Seminar Datenanalyse mit R kompakt

Einführung

• Hintergrund zu R und RStudio
• Installieren neuer Pakete und die Paketumgebung CRAN
• Aspekte von R, die sich von anderen Programmiersprachen unterscheiden

Einführung in das Data-Science-Paket data.table

• Struktur einer data.table und Ähnlichkeit zu SQL-Abfragen
• Verschiedene Möglichkeiten, Zeilen und Spalten zu extrahieren
• Möglichkeiten, Berechnungen direkt auf Spalten durchzuführen
• Abfragen nach Variablen gruppieren 

Einlesen von Daten 

• Einstellen des Arbeitsverzeichnisses in R und RStudio 
• Lesen und Schreiben einer CSV- oder Excel-Datei und eine Übersicht über die nützlichsten Parameter 
• Lesen und Schreiben einer SPSS-Datei 
• Die Funktion fread () zum effizienten Einlesen großer Datenmengen
• Speichern und Laden von Daten im Binärformat in .RData 
• Abfragen aus einer Datenbank (SQLite)

Datenhandling in einer data.table

• Der: = Operator in einer data.table 
• Ersetzen von fehlenden Werten
• Anlegen, Löschen, Ändern einer Spalte
• Konvertieren zwischen Datentypen
• lapply () und die Anwendung in einer data.table (mit .SD und .SDcols)

Visualisierung mit ggplot2

• Die Idee hinter der Grammatik der Grafik 
• Ästhetik-Schicht und Geometrie-Schicht zum Erstellen erster Plots (Box-Plots, Scatter-Plots, Bar-Plots, Kernel-Dichte-Schätzer, Histogramme, Line-Plots)
• Statistik-Schicht zum Plotten von Statistiken durch ggplot2
• Aspekte der Darstellung (Größe der Datenpunkte, Farbe, Gruppierung) über eine Variable steuern oder fest vorgeben
• Facettierung - Erstellen mehrerer Subplots, die nach einer Kategorie unterteilt sind
• Speichern der Plots

Algorithmen in der Datenwissenschaft

• Big Data und die vier Vs von Big Data
• Was ist maschinelles Lernen
• Die Klassifizierung von Algorithmen im maschinellen Lernen (überwachtes Lernen - unüberwachtes Lernen - Verstärkungslernen)
• Einführung in wichtige Algorithmen: lineare Regression, logistische Regression, Entscheidungsbäume, Random Forest, Support-Vektor-Maschine (SVM), K-means, Kernel-Dichte-Schätzer
• Overfitting und wie man es entdeckt und vermeidet
• Kreuzvalidierung, Konfusionsmatrix, ROC-Kurve
• Die Schritte bei der Modellierung (Aufteilung der Daten in Testzug, Erstellung eines Modells, Validierung des Modells)
• Praktische Umsetzung der theoretisch behandelten Algorithmen in R
• Training und Validierung verschiedener Algorithmen (lineare Regression, logistische Regression, Entscheidungsbäume, Random Forest, Support-Vektor-Maschine (SVM), K-means, Kernel-Dichte-Schätzer)
• Auswertung der Modellgüte auf dem Testdatensatz
• Aufzeichnen einer ROC-Kurve