R Markdown for Dynamic Documents and Reproducible Reporting Schulung

Dieser Kurs behandelt fortgeschrittene Themen der R-Programmierung.

Diese leitungsgeleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Business-Analysten, die Handel durch algorithmisches Handeln, Python und R automatisieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Algorithmen einzusetzen, um Wertpapiere in spezialisierten Intervallen schnell zu kaufen und zu verkaufen.
• Kosten im Zusammenhang mit dem Handel durch algorithmisches Handeln zu reduzieren.
• Aktienkurse automatisch zu überwachen und Handelsaufträge zu platzieren.

Big Data ist ein Begriff, der sich auf Lösungen zur Speicherung und Verarbeitung großer Datensätze bezieht. Ursprünglich von Google entwickelt, haben diese Big Data-Lösungen sich weiterentwickelt und andere ähnliche Projekte inspiriert, viele davon sind als Open-Source verfügbar. R ist eine weit verbreitete Programmiersprache in der Finanzbranche.

Dieser von einem Dozenten geleitete, lebendige Training in Österreich (online oder vor Ort) richtet sich an Anfänger-Datenanalysten, die R-Programmierung zur Datenmanipulation, grundlegenden Datenanalyse und erstellen überzeugender Visualisierungen für Einblicke nutzen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von R-Programmierung zu verstehen.
• Fundamentale Datenwissenschaftsprozesse anzuwenden.
• Visuelle Darstellungen von Daten zu erstellen.

R ist eine freie Open-Source-Programmiersprache für statistische Berechnungen, Datenanalysen und Grafiken. R wird von einer wachsenden Anzahl von Managern und Datenanalysten in Unternehmen und Hochschulen verwendet. R hat auch Anhänger unter Statistikern, Ingenieuren und Wissenschaftlern ohne Programmierkenntnisse gefunden, die es einfach finden, es zu benutzen. Seine Popularität ist auf den zunehmenden Einsatz von Data Mining für verschiedene Zwecke zurückzuführen, z. B. die Festlegung von Anzeigenpreisen, die schnellere Suche nach neuen Arzneimitteln oder die Feinabstimmung von Finanzmodellen. R bietet eine Vielzahl von Paketen für das Data Mining.

Diese von einem Dozenten geleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Datenanalysten, die mit R in SAS programmieren möchten, um Clusteranalysen durchzuführen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Clusteranalyse für Data Mining zu verwenden
• Die R-Syntax für Clustering-Lösungen zu beherrschen.
• Hierarchische und nicht-hierarchische Clusterverfahren umzusetzen.
• Datengetriebene Entscheidungen zu treffen, um die Geschäftsvorgänge zu verbessern.

Data analytics ist ein entscheidendes Werkzeug im heutigen Geschäftsumfeld. Wir konzentrieren uns darauf, praktische Fähigkeiten zur datenbasierten Analyse zu entwickeln. Das Ziel ist es, den Teilnehmern dabei zu helfen, beispielsweise nachgewiesene Antworten auf folgende Fragen zu geben: 

Was ist geschehen?

• Verarbeitung und Analyse von Daten
• Erstellung informativer Datendarstellungen

Was wird geschehen?

• Prognose zukünftiger Leistungen
• Bewertung von Prognosen

Was sollte geschehen?

• Umwandlung von Daten in beispielsbasierte Geschäftsentscheidungen
• Optimierung von Prozessen

Diese von einem Kursleiter geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Einsteiger, die mit diesen Tools Daten bereinigen und analysieren, statistische Hochrechnungen durchführen und aufschlussreiche Visualisierungen erstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Grundlagen von Python, R, Power Query und Power BI für die Datenanalyse zu verstehen.
• Bereinigung und Organisation von Datensätzen mit Python und Power Query.
• Statistische Analysen und Hochrechnungen mit R durchführen.
• Erstellen von professionellen Dashboards und Berichten mit Power BI.
• Effektive Integration und Analyse von Daten aus verschiedenen Quellen.

R ist eine sehr beliebte, Open-Source-Umgebung für statistische Berechnungen, Datenanalyse und Grafiken. Dieser Kurs führt Studenten in die R-Programmiersprache ein. Er behandelt Sprachgrundlagen, Bibliotheken und fortgeschrittene Konzepte. Fortgeschrittene Datenanalyse und Visualisierung mit realen Daten.

Zielgruppe

Entwickler / Datenanalysten

Dauer

3 Tage

Format

Vorlesungen und praktische Übungen

Dieses vom Trainer geleitete, live-Training (online oder vor Ort) richtet sich an Einsteiger, die ein fundiertes Verständnis von R und dessen Arbeit mit Daten erlangen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die R-Programmierumgebung und die RStudio-Oberfläche zu verstehen.
• Datensätze mithilfe von R-Befehlen und Paketen zu importieren, zu manipulieren und zu erkunden.
• Grunderne statistische Analysen und Datenzusammenfassungen durchzuführen.
• Visualisierungen sowohl mit base R als auch mit ggplot2 zu erstellen.
• Arbeitsbereiche, Skripte und Pakete effektiv zu verwalten.

Diese von einem Trainer durchgeführte Live-Ausbildung in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Datenanalytiker und Geschäftsanalysten, die Zeitreihenvorhersagen durchführen und Prozesse der Datenauswertung mit R automatisieren möchten.

Am Ende dieser Ausbildung werden die Teilnehmer in der Lage sein:

• Grundlagen der Vorhersageverfahren in R zu verstehen.
• Exponentielles Glätten und ARIMA-Modelle für Zeitreihenanalyse anzuwenden.
• Das Paket ‘forecast’ zur Generierung genauer Vorhersagemodelle zu nutzen.
• Vorhersageprozesse für Geschäftsanwendungen und Forschung automatisieren.

R ist eine Open Source-freie Programmiersprache für statistische Berechnungen, Datenanalyse und Grafik R wird von einer wachsenden Zahl von Managern und Datenanalysten in Unternehmen und Hochschulen genutzt R verfügt über eine Vielzahl von Paketen für das Data Mining .

Diese vom Trainer geleitete, Live-Trainings in Österreich (online oder vor Ort) richtet sich an Data Scientists, die in Python und R für KNIME programmieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Maschinelles Lernen in KNIME zu planen, aufzubauen und bereitzustellen.
• datengestützte Entscheidungen für Betriebsabläufe zu treffen.
• Datenwissenschaftliche Projekte von Anfang bis Ende umzusetzen.

Schätzungen zufolge machen unstrukturierte Daten mehr als 90 Prozent aller Daten aus, viele davon in Form von Text. Blogbeiträge, Tweets, soziale Medien und andere digitale Veröffentlichungen tragen kontinuierlich zu dieser wachsenden Datenmenge bei.

In diesem Live-Kurs, der von einem Dozenten geleitet wird, geht es darum, Erkenntnisse und Bedeutung aus diesen Daten zu extrahieren. Unter Verwendung der R Language- und Natural Language Processing (NLP)-Bibliotheken kombinieren wir Konzepte und Techniken aus der Informatik, der künstlichen Intelligenz und der Computerlinguistik, um die Bedeutung hinter Textdaten algorithmisch zu verstehen. Datenbeispiele sind je nach Kundenanforderung in verschiedenen Sprachen verfügbar.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein, Datensätze (große und kleine) aus unterschiedlichen Quellen vorzubereiten und dann die richtigen Algorithmen anzuwenden, um die Bedeutung zu analysieren und zu berichten.

Format des Kurses

• Teilweise Vortrag, teilweise Diskussion, viel praktische Übung, gelegentliche Tests zur Überprüfung des Verständnisses

Zielgruppe

Kursformat

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

In diesem unterrichteten und live durchgeführten Kurs lernen die Teilnehmer, wie man Daten mit den Tools aus dem Tidyverse manipuliert und visualisiert.

Der Tidyverse ist eine Sammlung vielseitiger R-Pakete zur Bereinigung, Verarbeitung, Modellierung und Visualisierung von Daten. Einige der enthaltenen Pakete sind: ggplot2, dplyr, tidyr, readr, purrr und tibble.

• Anfänger in der R-Sprache
• Anfänger im Bereich Datenanalyse und Datavisualisierung

• Teil Vorlesung, teil Diskussion, Übungen und intensives Praktikum

• Datenanalyse durchführen und ansprechende Visualisierungen erstellen
• Nützliche Schlussfolgerungen aus verschiedenen Datensätzen von Beispieldaten ziehen
• Daten filtern, sortieren und zusammenfassen, um forschungsorientierte Fragen zu beantworten
• Verarbeitete Daten in informatische Linien-, Balken- und Histogramme umwandeln
• Daten aus diversen Datensources importieren und filtern, einschließlich Excel, CSV und SPSS-Dateien