Academy

Programmieren & Datenanalyse
 

Academy

Programmieren & Datenanalyse
 

Grundlegende Programmierung in R

4 – 12 Teilnehmer | 2 Tage

Dieser Kurs wendet sich an Personen, die R als Programmiersprache kennenlernen wollen. Hier machen wir Sie mit den grundlegenden Konzepten und Techniken dieser modernen, funktionalen und objektorientierten Sprache vertraut.

Termine und Buchung

Tag 1

 

Mit Zahlen umgehen

  • R als Taschenrechner & Simulator
  • Objekte verstehen
  • Exotische Zahlenwerte: NA, NaN, Inf
  • Vektoren verstehen
  • Mit Vektorfunktionen arbeiten

Logik & Text

  • Mit logischen Vektoren arbeiten
  • Logische Indizierung verstehen und verwenden
  • Text-Verarbeitung
  • Zahlen formatieren
  • Mit Faktoren umgehen
  • Texte aufbereiten und analysieren

Erweiterte Vektoren

  • Datumskonzepte verstehen & verwenden
  • Zeitreihen erzeugen und verwenden
  • Mit Matrizen arbeiten
  • Mit Feldern (arrays) umgehen

Tag 2

 

Daten bearbeiten

  • Arbeiten mit Dataframes
  • Objekte lesen und schreiben
  • Text- und Excel-Dateien verarbeiten
  • Listen verstehen und verwenden

Funktionen

  • Funktionen erstellen
  • Argumente richtig verwenden
  • Rückgabeobjekte gestalten
  • Methoden verstehen

Ablaufkontrolle

  • Einfache Verzweigungen mit if & switch
  • Verzweigungen auf Vektoren anwenden
  • Schleifen programmieren
  • Schleifen vermeiden: Apply & Co.
Es gelten unsere Teilnahmebedingungen.

Professionelle Programmierung in R

4 – 12 Teilnehmer | 2 Tage

Dieser Kurs wendet sich an Personen, die schon regelmäßig mit R programmieren. Hier lernen Sie vertiefende Funktionen für Ihren täglichen Umgang kennen.

Termine und Buchung

Tag 1

 

Funktionale Programmierung

  • Funktionen, Scoping
  • Umgebungen
  • Closures
  • Zuweisung und Ersetzung verstehen
  • Funktionale
  • Funktionsoperatoren
  • Lambda-Kalkül und Currying mit R

Objektorientierte Programmierung

  • Prinzipien der Objektorientierung
  • Gekapselte vs. funktionale Objektorientierung
  • Überblick über mögliche Paradigmen in R
  • Mit S3 & S4 Klassen arbeiten
  • Mit RC und R6 Klassen arbeiten

Tag 2

 

Performanz & Speicher

  • Microbenchmarking
  • Laufzeit-Optimierung
  • Parallelisierung
  • Speicherverbrauch
  • Speicher-Optimierung

R Pakete und Shiny Apps

  • Warum Pakete nutzen?
  • Die Struktur von R Paketen
  • Stadien von R Paketen
  • Dokumentation, Tests
  • Die Architektur von Shiny Apps verstehen
  • Eine Shiny App entwickeln
Es gelten unsere Teilnahmebedingungen.

Deskriptive Datenanalyse mit R

4 – 12 Teilnehmer | 2 Tage

Dieser Kurs wendet sich an Personen, die hauptsächlich den Umgang mit R als Werkzeug für interaktive Datenanalyse erlernen wollen.

Termine und Buchung

Tag 1

 

Daten erzeugen und einlesen

  • Typen von Merkmalen kennenlernen
  • Die Datenstrukturen in R verstehen
  • Daten manuell eingeben und Eigenschaften abfragen
  • Daten verschiedener Formate einlesen
  • Webscraping einsetzen
  • Datenbanken anbinden

Daten grafisch darstellen

  • Die Grafiksysteme von R kennenlernen
  • Mit den Basisfunktionen arbeiten
  • Eine Grafik publikationsreif machen
  • Daten zum Leben erwecken: Das paket lattice
  • Die Sprache der Bilder sprechen: Das Paket ggplot2

Daten aufbereiten

  • Merkmale bearbeiten: Den Typ ändern, neue Merkmale erstellen, fehlende Werte erkennen
  • Inhalte bearbeiten: Mathematische Funktionen und Textoperationen anwenden
  • Sortieren, auswählen und zusammenführen: Die Pakete data.table und sqldf kennenlernen
  • Datensätze umformen und verdichten: Das Paket reshape2 und die Apply-Familie
  • Das Tor zu Big Data: dplyr, magrittr, xdf, dplyXdf & Co.

Tag 2

 

Eindimensionale Merkmale analysieren

  • Häufigkeitsverteilungen verstehen
  • Median & Co: Lagemaße verstehen und anwenden
  • Varianz & Co: Streuungsmaße verstehen und anwenden
  • Verteilungen charakterisieren: Form und Boxplots
  • Paretoprinzip oder nicht? Konzentrationsmaße
  • Mit fehlenden Daten umgehen

Zwei und mehr Merkmale analysieren

  • Die gemeinsame Verteilung darstellen
  • Der Zusammenhang zwischen nominalen Merkmalen
  • Der Zusammenhang zwischen ordinalen Merkmalen
  • Der Zusammenhang zwischen stetigen Merkmalen
  • Mehrere Variablen grafisch darstellen und analysieren
  • Mit fehlenden Daten umgehen

Zeitreihen und Indizes analysieren

  • Zeitreihen grafisch darstellen
  • Zeitreihen in Komponenten zerlegen und aggregieren
  • Harazd Rate & Co: Ereignisse analysieren
  • Indizes erstellen und verwenden
  • Mit fehlenden Daten umgehen
Es gelten unsere Teilnahmebedingungen.

Ihre Trainer

 
Karl-Kuno Kunze

Karl-Kuno Kunze

Karl-Kuno Kunze erwarb Diplome in Physik und in Wirtschaftsphysik, ein DEA de Physique des Liquides der Universität Paris und ein MSc in Mathematical Finance der Universität Oxford.

Er promovierte zunächst in theoretischer Physik, dann in Wirtschaftswissenschaften.

Nach mehr als fünfzehn Jahren Praxis in der Anwendung quantitativer Modelle in der Finanzwirtschaft, leitet er heute daqana und lehrt als Professor für Wirtschaftsmathematik und -statistik an der Ostfalia Hochschule in Wolfsburg.

 

Mirjam Rehr

Mirjam Rehr

Mirjam Rehr erwarb ihr Diplom in Statistik an der LMU in München und arbeitete danach als wissenschaftliche Mitarbeiterin am Institut für Geoinformatik, WWU Münster sowie am Institut für Medizinische Informatik, UKM/WWU Münster.

Für das Joint Research Center der EU (Ispra) war sie an der Konzeption und Leitung des Kurses „Statistische Modellierung in R“ beteiligt.

Umfangreiche, praktische Erfahrung in der Auswertung größerer Datensätze sammelte sie u.a. durch ihre Projektarbeit für das European Topic Center on Air Pollution and Climate Change Mitigation.

 

Ralf Stubner

Ralf Stubner

Ralf Stubner erwarb ein Diplom in Physik und promovierte danach in theoretischer Physik.

Er hat über zehn Jahre Erfahrung in Entwurf und Entwicklung datengetriebener Systeme sowie in der Nutzung der Daten für quantitative Modelle in der Finanzwirtschaft.

Daneben hat er mehrere technische Schulungen konzipiert und geleitet.