R & RStudio
Online-Kurse im Fachbereich Daten & KI
R ist die Sprache der Statistik: RStudio, das Tidyverse mit dplyr und ggplot2, R Markdown für reproduzierbare Berichte, dazu räumliche Analysen und Machine Learning. Gedacht für alle, die im Studium, in der Forschung oder in der Analyse mit Daten arbeiten – Programmiererfahrung ist keine Voraussetzung. Wer primär SPSS-Auswertungen oder Statistik-Methoden sucht, findet sie unter Statistik & SPSS.
- R-Analyst - Lerne die statistische Programmiersprache RHallo und herzlich willkommen zu R,In diesem Kurs werden wir lernen mit R umzugehen. Nach einer Einführung in die Programmiersprache, werden wir lernen, Daten einzuladen, einfach mit unseren Daten umzugehen und diese ansprechend zu visualisieren. Anschließend lernen wir, mit räumlichen Daten umzugehen und dynamische Visualisierungen zu erzeugen, die wir bspw. auch in unsere Internetseite einbinden können. Zum Schluss lernen wir das Programmieren mit R kennen, was es uns erlauben wird, unsere Prozesse zu automatisieren. Es bestehen keine Anforderungen oder Voraussetzungen für diesen Kurs. Es werden alle mitgenommen und schnell und verständlich an die Arbeiten mit R herangeführt. Ein hoher Lernerfolg ist in der Regel der Lohn deiner Neugierde. Du wirst schnell feststellen, dass es sich lohnt in diese einfach zu erlernende Programmiersprache einzusteigen. Prozese lassen sich automatisieren, Analyse lassen sich vereinheitlichen, Visualisierungen wirken professioneller und besser für den jeweiligen Kontext geeignet und Berichte aktuallisieren sich auf Knopfdruck für das aktuelle Jahr. Das macht unsere Arbeiten nicht nur reproduzierbarer und transparenter, wir schaffen auch Zeit, um uns über wichtigere Dinge Gedanken zu machen, als stumpfe, wiederkehrende Arbeiten. Dieser Kurs richtet sich an alle, die mit Daten arbeiten. R erleichtert und professionalisiert alle Prozesse im Umgang mit Daten inkl. deren Visualisierung.
- Fortgeschrittener R-Analyst - next Level R ProgrammierungHallo und herzlich willkommen zum Fortgeschrittenen R-Analyst! In diesem Kurs steigen wir tiefer in die mächtigen Methoden ein, die R für uns bereithält. Dabei werden wir lernen, mit Hilfe von R Markdown automatisiert Berichte auf Knopfdruck zu erzeugen. Dabei eigenen wir uns die Fähigkeit an, bspw. PDFs oder auch HTMLs aus R heraus zu generieren, wobei wir dynamisch auf eine veränderte Datengrundlage reagieren können. Sollten sich die Daten von einem auf das nächste Jahr geändert haben, drücken wir nur auf das Knöpfchen und bringen unseren Bericht auf den neusten Stand. Anschließend befassen wir uns umfassend mit Shiny. Diese Technologie wird es uns erlauben dynamische, interaktive Anwendungen aus R heraus zu erzeugen. Wir lernen, wie wir unsere Analysen und Ergebnisse in Form von modernen interaktiven Apps zur Verfügung stellen können. Diese Anwendungen werden dann auch noch richtig gut aussehen, „shiny“ eben. Unsere Fähigkeiten in der Datenanalyse bauen wir aus, indem wir lernen, wie wir mit fehlenden Werten in unserer Datengrundlage umgehen können. Wir werden sehen, dass es sparsamere Wege gibt mit diesen Datenlücken umzugehen als sie einfach von unseren Analysen auszuschließen. Dadurch werden wir die Qualität aller unserer Analysen erheblich verbessern. Im letzten Teil lernen wir, die Versionierungs- und Kollaborationssoftware Git im Zusammenspiel mit R bzw. R Studio zu nutzten. Dadurch werden wir uns die Lage versetzten auch größere R-Projekte in einem Team umzusetzen. Wir heben unsere Arbeit mit R auf ein ganz neues Level, indem wir Git einsetzten, um gemeinsam mit anderen an einem R-Code zu arbeiten. Dabei nutzen wir die Versionskontrolle, um im Notfall "in der Zeit zurückspulen" zu können.
- Data Wrangling mit dem TidyverseWillkommen zu diesem R-Kurs, in dem du eine umfassende Einführung in die mächtige Programmiersprache R und das Tidyverse erhältst. R ist eine kostenlose und vielseitige Sprache für Statistik und Data Science, die in den 1990er Jahren entwickelt wurde und mittlerweile weit verbreitet in der akademischen Welt und der Industrie ist. Sie ist besonders gut geeignet für die Analyse von großen und komplexen Datenmengen und bietet zahlreiche Funktionen und Bibliotheken für die Datenvisualisierung. Das Tidyverse ist eine Sammlung von Libraries, die das Data Wrangling mit R vereinfachen und das Arbeiten mit Daten deutlich angenehmer gestalten. Du wirst lernen, wie du die wesentlichen Funktionen dieser Libraries anwendest und dich Schritt für Schritt damit vertraut machen. Am Ende des Kursed wendest du dein neues Wissen in einem Projekt an und erhältst zusätzlich eine Einführung in das Schreiben von eigenen Funktionen mit dplyr und dem Konzept von "Non Standard Evaluation". Mit dem erworbenen Wissen wirst du in der Lage sein, große und komplexe Datensätze problemlos in R zu verarbeiten und dich mit dem Tidyverse vertraut zu machen. Du wirst die Fähigkeiten erwerben, die du benötigst, um erfolgreich in der Welt der Data Science und Statistik zu bestehen. Ich wünsche dir viel Vergnügen beim Einstieg in die Welt von Data Science!
- From Anfänger zum Fortgeschrittenen in TidyverseIch habe den Kurs für alle Tidyverse-Lernenden erstellt, die das Gefühl haben, dass sie ein Plateau in ihren Fähigkeiten erreicht haben. Wenn du mit den grundlegenden Funktionen wie mutate, filter, select oder arrange vertraut bist und dich verbessern möchtest, ist dieser Kurs für dich geeignet. Während die Grundlagen des Tidyverse in Dutzenden guter Angebote sehr gut abgedeckt sind, ist es schwer, die Tricks und Funktionen zu finden, die Tidyverse-Anfänger:innen von sehr guten Programmierern unterscheiden. Die meisten Tricks sind in Hunderten von Foren, Blogbeiträgen und Dokumentationen verstreut. Deshalb began ich im Juni 2022, alle Tricks in einer einzigen Ressource zu bündeln. Dieser Kurs ist meiner Meinung nach die dichteste und beste Ressource, um alle guten Tricks des Tidyverse zu lernen. Du musst diesen Kurs nicht machen, aber in ihn zu investieren, wird dir viel Zeit sparen, die du sonst online mit Recherche verbringen würdest. Ich habe über 300 Stunden damit verbracht, das Internet zu durchsuchen und alle Tricks, die ich finden konnte, in diese einzigartige Resource zu integrieren, damit du es nicht musst. Dies ist nicht nur ein Videokurs! Der Kurs kommt mit einem 360-seitigen PDF-Buch in Englischer Sprache, das die Kapitel des Kurses begleitet. Das Buch geht viel detaillierter auf die Themen ein als die Videos und enthält einige Themen, die in den Videos nicht behandelt werden.
- Geostatistiker - Räumliche Datenanalyse mit RHerzlich willkommen zur Geostatistiker Schulung! In dieser Schulung werden wir lernen räumliche Phänomene, Sachverhalte und Zusammenhänge zu analysieren und zu identifizieren, um sie letztendlich anschaulich zu präsentieren. Wir werden uns sowohl statistische Konzepte und Prinzipien, wie auch die praktische Anwendung in R angucken. Wir werden uns als erstes Skalenniveaus und deskriptive Statistik angucken. Als nächstes lernen wir von Grund auf, wie Wahrscheinlichkeitsverteilungen zustande kommen und wie wir sie interpretieren. Wir werden in der Lage sein, zu erklären, wie statistische Hypothesentest funktionieren und wie das Ganze mit Wahrscheinlichkeitsverteilungen zusammenhängt. Als nächstes gucken wir uns Grundannahmen und den Raumbezug an. Hier werden wir mathematische Grundannahmen überprüfen, Korrelationsanalysen durchführen, und uns dann das Prinzip der räumlichen Autokorrelation näher angucken. Wir werden die räumliche Autokorrelation auch verwenden, um eine räumliche Hotspot Analyse durchzuführen. Als nächstes werden wir uns verschiedenste Clusteranalysen kennenlernen und verstehen, wie wir räumliche Häufungen hoher und niedriger Werte in unseren Daten identifizieren. Anschließend beschäftigen wir uns mit räumlichen interpolationsverfahren. Wir lernen verschiedene Methoden kennen, die es uns erlauben, punktförmige Daten in die Fläche zu interpolieren. Schließlich lernen wir Regressionsanalysen in 2 Teilen zu meistern. Zunächst beschäftigen wir uns mit uni-, bi- und multivariaten Regressionsverfahren und Phänomene und Methoden, die damit zusammenhängen. Im zweiten Teil gehen wir der Sache noch ein bisschen mehr auf den Grund. Wir gucken wir uns mathematischen Grundannahmen an, überprüfen diese und leiten dann gegebenenfalls die richtigen Schritte ein, um keine mathematischen Grundannahmen zu verletzen. In diesem Teil werden wir auch sehen, wie wir die räumliche Information in den Regressionsanalysen berücksichtigen können, um unsere Regressionsmodelle zu verbessern.
- R Crashkurs - Einstieg in R Sprache & RStudio für AnfängerKurshighlights: Tauchen Sie ein in die Welt der R-Programmierung mit diesem kompakten und verständlichen R-Crashkurs. Ideal für Anfänger, bietet dieser Kurs eine knappe, aber umfassende Einführung in R, RStudio und R-Programmierung. Kursinhalt: Installation von R und RStudioPaketverwaltung in RStudioAlle Datentypen in RBerechnungen mit RVariablen in RVektoren in RMatrizen in RListen in RDatenrahmen in RUmgang mit fehlenden Werten in RFunktionen in RKontrollstrukturen in RFOR-Schleife in RUnd vieles mehr! Alle im Kurs verwendeten R-Skripte stehen Ihnen ebenfalls zur Verfügung. Kursbeschreibung: Dieser R-Crashkurs ist die perfekte Wahl für all jene, die bisher wenig oder gar keinen Kontakt mit skriptbasierter Programmierung in R hatten. Das Hauptziel des Kurses besteht darin, grundlegendes Wissen über die R-Sprache, RStudio und R-Programmierung zu vermitteln, um es später in den Bereichen Datenwissenschaft, maschinelles Lernen oder statistische Analysen anwenden zu können. Was diesen R-Kurs besonders auszeichnet, ist seine Fokussierung auf das Wesentliche und seine Kürze. Dadurch werden Sie in der Lage sein, die Grundlagen von R, RStudio und R-Programmierung schnell zu erlernen und einen reibungslosen Einstieg in diese Themenbereiche zu finden. Zielgruppe: Dieser R-Kurs richtet sich an Fachleute wie Datenwissenschaftler, Statistiker, Geographen, Programmierer, Sozialwissenschaftler, Geologen und alle anderen Experten, die Statistik und Datenwissenschaft in ihrem Tätigkeitsfeld einsetzen möchten. Wenn Sie bereits fortgeschrittene Kenntnisse in R besitzen und keine Einführung in die R-Programmierung benötigen, ist dieser Kurs möglicherweise nicht für Sie geeignet.
- R komplett: Data Science, Machine Learning & Neuronale NetzeWerde zum gefragten Data-Science-Spezialisten mit R! Data-Science-Experten sind nicht nur gefragt wie nie, sie bekommen auch ein überdurchschnittliches Gehalt (laut Indeed Jobbörse). Diesen Kurs habe ich entwickelt, um dir den bestmöglichen Einstieg zu bieten. R ist eine unglaublich mächtige und effiziente Sprache, sowohl ob für Data Science als auch Machine Learning. Leider ist der Einstieg allerdings oft sehr trocken - nicht aber in diesem Kurs, alle Themen lernst du Schritt für Schritt und am Beispiel.=> "Wie auch bei Jannis' anderen Kursen ist alles top! Gute step by step Introduction." (★★★★★, Markus Dunkel)Besonders viele Übungen + Beispiele: In diesem Kurs werden alle Themen anschaulich erklärt - du analysierst Geburtsstatistiken & echte Gehälter aus San Francisco, erstellst ein Modell für Diabetes, extrahierst Raketenstarts aus einer Webseite (Web-Crawling) oder visualisierst in einer Grafik die Ausbreitung von Ebola bzw. dem Coronavirus. Schritt für Schritt lernst du also alles was du zum Thema R wissen musst - und zwar nicht nur die Sprache selbst, sondern auch alle wichtigen Tools drumherum, und wie R angewandt wird. Dadurch kannst du das Wissen aus dem Kurs sofort anwenden. Mit über 200+ HD-Videos und mehr als 23 Stunden Videomaterial ist dies der umfangreichste Data-Science Kurs mit R auf Udemy. Was lernst du alles? R Grundlagen: RStudio (unsere Entwicklungsumgebung)FunktionenVariablen,... Data Science: Lese Daten einErstelle anschauliche VisualisierungenÜberzeuge deine Kollegen durch überzeugende PDF-ReportsDiverse Beispiele!
- R Basics - Programmierung, Datenanalyse und RegressionUpdate: September 2022Lineare Regression und tidymodelsDieser Kurs dient als Einstieg in die Programmierung und Datenanalyse mit R & RStudio. In dem Kurs lernt Ihr im ersten Schritt Grundlagen der R-Programmierung. Abschluss des ersten Kapitels bildet ein kleines Projekt, in dem wir die Fläche eines Kreises approximieren. Dafür schreiben wir angepasste Funktionen. Danach erfolgt, eine Einführung in die, aus Sicht des Autors, wichtigsten Pakete für die Datenanalyse. Ihr lernt das "tidyverse" und "data.table" kennen, die in der Praxis sehr häufig für die Datenanalyse benutzt werden. "data.table" ermöglicht euch die Behandlung sehr großer Datenmengen in kurzer Zeit. Die in dem ersten Kapitel eingeführten Möglichkeiten zur grafischen Darstellung von Daten werden durch "moderne" Bibliotheken, wie "ggplot2" und "plotly" ergänzt. An realen Daten werden die Konzepte vertieft. Es werden Verkaufspreise von Immobilien analysiert und in einem dynamischen Report zusammengefasst. Dafür benutzen wir "Rmarkdown". In Kapitel 4 lernt ihr unter Anderem die Grundlagen von Web-Applikationen mit dem "shiny" package kennen. Außerdem werden Web-APIs behandelt. Wir programmieren eine Finance-API mit dem "plumber" Package. Dabei dient das "quantmod" Package als Grundlage für die Kursverläufe von Aktien. Im Fokus dieses Kurses steht die Vermittlung von Konzepten und Techniken, und weniger die Statistik. Es werden keine Vorkenntnisse in der Programmierung benötigt. Dieser Kurs eignet sich für alle, die einen Einstieg und in R benötigen und Datenanalysen durchführen möchten. Dieser Kurs eignet sich zudem als Einstieg in das Feld Data Science mit R.
- Effizientes Reporting und Forschen durch R Markdown...und schon wieder muss der Report aktualisiert werden? Reports erstellen und aktualisieren - Zahlen austauschen, Grafiken zusammenkopieren, etc. - kann sehr anstregend sein. Aber das muss nicht sein. In diesem Kurs zeige ich dir, wie du produktiv (wissenschaftliche) Texte oder Präsentationen mit R Markdown erzeugen kannst! Ich führe dich dabei in alle wichtigen Funktionen von R Markdown ein und gebe dir gute Gründe, wieso R Markdown eine gute Wahl ist (und besser ist als Textverarbeitungsprogramme wie Word oder Textsatzprogramme wie LaTeX). Kurz gesagt: R Markdown ist sehr einfach—einfacher geht es eigentlich gar nicht mehr. Und genau das wird dir dabei helfen, dich auf das Schreiben zu konzentrieren (ohne, dass du auf wissenschaftliche Funktionen wie zum Beispiel das einfache Erstellen von Referenzen, Querverweisen oder Fußnoten verzichten musst) und super produktiv zu werden! R Markdown ist zudem kostenlos. Bedingt durch meinen Hintergrund als Forscher ist dieser Kurs besonders auf das produktive Erstellen wissenschaftlicher Arbeiten und Präsentationen fokussiert. Ich selbst setze R Markdown aber sehr vielfältig ein, u.a. auch in der Beratung von Organisationen und administrative Reportingaufgaben. Kurz: Sobald du in irgendeiner Form mit Texten und Präsentationen zu tun hast, stellt R Markdown eine tolle Alternative dar!
- R für Data Science, Visualisierung und Machine LearningData Scientist wurde von Glassdoor als Nummer 1 Job gerankt und erzielt laut Indeed einen überdurchschnittlichen Gehalt. Die Karriere im Bereich Data Science ist eine bereichernde Tätigkeit und erlaubt es euch an den größten und interessantesten Herausforderungen der Welt zu arbeiten. Dieser Kurs richtet sich sowohl an Anfänger, die zum ersten Mal mit der Programmiersprache R in Berührung kommen, als auch für erfahrene Entwickler, die ihr Portfolio um Fähigkeiten in Richtung R, Data Sciene und Machine Learning ausbauen wollen! "Perfekter Einstieg in die Sprache R. Zuvor hatte ich keine Kenntnis dieser Sprache. Gut gefällt mir, dass direkt auch Data Science Anwendungen inbegriffen sind, da ich diese beruflich brauche. Top! (★★★★★ D. Mika)Dieser umfangreiche Kurs ist vergleichbar mit anderen Data Science Bootcamps die mehrere tausend Euro kosten. Das alles findest du in über 120 HD Video Lektionen und detaillierten Code Notebooks zu jeder Lektion. Dies macht diesen Kurs zum umfangreichsten Data Science Kurs mit R auf Udemy! Wir werden gemeinsam lernen, wie man mit R programmiert, grandiose Visualisierungen erstellt und mit echten Daten und echte Data Science Fälle umgeht.
Sortiert nach Erscheinung (neueste zuerst). Details und Anbieter-Link (Affiliate-Link, Werbung) auf der jeweiligen Kursseite.
Warum R, wenn es Python gibt?
Beide Sprachen decken Datenanalyse ab, aber R ist in den empirischen Wissenschaften, in der Biostatistik und in vielen Marktforschungs- und Behördenabteilungen der Standard – dort werden Methoden zuerst als R-Paket veröffentlicht, oft Jahre bevor sie in Python ankommen. Das Tidyverse hat R zudem eine einheitliche, gut lesbare Grammatik für Datenmanipulation und Grafik gegeben, die Einsteiger schneller produktiv macht, als es der Ruf der Sprache vermuten lässt. Die ehrliche Grenze: Für Web-Anwendungen, Deep Learning in der Breite oder Software-Engineering ist Python die flexiblere Wahl; wer zwischen beiden schwankt, sollte sich nach dem Umfeld richten, in dem die Ergebnisse später verwendet werden.
Reproduzierbar arbeiten: Skripte statt Klicks
Der größte Gewinn von R gegenüber Klick-Programmen ist nicht die Statistik, sondern die Nachvollziehbarkeit: Jede Auswertung ist ein Skript, das sich mit neuen Daten erneut ausführen lässt, und R Markdown macht daraus Berichte, Folien oder ganze Abschlussarbeiten, in denen Zahlen und Grafiken direkt aus dem Code entstehen. Wer eine empirische Arbeit schreibt, gewinnt damit genau das, was Betreuende sehen wollen – und erspart sich das nächtliche Nachtragen von Tabellen, wenn sich ein Datensatz doch noch ändert.
Häufige Fragen
- Brauche ich Programmierkenntnisse für R?
- Nein. Die Einstiegskurse hier beginnen bei Installation von R und RStudio und den Datentypen; wer Excel-Formeln versteht, kommt in die Grundlagen gut hinein. Anspruchsvoller wird es erst bei eigenen Funktionen und Automatisierung – dafür gibt es die Aufbaukurse.
- Was ist das Tidyverse?
- Eine Sammlung aufeinander abgestimmter R-Pakete (dplyr, tidyr, ggplot2, readr und weitere) mit einheitlicher Logik für Einlesen, Umformen und Visualisieren von Daten. Praktisch alle aktuellen Einführungen lehren R über das Tidyverse; das klassische „Base R“ begegnet dir später vor allem in älterem Code und in Paketen.
- Reicht R für Machine Learning?
- Für klassische Verfahren – Regression, Entscheidungsbäume, Clustering – vollständig, mit tidymodels auch mit moderner Modellierungs-Grammatik; einzelne Kurse hier decken das ab. Für Deep Learning und große Modelle ist das Ökosystem in Python breiter, auch wenn Keras und Torch aus R heraus nutzbar sind.