Die R-Akademie von eoda ist ein modulares Trainingsprogramm für R, das praxisorientiert und umfassend die vielfältigen Möglichkeiten der Statistiksprache R behandelt. Mit dem R-Training von eoda stellen Sie sicher, dass Sie die richtigen Kenntnisse erwerben, um den maximalen Nutzen in der Anwendung von R zu erzielen.

1. R-Akademie 2014

2. R-Akademie
Die eoda R-Akademie - Wissen, was bewegt
Die R-Akademie von eoda ist ein modulares Trainingsprogramm für R, das praxisorientiert und umfassend die vielfältigen
Möglichkeiten der Statistiksprache R behandelt. Mit dem R-Training von eoda stellen Sie sicher, dass Sie die richtigen
Kenntnisse erwerben, um den maximalen Nutzen in der Anwendung von R zu erzielen.
Unsere Trainer arbeiten seit über 10 Jahre in der statistischen Datenanalyse. Unsere R-Trainings für Unternehmen,
Universitäten und Graduiertenzentren werden regelmäßig evaluiert und sehr gut bewertet. Eine Auswahl unserer
Referenzen:

3. R-Akademie
Über R
R ist eine Open Source Programmiersprache für statistische Datenanalyse und -visualisierung.
Mittlerweile hat sich R, neben den kommerziellen Softwarelösungen SPSS®, Stata® und SAS®, als
Standardsoftware für Datenanalyse sowohl in der Wissenschaft als auch in der freien Wirtschaft
etabliert. In vielen Bereichen ist R den kommerziellen Softwarelösungen bereits überlegen. Die
Entwicklung deutet darauf hin, dass sich R auf absehbare Zeit zum führenden System für
softwaregestützte Datenanalyse entwickeln wird.
R besteht aus einer Basisumgebung und einer Vielzahl freier Zusatzpakete, mit denen sich
praktisch alle Problemstellungen, die im weitesten Sinne mit Datenanalyse zu tun haben, lösen
lassen.
Traffic auf Email Listen
Jahr
TrafficaufE-MailListen
Anzahl an R-Paketen
Zeit
AnzahlanverfügbarenR-Paketen

4. R-Akademie
Die Vorteile von R
• Investitionssicherheit: Das Involvement der wissenschaftlichen Community in Verbindung mit dem zunehmenden
Engagement großer Unternehmen wie IBM®, SAS® und Revolution Analytics® für R bestätigt die Vehemenz mit der sich R in
den letzten Jahren in der Datenanalyse durchgesetzt hat und lässt eine weitere sehr positive Entwicklung für die
Marktakzeptanz erwarten.
• Grafik: R verfügt über eine enorm leistungsfähige Grafikengine, mit der Sie publikationsreife Grafiken automatisiert
erstellen können. Größe, Format und Auflösungen der Grafiken können direkt in R eingestellt werden, so dass eine
Weiterbearbeitung in anderen Programmen entfällt. Selbst Geodaten und Karten lassen sich ohne Weiteres visualisieren.
• Flexibilität: R kann verschiedenste Daten und Datenquellen nutzen. Von klassischen Dateien wie .sav-, .sas-, .xls- oder .txt-
Dokumenten bis hin zu Datenbanken und Internetressourcen lassen sich alle Datenquellen direkt in R einlesen und
weiterverarbeiten. Mit dem gleichen Code, den gleichen Tools und dem gleichen Know-how können sowohl Big Data als
auch kleinere Studien analysiert werden.
• Kosten: Es fallen keinerlei Lizenzkosten an.
• Analyseumfang: Mit R lassen sich alle gängigen und bekannten Analyseverfahren umsetzen. Darüber hinaus kann noch auf
unzählige weitere Verfahren zurückgegriffen werden. Selbst neueste Analyseverfahren stehen zeitnah zur Verfügung.
• Migration: R kann an alle gängigen Statistikprogramme, Microsoft Office® und Programmiersprachen angebunden werden.
Ein kompletter Umstieg auf R ist nicht zwingend, sondern Ihre bestehende Analyseumgebung kann – um ein vielfaches an
Funktionsumfang erweitert – weiterhin verwendet werden.
• Qualität: Das Kernentwicklerteam rund um R setzt sich aus weltweit renommierten Experten fürDatenanalyse zusammen.
Eine Auswahl an R-Usern

5. R-Akademie
Der Aufbau der eoda R-Akademie

6. R-Akademie
Kursangebot
Einführung in R
• Einstieg in R
Das Programm R, CRAN-Mirror, verschiedene
Umgebungen/Editoren von R, Nutzung der
internen Hilfe-Funktionen, Hilfen im Internet
• Konzept und Philosophie von R
Die Programmiersprache, Objekte und
Objektorientierung, Wertezuweisung,
Funktionen
• Variablentypen
Vektoren, Dataframes, Listen,…
• Einlesen von Daten
.txt-, .csv-, .xls-, .sav-Dateien, Internetquellen
etc.
• Datenmanagement
Bildung neuer Variablen, bedingtes
Umkodieren, einfache Berechnungen,
fehlende Werte
• Auswertungen mit R
Statistische Kennzahlen, einfache Tabellen und
Grafiken
Data Mining mit R
• Einführung in das Data Mining
• Modell-Evaluation
Modellauswahl und Datenbasis, Fehlermatrix,
Risk-Charts, ROC, Sensitivität, Präzision, Lift,
Prognose und Beobachtung
• Explorative Analyse
tabellarische Analyse, visuelle Analyse
(metrisch, kategorial), Korrelationsanalyse,
Missing-Values Korrelation
• Assoziationsanalyse
Support, Konfidenz, Lift, Interpretation
• Decision- und Regressiontrees
Algorithmus, Interpretation, grafische
Interpretation
• Neuronale Netze
Theorie, Lernprozess im KNN, nnet
• Random Forest
Theorie, Interpretation, erweiterte Optionen,
Conditional inference trees
Grafikerstellung mit R
• Grafik Pakete
base, grid, ggplot2, lattice, plot
• ggplot
Data, Mapping
• High-Level Grafik Elemente
Balkendiagramm, Punktdiagramm,
Tortendiagramm, Mosaikdiagramm, Histo-
gramme, Dichtediagramme, Scatterplots
• Low-Level Grafik Elemente
Pfeile, Achsen, Legenden, Gitter,
Überschriften
• Layer Komponenten
Geoms, Stats, Coord, Facet, Opts

7. R-Akademie
Kursangebot
Multivariate Statistik mit R
• Regressionsanalyse
Modell und Ausgangspunkt
Interpretation und Güte
Mögliche Probleme
• Faktorenanalyse
Theorie der Faktorenanalyse
Eignungsprüfung
Anzahl der Faktoren
Anzahl der zu extrahierenden Dimensionen
• Clusteranalyse
Ausgangspunkt und Theorie
Unterschiedliche Abstandsmaße
Interpretation
Visualisierung
Statistische Testverfahren
• Überblick über statistische Testverfahren
• Normalverteilung
Kolmogorov-Smirnov-Anpassungstest
• Unabhängigkeit
Chi-Quadrat-Test, Cramers V
• Homogenität
Kolmogorov-Smirnov-Z-Test, Kruskal-Wallis-H-
Test
• Korrelation
Pearsons Korrelationskoeffizient, Kendall Tau-
b, Spearmans Rangkorrelationskoeffitient
• Varianztest
t-test, ANOVA
• Post-Hoc-Tests
Varianzhomogenität, Multiple Vergleiche
• Kontraste
Qualitative Analysen mit R
• Überblick über Text Mining
• Einlesen von unstrukturierten Daten
• Klassifikation von Dokumenten
• Clustering
• Assoziationsanalyse

8. R-Akademie
Kursangebot
Programmieren mit R (I)
• Einstieg
Vektoren, Dataframes, Funktionen,
Indizieren, Logische Operatoren
• Funktionen definieren
• Bedingte Anweisungen
if, else, ifelse
• Schleifen
Indizieren, Abbrechen, Wiederholen
• Apply-Funktionen
lapply, sapply, tapply
• S3-Klassensystem
Theorie, eigene Klassen erstellen,
generische Funktionen erstellen, Vererbung
• Metaprogrammierung
Calls, Expressions, Zeichenketten
• Einbindung in Betriebssysteme
• Parallelisierung
Programmieren mit R (II)
• Parallelverarbeitung
Multicore, snow, snowfall, doParallel
• Compiling Funktionen
Cmpfun, just-in-time compiling
• Benchmarking
Microbenchmarking, autoplot
• Profiling
Rprof-Funktionen, trace, memory profiling
• Code Optimierung
Vektorisierung, Pre-allocating memory, Suche
nach hilfreichen Paketen
• Debugging
U.a. Visual debugging
Zeitreihenanalyse mit R
• Einführung in Zeitreihenverfahren
• Visualisieren von Zeitreihen
• Dekomposition
• Testverfahren
• Exponentielles Glätten
• ARIMA Modelle
• Forecasting
• Einführung in die Eventhistory-Analyse
• Kaplan Meier Modell
• Cox-Regression

9. R-Akademie
Kursangebot
Angewandte Statistik im
Qualitätsmanagement mit R
• Grundlagen im Umgang mit R
• Einführung in die Konzepte des
statistischen Testens
Ermittlung der optimalen Stichprobengröße
Auswahl des richtigen Testverfahrens
Interpretation von Kennziffern
Aussage über die Sicherheit der Ergebnisse
Definition von zulässigen Abweichungen
AQL Normwerttabellierungen nach ISO 2859
und DIN ISO 3951
• Praxisbezogener Einsatz von R im
Qualitätsmanagement
Interaktive Grafiken mit R
Interaktive Grafiken sind ein flexibler und
effizienter Weg um Daten zu analysieren und
um Analyseergebnisse zu präsentieren.
Interaktive grafische Anwendungen bieten
Abfragen, Selektionen, Highlighting oder die
Modifikation von Grafikparametern. Im
Umfeld von R gibt es verschiedene Konzepte,
die die Erstellung von interaktiven Grafiken
und Anwendungen direkt aus R heraus
möglich machen. Erwähnt seien hier IPlots,
googleVis oder shiny. Der Kurs gibt einen
ersten Überblick über die Erstellung
interaktiver Grafiken mit R und liefert das
Rüstzeug, um selbst interaktive
Visualisierungen in R zu realisieren.
Reproducible ResearchReproducible Research
• Einlesen von Daten aus verschiedenen
Quellen
Z. B. aus Excel, SPSS
• Analyse der eingelesenen Daten
Pan doc, knitR
• Anfertigen von statischen
Reportvorlagen und variablen
Stylesheets
Z. B. Latex, HTML, CSS
• Ausgabe dynamischer Reports

10. R-Akademie
Kursangebot
Big Data mit R
Vielfältige Initiativen haben verschiedene
Konzepte zum Umgang mit großen
Datenmengen in R hervorgebracht. Unter
anderem wurden verschiedene Parser und
Pakete entwickelt, die den Umgang mit Big
Data in R vereinfachen. Der Kurs gibt einen
einführenden Überblick über folgende
Aspekte:
• Verbindungen zu Datenquellen wie
Datenbanken oder File Systemen wie
Hadoop,
• Anbindung an Cloud Umgebungen wie
WindowsAzure oder Amazon Web
Services,
• Chunking – Aufteilen der Daten in
Teilbereiche,
• Parallelisierung von Jobs zur Berechnung,
• Überblick über die verschiedenen
Konzepte der verschiedenen Parser
(Revolution Analytics, Oracle R
Enterprise, Renjin, …)
• Visualisierung von Big Data.
Hadoop mit R
Daten in verteilten Systeme wie Hadoop-
Clustern erfordern im Vergleich zu nicht
verteilt vorliegenden Daten andere Verfahren
zur Analyse der Daten als MapReduce. Das
Prinzip von MapReduce besteht darin, ein
Problem in kleine Aufgaben einzuteilen, die
dann auf einem kleinen Teil der Daten gelöst
werden. Ein typisches Einsatzszenario für
Daten, die in einem Hadoop-System
gespeichert sind, ist das Auszählen von
Wörtern in Textdateien. Während bei
herkömmlichen Techniken die gesamte
Textmenge en bloc zeitaufwendig
durchgearbeitet wird, zerlegt man mit
MapReduce die Texte auf den einzelnen
Knoten in kleine Blöcke. Mit dem Reduce-Teil
werden dann die Ergebnisse wieder
zusammengefasst. Auf diese Art lassen sich
auch komplexere Such-, Vergleichs- und
Analyseoperationen parallelisieren und
dadurch schneller berechnen. Der Kurs
vermittelt die Entwicklung von Skripten für
MapReduce Jobs an konkreten Beispielen.
Ort
Die Kurse finden in unseren Schulungsräumen
in der Ludwig-Erhard-Straße 8 in Kassel statt. Es
besteht sowohl eine gute Anbindung mit dem
Auto als auch mit öffentlichen Verkehrsmitteln.
In der unmittelbaren Umgebung zum
Veranstaltungsort sind verschiedene
Übernachtungsmöglichkeiten gegeben. Wir
helfen Ihnen gerne bei der Suche.
Voraussetzungen
Die Kurse richten sich vornehmlich an
Personen, die bereits Grundlagenkenntnisse
mit Statistiksoftwarepaketen bzw. Excel
gemacht haben. Grundlegende R-Kenntnisse
sind für alle Kurse außer „Einführung in R“
vorausgesetzt. Für die Kurse wird ein eigener
Laptop mit Administrationsrechten benötigt.

11. R-Akademie
eoda
Wir bei eoda lieben Daten und Analysen. Wir
sind Data Scientists, Softwareentwickler,
Unternehmensberater und Personal Trainer in
einem. Auf der Basis reichhaltiger Erfahrung in
Data Mining und Predictive Analytics
generieren wir strategische
Wettbewerbsvorteile aus Daten.
Unser Team entwickelt Handlungs-
empfehlungen und Lösungen, die Ihnen helfen,
sich bestmöglich an kommende Trends oder
anstehende Marktveränderungen anzupassen.
Wir sind als erstes deutsches Unternehmen
Mitglied der R-Community und gehören zu den
Vorreitern in der unternehmerischen
Verwendung von R im deutschsprachigen
Raum. Dieses Wissen und die Begeisterung für
die nahezu unbegrenzten Möglichkeiten von R
teilen wir auch gerne mit Ihnen – In unserer R-
Akademie bieten wir Ihnen die Möglichkeit zu
erlernen, wie Sie selbst sinnvoll mit
statistischen Methoden und den anfallenden
Daten in Ihrem Umfeld umgehen.
Anmeldung
Das Anmeldeformular, eine und weitere Informationen zu Terminen
und Preisen finden Sie auf unserer Homepage
Ludwig-Erhard-Straße 8
34131 Kassel
Tel. +49 (0)561 202 724 40
Fax. +49 (0)561 202 724 30
info@eoda.de
www.eoda.de
Was wir bieten
• Kurse in Kleingruppen bis maximal 8 Teilnehmer
• Hohe Praxisorientierung durch erfahrene Trainer aus der Praxis
• Ausreichend Übungsphasen, in denen das Gelernte direkt umgesetzt werden kann
• Hochwertige Kursmaterialien und einheitliche Übungsdatensätze
• Überprüfung der Lernziele