Programmieren mit R - Fortgeschrittenenkurs
Classroom training | German | Claim
Duration of training: 3 days
Objectives
Die Programmiersprache R wurde für schnelle ad hoc-Datenanalysen und Visualisierungen entwickelt. Sie bietet jedoch auch leistungsfähige Werkzeuge zur Programmierung. Dieser Kurs richtet sich an R-Anwender, die mit den Grundlagen vertraut sind, bereits eigene Analysen durchgeführt haben und nun fortgeschrittene Programmiertechniken erlernen möchten.
Target audience
R-Anwender, die besseren, eleganteren und schnelleren R-Code schreiben wollen
Requirements
- Kenntnisse der grundlegenden Datenstrukturen in R
- Erfahrung mit Datenanalysen in R
- Wünschenswert: Grundkenntnisse in dplyr und ggplot2
Kenntnisse anderer Programmiersprachen können nützlich sein, sind aber keine Teilnahmebedingung.
Agenda
Funktionales Programmieren
- Benutzerdefinierte Funktionen schreiben und anwenden
- Anonyme Funktionen, Parameter-Übergabe, Fehlerbehandlung
- Funktionen, die Funktionen als Argumente übernehmen
- Funktionen, die Funktionen als Ergebnis liefern
- Einführung / Wiederholung: apply-Funktionen in Base R
- map-Funktionen aus dem purrr-Paket
- Anwendungsbeispiel: Viele statistische Modelle gleichzeitig aufstellen und Ergebnisse elegant weiterverarbeiten mit wenigen Code-Zeilen
Fehlerbehebung: Debugging in RStudio
Effizient programmieren in R: Die Möglichkeiten, R-Code zu beschleunigen.
- Laufzeit von R-Code messen: system.time() und microbenchmark()
- Strategien zur Optimierung von R-Code, Praxisbeispiele
- Profiling, um Flaschenhälse (langsame Code-Abschnitte) zu lokalisieren
- Parallele Programmierung: Mehrere Prozessorkerne / Cluster nutzen
- Verteilung der Lasten an die Arbeiter: Load Balancing
- Erkennen, ob R-Code zur Parallelisierung geeignet ist
Einführung in objektorientiertes Programmieren mit R (S3-Klassen)
- Programmierbeispiel mit einfacher Spiel-Simulation und benutzerdefinierter Print-Methode
Eigene R-Pakete erstellen in RStudio
- Ordnerstruktur von R-Paketen
- Eigene Funktionen schreiben und dokumentieren; R-interne Hilfefunktion nutzen
- Pakete, die die Paket-Erstellung unterstützen: devtools, usethis, roxygen2, testthat
- Paket installieren, testen, weiterentwickeln
Objectives
Die Programmiersprache R wurde für schnelle ad hoc-Datenanalysen und Visualisierungen entwickelt. Sie bietet jedoch auch leistungsfähige Werkzeuge zur Programmierung. Dieser Kurs richtet sich an R-Anwender, die mit den Grundlagen vertraut sind, bereits eigene Analysen durchgeführt haben und nun fortgeschrittene Programmiertechniken erlernen möchten.
Target audience
R-Anwender, die besseren, eleganteren und schnelleren R-Code schreiben wollen
Requirements
- Kenntnisse der grundlegenden Datenstrukturen in R
- Erfahrung mit Datenanalysen in R
- Wünschenswert: Grundkenntnisse in dplyr und ggplot2
Kenntnisse anderer Programmiersprachen können nützlich sein, sind aber keine Teilnahmebedingung.
Agenda
Funktionales Programmieren
- Benutzerdefinierte Funktionen schreiben und anwenden
- Anonyme Funktionen, Parameter-Übergabe, Fehlerbehandlung
- Funktionen, die Funktionen als Argumente übernehmen
- Funktionen, die Funktionen als Ergebnis liefern
- Einführung / Wiederholung: apply-Funktionen in Base R
- map-Funktionen aus dem purrr-Paket
- Anwendungsbeispiel: Viele statistische Modelle gleichzeitig aufstellen und Ergebnisse elegant weiterverarbeiten mit wenigen Code-Zeilen
Fehlerbehebung: Debugging in RStudio
Effizient programmieren in R: Die Möglichkeiten, R-Code zu beschleunigen.
- Laufzeit von R-Code messen: system.time() und microbenchmark()
- Strategien zur Optimierung von R-Code, Praxisbeispiele
- Profiling, um Flaschenhälse (langsame Code-Abschnitte) zu lokalisieren
- Parallele Programmierung: Mehrere Prozessorkerne / Cluster nutzen
- Verteilung der Lasten an die Arbeiter: Load Balancing
- Erkennen, ob R-Code zur Parallelisierung geeignet ist
Einführung in objektorientiertes Programmieren mit R (S3-Klassen)
- Programmierbeispiel mit einfacher Spiel-Simulation und benutzerdefinierter Print-Methode
Eigene R-Pakete erstellen in RStudio
- Ordnerstruktur von R-Paketen
- Eigene Funktionen schreiben und dokumentieren; R-interne Hilfefunktion nutzen
- Pakete, die die Paket-Erstellung unterstützen: devtools, usethis, roxygen2, testthat
- Paket installieren, testen, weiterentwickeln
