Python ist eine einfach zu erlernende Programmiersprache, die schnell zu brauchbaren Ergebnissen führt. Kursinhalt: Kurzeinführung zu Python und zur Vorgehensweise beim Programmieren; Installation von Python und der Programmierumgebung; Schreiben und Aufrufen von Programmen; Anweisungen und Funktionen; Verzweigungen und Schleifen; Ein-/Ausgabe; Logische Operatoren; Module und Datenmengen; Nutzung der Bibliotheken; Fehlersuche. <strong>Zusätzliche Informationen:</strong> Dieser Online-Kurs findet mit Webex Meeting statt. Den Link mit den Zugangsdaten zum Kurs senden wir Ihnen einen Tag vor Kursbeginn per E-Mail zu. Bitte prüfen Sie auch Ihren Spam-Ordner, falls Sie keine E-Mail mit den Zugangsdaten erhalten.

Das populäre Statistikpaket R ist eine im akademischen und beruflichen Umfeld weit verbreitete Open-Source-Software. Es gibt eine wachsende, sehr aktive Community, die für ständige Weiterentwicklung sorgt. Sie lernen in diesem Kurs die Grundlagen der statistischen Analyse und Programmierung mit R kennen. Kursinhalt: R und sein Ökosystem; Installation von R und RStudio; grundlegende Syntax und Datenstrukturen; Einlesen und Aufbereiten von Daten; Auswertung deskriptiver Statistiken; Erstellung von Grafiken; Grundlagen der Regressionsanalyse mit R; Programmieren eigener Funktionen; Arbeiten mit Zusatzpaketen wie ggplot2 und dplyr. <strong>Voraussetzung:</strong> sicherer Umgang mit einem Windows-PC sowie das Verständnis von Grundkonzepten der Programmierung. <strong>Zusätzliche Informationen:</strong> Dieser Online-Kurs findet mit Webex Meeting statt. Den Link mit den Zugangsdaten zum Kurs senden wir Ihnen einen Tag vor Kursbeginn per E-Mail zu. Bitte prüfen Sie auch Ihren Spam-Ordner, falls Sie keine E-Mail mit den Zugangsdaten erhalten.

Im Predictive Modeling (auch Predictive Analytics oder Supervised Machine Learning) verwendet man Statistik, um Ereignisse vorherzusagen. Diese Ereignisse liegen oft in der Zukunft, es kann sich aber auch um andere Arten von unbekannten Ereignissen handeln. Diese Verfahren werden z. B. verwendet, um zu erkennen, wann ein Bauteil mit hoher Wahrscheinlichkeit ausfallen wird. Sie werden die wichtigsten Verfahren und die grundlegenden Konzepte zur Vorhersage kennen lernen und in Python anwenden. Darüber hinaus werden Sie das Machine Learning-Tool scikit-learn, XGBoost und pandas zur Datenaufbereitung verwenden. Kursinhalt: Predictive Modeling, Klassifikation und Regression, Verzerrung-Varianz-Dilemma, Entscheidungsbaum, Random Forest, Gradient Boosting (XGBoost), Kreuzvalidierung, Hyperparametertuning, Gütemaße, Undersampling, Datenaufbereitung (Imputation, One-Hot-Encoding, Normalisieren), scikit-learn, pandas. <strong>Voraussetzung:</strong> Kenntnisse entsprechend dem Kurs "Grundkurs: Programmierung mit Python". <strong>Zusätzliche Informationen:</strong> Dieser Online-Kurs findet mit Webex Meeting statt. Den Link mit den Zugangsdaten zum Kurs senden wir Ihnen einen Tag vor Kursbeginn per E-Mail zu. Bitte prüfen Sie auch Ihren Spam-Ordner, falls Sie keine E-Mail mit den Zugangsdaten erhalten.

Im Predictive Modeling (auch Predictive Analytics oder Supervised Machine Learning) verwendet man Statistik, um Ereignisse vorherzusagen. Diese Ereignisse liegen oft in der Zukunft, es kann sich aber auch um andere Arten von unbekannten Ereignissen handeln. Diese Verfahren werden z. B. verwendet, um zu erkennen, wann ein Bauteil mit hoher Wahrscheinlichkeit ausfallen wird. Sie werden die wichtigsten Verfahren und die grundlegenden Konzepte zur Vorhersage kennen lernen und in R anwenden. Darüber hinaus werden Sie das Machine Learning Framework Tidymodels, welches das Preprocessing, Training und Tuning in R vereinfacht, verwenden. Kursinhalt: Predictive Modeling, Klassifikation und Regression, Verzerrung-Varianz-Dilemma, Entscheidungsbaum, Random Forest, Gradient Boosting (XGBoost), Lasso, Neuronales Netz, Kreuzvalidierung, Hyperparametertuning, Gütemaße, Undersampling, Datenaufbereitung (Imputation, One-Hot-Encoding, Normalisieren), Framework Tidymodels. <strong>Voraussetzung:</strong> Kenntnisse entsprechend dem "Grundkurs: Statistikprogrammierung mit R". <strong>Zusätzliche Informationen:</strong> Dieser Online-Kurs findet mit Webex Meeting statt. Den Link mit den Zugangsdaten zum Kurs senden wir Ihnen einen Tag vor Kursbeginn per E-Mail zu. Bitte prüfen Sie auch Ihren Spam-Ordner, falls Sie keine E-Mail mit den Zugangsdaten erhalten.

R-Pakete aus dem "Tidyverse" bieten häufig eine leistungsfähigere und benutzerfreundliche Alternative zu den Base-R-Funktionen zur Datenaufbereitung. Das Grafikpaket ggplot2 entwickelt sich immer mehr zum Standard und mit Shiny lassen sich die Grafiken anschaulich interaktiv gestalten. Kursinhalt: Datenaufbereitung mit den Tidyverse-Paketen dplyr, tibble, usw.; ansprechende Grafiken mit ggplot2; ergänzende Pakete im ggplot2-Stil; ggplot2-Grafiken speichern; Dokumente mit Datenauswertungen mit R Markdown; interaktive Grafiken mit Shiny. <strong>Voraussetzung:</strong> Kenntnisse entsprechend dem "Grundkurs: Statistikprogrammierung mit R". <strong>Zusätzliche Informationen:</strong> Dieser Online-Kurs findet mit Webex Meeting statt. Den Link mit den Zugangsdaten zum Kurs senden wir Ihnen einen Tag vor Kursbeginn per E-Mail zu. Bitte prüfen Sie auch Ihren Spam-Ordner, falls Sie keine E-Mail mit den Zugangsdaten erhalten.

Das populäre Statistikpaket R ist eine im akademischen und beruflichen Umfeld weit verbreitete Open-Source-Software. Es gibt eine wachsende, sehr aktive Community, die für ständige Weiterentwicklung sorgt. Sie lernen in diesem Kurs die Grundlagen der statistischen Analyse und Programmierung mit R kennen. Kursinhalt: R und sein Ökosystem; Installation von R und RStudio; grundlegende Syntax und Datenstrukturen; Einlesen und Aufbereiten von Daten; Auswertung deskriptiver Statistiken; Erstellung von Grafiken; Grundlagen der Regressionsanalyse mit R; Programmieren eigener Funktionen; Arbeiten mit Zusatzpaketen wie ggplot2 und dplyr. <strong>Voraussetzung:</strong> sicherer Umgang mit einem Windows-PC sowie das Verständnis von Grundkonzepten der Programmierung.