie mit diesem Videokurs:

In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:

• Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten

• Wissensquiz zur Lernkontrolle

• Lernhistorie und Lernfortschritt

• Lesezeichen und Notizen

• Volltextsuche in den Videos

• Frage-den-Experten-Modul

• Übungsmaterial zum Mitmachen

• Responsive Web-App und Videostreaming für alle Endgeräte

Technische Voraussetzungen:

Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.