Data Science mit R (Programmiersprache)

• Geschichte und Philosophie von R
• Installation und Setup der R-Umgebung
• Erste Schritte: RStudio und die R-Konsole

Grundlagen der R-Programmierung

• Datentypen und Datenstrukturen: Vektoren, Matrizen, Listen
• Grundlegende Operationen und Funktionen
• Kontrollstrukturen: if-else, for-Schleifen, while-Schleifen

Datenimport und -aufbereitung

• Datenimport aus verschiedenen Quellen: CSV, Excel, Datenbanken
• Datenbereinigung und -transformation
• Datenexploration und Zusammenfassung

Statistische Analyse in R

• Deskriptive Statistik und Datenvisualisierung
• Inferenzstatistik: Hypothesentests, Regressionen
• Anwendung von Paketen wie `stats`, `lmtest` und `ggplot2`

Fortgeschrittene Datenanalyse

• Zeitreihenanalyse
• Clusteranalyse und Klassifikation
• Prinzipielle Komponentenanalyse und Faktorenanalyse

Datenvisualisierung mit R

• Einführung in `ggplot2` und seine Syntax
• Erstellen von verschiedenen Diagrammtypen: Balken-, Linien- etc.
• Erweiterte Visualisierungstechniken und Anpassungen

Erstellung von R-Paketen und -Funktionen

• Entwicklung und Struktur von R-Funktionen
• Erstellung und Veröffentlichung von eigenen R-Paketen
• Dokumentation und Tests

Aktuelle Trends und Weiterentwicklungen in R

• Einführung in Shiny für Web-Anwendungen
• R Markdown und interaktive Berichterstattung
• Verbindung von R mit anderen Sprachen und Tools