Data Analysis Bootcamp in R

Modul 1: R Crashkurs (1-tägig)

In diesem Tag werden Grundkenntnisse der Programmiersprache R vermittelt. Der Fokus liegt dabei auf die technische Einführung in R, das Erlernen der grundlegenden R-Syntax und das Arbeiten mit R zur Datenanalyse. Dieser Kurs ist sowohl für Teilnehmer ohne R Kenntnisse als auch zur Auffrischung der Grundlagen in geeignet. 

Themenschwerpunkte:

• Arbeiten mit R und R Studio, eine der beliebtesten und mächtigsten graphischen Benutzeroberfläche (GUIs) für R.

• Installation und Nutzung von Erweiterungspaketen in R.

• Einführung in Hilfeseiten und Tipps zur Selbsthilfe.

• Erläuterung der wichtigsten Datentypen, Operatoren (arithmetische und logische Operatoren) und Funktionen in R.

• Import und Export von Daten (z.B. Dateiformate wie CSV, Excel etc.)

• Arbeiten mit Dataframes und Vektoren (numeric, logical, character, factors), z.B. das Indizieren, Aufteilen und Umwandeln von Variablen bzw. Datensätzen.

• Berechnen von einfachen statistischen Kennzahlen in R (z.B.: Median, Mittelwert, Quantile, Varianz, etc.).

Voraussetzungen: keine

Modul 2: Praktische Datenanalyse in R (2-tägig)

Kursteilnehmer sollen mit den wichtigsten Konzepten und Begriffen in Data Science, Statistik und der Datenanalyse vertraut gemacht werden und lernen erste explorative Analysen in verschiedenen Datensituationen durchzuführen. 

Themenschwerpunkte Teil 1: Grundlagen der Statistik und Datenanalyse in R

• Definition von Data Science und weiterer Grundbegriffe

• Einführung in ggplot2 zur Visualisierung von Daten

• Univariate Deskriptive Statistik und Datenvisualisierung in R: Häufigkeitstabellen, Balkendiagramme, Histogramme, Kerndichteschätzung, Boxplots, Dichten und Verteilungen, QQ-Plots, etc.

• Multivariate Deskriptive Statistik und Datenvisualisierung in R: Kreuztabellen, Scatter-Plots, Korrelation

Themenschwerpunkte Teil 2: Statistische Inferenz und Modellierung in R

• Einführung in die statistische Inferenz: Punktschätzung, Intervallschätzung und Konfidenzintervalle

• Statistische Hypothesentests: 

  • Motivation und Übersicht: Einstichproben vs. zweistichproben Test, einseitiger vs. zweiseitiger Test, gepaarter vs. ungepaarter Tests

  • Interpretation der Ergebnisse und Begriffserklärung: Signifikanzniveau, p-Wert, Teststatistik, etc.

  • Behandelte Tests: t-Test, Welch-Test (Test auf Mittelwertunterschiede), Mann-Whitney-U-Test bzw. Wilcoxon-Rangsummentest,  Shapiro-Wilk-Test (Test auf Normalverteilung), Kolmogoroff-Smirnow-Test (Test auf beliebige Verteilungen)

  • Multiples Testen: Probleme und Lösungsansätze (z.B. Bonferroni Korrektur)

• Statistische Modellierung:

  • Das lineare Regressionsmodell mit Erweiterungen wie multipler Regression und Verwendung von kategorischen Einflussgrößen.

  • Modellevaluation und Modelldiagnose: MSE, R-squared, QQ-plots und Residuenanalyse

  • Ausblick: Generalisierte lineare Modelle (engl. generalized linear models) mit Fokus auf logistische Regression

Voraussetzungen: Kenntnisse in R (etwa im Umfang von Modul 1)

Modul 3: Effiziente Datenverarbeitung und Programmierung in R (2 Tage)

Lerne, wie du Daten in R effizient verarbeitest und programmierst, um Zeit bei statistischen Analysen zu sparen. Dieser Kurs vermittelt Fähigkeiten, um auch mit großen Datensätzen klarzukommen und Datenvorverarbeitung schneller durchzuführen.

Inhalt:

• Effiziente Datenverarbeitung mit wichtigen R-Paketen
• Schnelle Datenmanipulation und Split / Apply / Combine Operationen mit den Paketen dplyr und tidyverse
• Kurzer Ausblick zu Datenbanken und SQL Anfragen direkt in R
• Automatisierte Berichterstellung mit Markdown und dem knitr Paket
• Fortgeschrittene R-Programmierung: Kontrollstrukturen, Schleifen, Objektorientierte Programmierung mit S3 und R6, Debugging, Exception und Error Handling
• Effiziente Datenverarbeitung mit data.table und purrr
• Parallelisierung von R-Code

Voraussetzungen:

• Grundkenntnisse in R und Datenanalyse
• Grundverständnis in der Statistik
• SQL-Kenntnisse von Vorteil, aber nicht erforderlich

Allgemeine Kursinformationen:

• Kurssprache: Wenn nicht anders erwähnt Deutsch, Kursunterlagen: Englisch.

• R Kurse: Sie benötigten R (ab Version 3.6.0: https://cran.r-project.org), RStudio (https://www.rstudio.com/products/rstudio) und ausreichend Berechtigungen um Zusatzpakete in R installieren zu können (z.B. mit dem Befehl install.packages).

• Webinar-Tool: Zoom-Software, was mittels Breakout Sessions (virtuelle Kursräume) Gruppenarbeit und individuelle Betreuung ermöglicht. Eine Teilnahme ist auch ohne zusätzliche Installation der Zoom-Software möglich (siehe Zoom per Internetbrowser).