R-Training im Bereich Data Science

Die freie Programmiersprache R ist eine der besten Lösungen zur Analyse von Daten, für Data Mining und Predictive Analytics. R setzt einen nie erreichten Maßstab an Funktionalität, Qualität und Aktualität.

Der Kurs versteht sich als Einführung in R und seine Grundfunktionalitäten und erleichtert Ihnen mit praktischen Tipps und Übungen den Einstieg in R.

Ziel des Kurses ist es, Ihnen Logik und Terminologie der Programmiersprache R zu vermitteln und den Grundstein für ein selbständiges Arbeiten mit R zu legen.

Die Kursinhalte im Überblick:

• Einstieg in R
• Konzept und Philosophie von R
• Datenstrukturen und ihre Eigenschaften
• Einlesen von Daten
• Datenmanagement
• Auswertungen mit R
• Schleifen und Steuerungselemente
• Erstellen von Visualisierungen
• Einführung in die führende Entwicklungsumgebung RStudio

—

Zielgruppe: Dieser Einführungskurs richtet sich an TeilnehmerInnen ohne bestehende Vorkenntnisse in R oder Statistik und dient als Ausgangspunkt für die weitere Arbeit mit R.

—

Empfohlene Kurslänge: Zwei Tage

Nutzen Sie Machine Learning und Data-Mining-Algorithmen, um auf Basis Ihrer Daten Anwendungen der Künstlichen Intelligenz zu entwickeln.

In unserem Kurs „Einführung in das Machine Learning mit R“ geben wir Ihnen einen Einblick in Algorithmen des maschinellen Lernens und zeigen Ihnen, wie Sie eigene Modelle entwickeln, welche Herausforderungen Ihnen begegnen und wie Sie diese meistern.

Anhand von praxisnahen Beispielen und Übungen vermitteln wir Ihnen die Fähigkeiten um Machine-Learning-Verfahren in R eigenständig umzusetzen. Die Aufbereitung der Daten, die Entwicklung und das Training von Algorithmen sowie die Validierung von Analysemodellen: In unserem Kurs lernen Sie die zentralen Schritte des Machine Learning kennen.

Die Kursinhalte im Überblick:

• Einführung in die Grundbegriffe des Machine Learning
• Einführung in die Machine-Learning-Algorithmen, wie z.B Decision Trees, Random Forest, Gradient Boosting Machine
• Vorstellung einer methodischen Herangehensweise in der Entwicklung von Machine-Learning-Modellen
• Typische Schritte in der Datenaufbereitung wie Feature Selection oder Daten Transformation
• Erstellen von Trainings- und Testdatensets
• Vorstellung von Validierungstechniken wie z.B. Kreuzvalidierung oder Bootstrapping
• Vorstellung und Interpretation unterschiedlicher Metriken zur Erfolgsmessung wie z.B. :
  • Für Klassifikationen: Accuracy, Sensitivity, Specitifity
  • Für Regressionen: RMSE, MAE, MAPE, …
• Interpretation von ROC Kurven
• Parameter Tuning
• Vorstellung gängiger Machine-Learning-Pakete

—

Zielgruppe: Dieser Kurs richtet sich an TeilnehmerInnen mit ersten Programmiererfahrungen in R.

—

Empfohlene Kurslänge: Zwei Tage

Die Grundlage der Datenanalyse ist ein gutes Datenmanagement. Ein Großteil des Aufwandes für den Analyseprozess entfällt auf die Aufbereitung der Rohdaten.

Der Kurs Datenmanagement mit R vermittelt Ihnen effiziente Methoden zur Aufbereitung von unterschiedlich strukturierten Daten anhand praxisnaher Beispiele.

Im Fokus des Kurses liegt dabei vor allem der Umgang mit den Paketen dpylr, tidyr und data.table.

Die Kursinhalte im Überblick:

• data.table: Speichereffizientes Bearbeiten und Einlesen von großen Datensätzen
• dplyr: Einfache und performante Syntax zur Manipulation von Data Frames
• tidyr: Transformation von Datensätzen – von long zu wide table und umgekehrt
• Umgang mit speziellen Datentypen: Bearbeiten von Datumsvariablen und Stringvariablen

—

Zielgruppe: Dieser Kurs richtet sich an TeilnehmerInnen mit ersten Programmiererfahrungen in R.

—

Empfohlene Kurslänge: Ein Tag

Das Ziel der Zeitreihenanalyse ist es, Strukturen und Muster in Daten mit Zeitdimension zu erkennen, diese Muster zu beschreiben und aus diesem Wissen Prognosen abzuleiten. Die Fragestellungen stammen aus unterschiedlichen Disziplinen wie der Ökonometrie, Finanzwirtschaft oder Meteorologie und beziehen sich auf die Entwicklung von Devisen, Aktien, Umsätze oder Wetter.

Ziel des Kurses ist es, Sie zunächst theoretisch in das Feld der Zeitreihenanalyse einzuführen und damit den sicheren Umgang in der Terminologie und mit den Methoden zu gewährleisten. Anschließend werden Sie sowohl statistische Testverfahren zur Charakterisierung von Zeitreihen als auch die zentralen Glättungs- und Prognoseverfahren kennenlernen. Anhand von Beispieldatensätzen aus der Ökonometrie (u.a. Aktien- und Devisendaten) werden die Methoden in R angewendet und in kleinen Übungen vertieft. Am Ende des Trainings werden Sie in der Lage sein, Zeitreihenanalysen mit R für eigene Fragestellungen durchzuführen.

Die Kursinhalte im Überblick:

• Einführung in die Grundbegriffe der Zeitreihenanalyse
• Zeitreihenobjekte in R
• Charakterisierung von Zeitreihen
• Exponentielle Glättung von Zeitreihen
• ARIMA-Modelle

—

Zielgruppe: Dieser Kurs richtet sich an TeilnehmerInnen mit ersten Programmiererfahrungen in R und grundlegenden Statistikkenntnissen.

—

Empfohlene Kurslänge: Ein Tag

In diesem Kurs lernen Sie Analyseverfahren kennen, die es Ihnen ermöglichen, statistische Zusammenhänge und Muster in ihren Daten aufzudecken. Im Mittelpunkt stehen dabei drei klassische Verfahren der multivariaten Statistik: Regressionsanalyse, Clusteranalyse und Faktorenanalyse.

Der Kurs versteht sich als anwendungsorientierte Einführung in die drei oben genannten Verfahren, wobei der Fokus auf der Anwendung in R liegt. Der Kurs richtet sich an Interessenten, die bereits über grundlegende R- und Statistikkenntnisse verfügen.

Die Kursinhalte im Überblick:

Clusteranalyse:

• Grundlegende Konzepte der Clusteranalyse
• Ähnlichkeits- und Distanzmaße
• Vergleich und Anwendung verschiedener Algorithmen

Regressionsanalyse:

• Einführung in die lineare Regressionsanalyse
• Modellkoeffizienten, Signifikanztests, Modellgüte
• Grafische und statistische Überprüfung von Modellvoraussetzungen
• Berücksichtigung nicht linearer Effekte und Interaktionseffekte
• Automatisierte Modellierung mittels Stepwise Regression

Faktoren und Hauptkomponentenanalyse (PCA): 

• Einführung in die Verfahren
• Ablauf einer Faktorenanalyse
• Dateninspektion, Bestimmung der Faktorenanzahl, Rotation
• Faktorladungen, Kommunalitäten und reproduzierte Varianz

—

Zielgruppe: Dieser Kurs richtet sich an TeilnehmerInnen mit ersten Programmiererfahrungen in R und grundlegenden Statistikkenntnissen.

—

Empfohlene Kurslänge: Zwei Tage

Als statistische Programmiersprache eignet sich R hervorragend zur Visualisierung von Daten. In diesem Kurs lernen Sie anhand von anwendungsorientierten Beispielen zunächst das Standardgrafiksystem von R und die ihm zugrundeliegenden Konzepte kennen. Der zweite Kursteil befasst sich mit dem Grafikpaket ggplot2, das eine populäre Alternative zum Standardgrafiksystem darstellt und mit dem selbst komplexe Grafiken schnell und unkompliziert umgesetzt werden können.

Im Mittelpunkt des Kurses stehen – neben den grundlegenden Grafikfunktionen – verschiedene Anpassungsmöglichkeiten, mit denen das Erscheinungsbild einer Grafik beeinflusst werden kann. Das Ziel besteht darin, Sie in die Lage zu versetzen, statistische Grafiken zu erzeugen und nach Ihren individuellen Erfordernissen anpassen zu können.

Die Kursinhalte im Überblick:

base Grafiksystem

• Einfache ein- und zweidimensionale Grafiken

• Anpassung von Grafiken durch individuelle Elemente

• Steuerung des Erscheinungsbildes

• Grafik-Export

ggplot2

• Einführung in die Grammar of Graphics

• Grundlagen von ggplot2

• Verschiedene Grafiktypen mit ggplot2

• Anpassung von ggplot2-Grafiken

• Komplexe Grafiken

—

Zielgruppe: Dieser Kurs richtet sich an TeilnehmerInnen mit ersten Programmiererfahrungen in R.

—

Empfohlene Kurslänge: Ein Tag

Mit dem R-Paket Shiny von RStudio wird Data Science erlebbar. Aus dem R-Umfeld stammend, können mit interaktiven Shiny Apps Analyseergebnisse schnell und einfach zur Verfügung gestellt werden. Der Vorteil: Es werden keine HTML / CSS -Kenntnisse zur Umsetzung benötigt – alles geschieht in R!

Unsere zertifizierten Shiny Trainer versetzen Sie in die Lage eigenständig Shiny-Applikationen für den produktiven Einsatz zu entwickeln.

Kursinhalte im Überblick

• Einstieg in Shiny
• Philosophie von Shiny: Reaktive Programmierung
• Datenstrukturen und ihre Eigenschaften
• User Interface Design
• Workflow zur Entwicklung einer Shiny-Applikation
• Erweiterungspakete rund um Shiny
• Do’s and Don’ts für den produktiven Einsatz von Shiny-Applikationen

—

Zielgruppe: Dieser Kurs richtet sich an TeilnehmerInnen mit ersten Programmiererfahrungen in R.

—

Empfohlene Kurslänge: Zwei Tage