Programmierung mit R

Seminar Einführung in R

Das Seminar bietet eine umfassende Einführung in die R-Programmierung, beginnend mit den Grundlagen von R und R-Studio, bis hin zu den Feinheiten der R-Pakete, insbesondere des Tidyverse. Die Teilnehmer lernen auch, wie sie die Reproduzierbarkeit ihrer Arbeit mithilfe von GitHub sicherstellen können. Das Programm deckt die wichtigsten Werkzeuge in R ab, wie Datenvisualisierung, Datenanalyse, grundlegende und fortgeschrittene Programmierkonzepte, Datentransformation, Bereinigung und effektives Skript- und Projektmanagement. Das Seminar beinhaltet praktische Übungen zum Importieren von Daten aus verschiedenen Quellen, einschließlich CSV, Excel, Datenbanken, SPSS, STATA und JSON. Das Seminar schließt mit einem Schwerpunkt auf der Datenvisualisierung, in dem die Grundlagen der Datenpräsentation, der explorativen Analyse und der Kunst des Data Storytelling gelehrt werden, was es zu einer abgerundeten Lernerfahrung für alle macht, die die R-Programmierung beherrschen möchten.

Kontakt Lernpfade

Tools

Combine Jupyter notebooks with flexible options to produce production quality output in a wide variety of formats. Author using traditional notebook UIs or with a plain text markdown representation of notebooks.

Example Jupyter notebook entitled Palmer Penguins with code cells, text, and a scatterplot.

Output of example Jupyter notebook, Palmer Penguins, in HTML showing title, metadata, text, code, and scatterplot. At the top there is a dropdown option to show or hide the code.

Quarto is a multi-language, next generation version of R Markdown from Posit, with many new new features and capabilities. Like R Markdown, Quarto uses knitr to execute R code, and is therefore able to render most existing Rmd files without modification.

---
title: "ggplot2 demo"
author: "Norah Jones"
date: "5/22/2021"
format: 
  html:
    fig-width: 8
    fig-height: 4
    code-fold: true
---

## Air Quality

@fig-airquality further explores the impact of temperature on ozone level.

```{r}
#| label: fig-airquality
#| fig-cap: "Temperature and ozone level."
#| warning: false

library(ggplot2)
ggplot(airquality, aes(Temp, Ozone)) + 
  geom_point() + 
  geom_smooth(method = "loess")
```

Example output with title (ggplot2 demo), author (Norah Jones), and date (5/22/2021). Below is a header reading Air Quality followed by body text (Figure 1 further explores the impact of temperature on ozone level.) with a toggleable code field, and figure with caption Figure 1 Temperature and ozone level.

Combine markdown and Julia code to create dynamic documents that are fully reproducible. Quarto executes Julia code via the IJulia Jupyter kernel, enabling you to author in plain text (as shown below) or render existing Jupyter notebooks.

---
title: "Plots Demo"
author: "Norah Jones"
date: "5/22/2021"
format:
  html:
    code-fold: true
jupyter: julia-1.8
---

## Parametric Plots

Plot function pair (x(u), y(u)). 
See @fig-parametric for an example.

```{julia}
#| label: fig-parametric
#| fig-cap: "Parametric Plots"

using Plots

plot(sin, 
     x->sin(2x), 
     0, 
     2π, 
     leg=false, 
     fill=(0,:lavender))
```

Example Plots Demo output with title, author, date published and main section on Parametric plots which contains text, a toggleable code field, and the output of the plot, with the caption Figure 1 Parametric Plots.

Quarto includes native support for Observable JS, a set of JavaScript enhancements created by Mike Bostock (the author of D3). Observable JS uses a reactive execution model, and is especially well suited for interactive data exploration and analysis.

---
title: "observable plot"
author: "Norah Jones"
format: 
  html: 
    code-fold: true
---

## Seattle Precipitation by Day (2012 to 2016)

```{ojs}
data = FileAttachment("seattle-weather.csv")
  .csv({typed: true})
  
Plot.plot({
  width: 800, height: 500, padding: 0,
  color: { scheme: "blues", type: "sqrt"},
  y: { tickFormat: i => "JFMAMJJASOND"[i] },
  marks: [
    Plot.cell(data, Plot.group({fill: "mean"}, {
      x: d => new Date(d.date).getDate(),
      y: d => new Date(d.date).getMonth(),
      fill: "precipitation", 
      inset: 0.5
    }))
  ]
})
```

Example output with title, author, and date. Below, the main section reads Seattle Precipitation by Day (2012 to 2016) with a toggleable section to show code and a heatmap of the precipitation by day.

Praxisorientiertes Lernen

Erleben Sie interaktives und praxisorientiertes Lernen in den Kursen, mit zahlreichen Übungen, die die Anwendung von Theorie in realen Szenarien fördern.

Umfassende Kursinhalte

Die Kurse bieten umfassende Inhalte, die von den Grundlagen bis zu fortgeschrittenen Techniken reichen, perfekt für Einsteiger und erfahrene Praktiker.

Flexible Lernformate

Profitieren Sie von der Flexibilität der Kursformate, die eine Kombination aus Präsenzunterricht, Selbststudium und Online-Seminaren anbieten, passend für jeden Lebensstil.

Expertenwissen

Profitieren Sie von der Expertise erfahrener Dozenten, die ihr umfangreiches Wissen und ihre praktischen Erfahrungen in Data Science und Programmierung teilen.

Berufliche Entwicklung

Unsere Kurse sind darauf ausgerichtet, Ihre beruflichen Fähigkeiten zu erweitern und Sie auf anspruchsvolle Rollen in der Datenwissenschaft vorzubereiten.

Doppelte Sprachoption

Alle Kurse werden in Deutsch und Englisch angeboten, was sie ideal für ein internationales Publikum und für diejenigen macht, die ihre Sprachkenntnisse verbessern möchten.

Kontakt