Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Ein saubererrerer und wiederverwendbarer R-Code verfassen
- Was macht einen R-Code skalierbar, lesbar und wartbar?
- Funktionen mit klaren Parametern, Ergebnissen und Standardwerten erstellen.
- Redundanzen durch intelligentes Funktionsdesign und strukturierte Skripte vermeiden.
Praktische Methoden zur Datentransformation
- Aufbau übersichtlicher Analyseprozesse mithilfe der tidyverse-Bibliothek.
- Umgang mit gruppierten Zusammenfassungen, Verknüpfungen und Umformungen von Datensätzen.
- Gestaltung wiederholbarer Schritte bei der Datenaufbereitung.
Funktionale Programmierung zur Automatisierung von Aufgaben
- Alternativen zu herkömmlichen Schleifen: Iterationswerkzeuge nutzen.
- Map-basierte Vorgehensweisen mit dem Paket purrr umsetzen.
- Sicherere Verarbeitung fehlender Werte und Fehler bei wiederholten Operationen.
Fehlersuche sowie Performance-Optimierung
- Häufige Programmfehler in Skripten und Funktionen erkennen und beheben.
- Effiziente Debugging-Methoden unter R bzw. RStudio anwenden.
- Langsam arbeitende Codeabschnitte identifizieren und gezielt beschleunigen.
Reproduzierbare Berichte erstellen und Informationen kommunizieren
- Mithilfe von R Markdown reproduzierbare Berichte generieren.
- Mit ggplot2 visuelle Darstellungen verfeinern, um klare Botschaften zu übermitteln.
- Ergebnisse so aufbereiten, dass sie für Geschäfts- und Forschungspartner leicht nachvollziehbar sind.
Praktisches Workshop-Setting und weitere Perspektiven
- In einem gemeinsamen Übungsszenario Funktionen, Datenverarbeitung, Debugging und Reporting verbinden.
- Die wichtigsten Techniken und bewährten Muster für den täglichen Umgang mit R festhalten.
- Nächste Entwicklungsschritte zum weiteren Erwerb von Programmierkompetenzen erkennen.
Voraussetzungen
- Gründliche Kenntnisse der grundlegenden R-Syntax, Datentypen, Vektoren und Datenrahmen
- Erfahrung im Schreiben von Skripten in R sowie im Umgang mit RStudio
- Mittleres Verständnis der R-Programmierung einschließlich einfacher Datenbearbeitung und Grafikdarstellung
Zielgruppe
- Datenanalysten, die effizienteren, wiederverwendbaren und wartbaren R-Code erstellen möchten.
- Datenwissenschaftler, die bessere Workflows für Analyse, Berichterstattung und Teamarbeit benötigen.
- Forscher sowie technisch versierte Fachkräfte, die R im beruflichen Alltag nutzen.
14 Stunden
Erfahrungsberichte (1)
The flexible and friendly style. Learning exactly what was useful and relevant for me.
Jenny
Kurs - Advanced R
Maschinelle Übersetzung
