R Programmieren Lernen-R Kurs tidyverse | Grundlagen in R (original) (raw)
Programmieren mit R für Anfänger + Tidyverse Grundlagen
Einführung in R und die Programmierung. Ein R Kurs mit Tidyverse zur Datenaufbereitung und RStudio
(*) zzgl. MwSt (**) inkl. MwSt
| Termin (2 Tage) | Ort | Belegung | Preise | |
|---|---|---|---|---|
| Mo 28.07 - Di 29.07.25 | Live-Online Zoom Meeting |  |
1.250,00 € (*) 1.487,50 € (**) | BUCHEN |
| Mo 27.10 - Di 28.10.25 | Live-Online Zoom Meeting | |
1.250,00 € (*) 1.487,50 € (**) | BUCHEN |
Dauer: nach Absprache
Termin: nach Absprache
Angepasster Kurs zum Wunschtermin
Bei Ihnen vor Ort oder Online
Preis: nach Angebot
Sprachen: Deutsch oder Englisch
Kurs auf einen Blick
Über die Schulung
- Dauer: 2 Tage
- Gruppengröße: 3-10
- Level: Anfänger ohne Programmiererfahrung
- Anteil Coding: 60%
- Sprache: R
- Bibliotheken: dplyr aus tidyverse, ggplot2, stats, lm,…
- Skript: .pdf (Theorie, Aufgaben & Lösungen)
Ihr Trainer für den Kurs
Der R Kurs auf einen Blick
- Test – Einführung in R und in wichtige Datenstrukturen
- Grundlagen eines tibble zur Datenanalyse
- Einführung in dplyr
- Datenbearbeitung mit dplyr
- Statistische Berechnungen via dplyr
- Daten einlesen und schreiben (csv, .RData)
- Eigene Funktion schreiben
- Plots erstellen mit ggplot2
Beschreibung vom R Anfänger Seminar
Dieser zweitägige Kurs bietet eine umfassende Einführung in die Programmiersprache R und legt einen Schwerpunkt auf datenanalytische Konzepte und deren Implementierung in R. Zudem wird die Datenstruktur tibble aus dem weit verbreiteten tidyverse erläutert, um den Teilnehmern solide Grundkenntnisse in der Datenanalyse zu vermitteln.
R hat sich als eine der bevorzugten Programmiersprachen für statistische Analysen und Datenverarbeitung sowohl in der Wissenschaft als auch in der Wirtschaft durchgesetzt. Sie findet in verschiedenen Branchen Anwendung, darunter in der Versicherungswirtschaft, im Finanzwesen und in der medizinischen Statistik. Nutzer schätzen R für seine Leistungsstärke in der statistischen Analyse, seine Fähigkeit zur einfachen Erstellung von qualitativ hochwertigen Grafiken sowie seine reichhaltigen Funktionen und Methoden für die Statistik und Datenanalyse. R bietet auch im Bereich des maschinellen Lernens erhebliche Vorteile durch seine breite Palette an Algorithmen und Benutzerfreundlichkeit. Es wird geschätzt, dass weltweit über zwei Millionen Menschen R verwenden.
Im Zentrum des Kurses steht eine klare und verständliche Vermittlung der Grundlagen, die sich insbesondere an Programmieranfänger ohne vorherige Erfahrung richtet. Der Kurs legt besonderen Wert auf die praktische Anwendung von R und das eigenständige Programmieren der Teilnehmer.
Nach Abschluss des Seminars verfügen die Teilnehmer über einen fundierten Überblick über die wesentlichen Grundlagen von R, sind mit dem tidyverse-Paket vertraut und in der Lage, selbständig Datenanalysen durchzuführen.
Dieser zweitägige Kurs bietet eine umfassende Einführung in die Programmiersprache R und legt einen Schwerpunkt auf datenanalytische Konzepte und deren Implementierung in R. Zudem wird die Datenstruktur tibble aus dem weit verbreiteten tidyverse erläutert, um den Teilnehmern solide Grundkenntnisse in der Datenanalyse zu vermitteln.
R hat sich als eine der bevorzugten Programmiersprachen für statistische Analysen und Datenverarbeitung sowohl in der Wissenschaft als auch in der Wirtschaft durchgesetzt. Sie findet in verschiedenen Branchen Anwendung, darunter in der Versicherungswirtschaft, im Finanzwesen und in der medizinischen Statistik. Nutzer schätzen R für seine Leistungsstärke in der statistischen Analyse, seine Fähigkeit zur einfachen Erstellung von qualitativ hochwertigen Grafiken sowie seine reichhaltigen Funktionen und Methoden für die Statistik und Datenanalyse. R bietet auch im Bereich des maschinellen Lernens erhebliche Vorteile durch seine breite Palette an Algorithmen und Benutzerfreundlichkeit. Es wird geschätzt, dass weltweit über zwei Millionen Menschen R verwenden.
Im Zentrum des Kurses steht eine klare und verständliche Vermittlung der Grundlagen, die sich insbesondere an Programmieranfänger ohne vorherige Erfahrung richtet. Der Kurs legt besonderen Wert auf die praktische Anwendung von R und das eigenständige Programmieren der Teilnehmer.
Nach Abschluss des Seminars verfügen die Teilnehmer über einen fundierten Überblick über die wesentlichen Grundlagen von R, sind mit dem tidyverse-Paket vertraut und in der Lage, selbständig Datenanalysen durchzuführen.
Was lernen Sie neben der Datenanalyse mit R?
Das Seminar „Grundlagen von R für Anfänger“ bietet Teilnehmern einen umfassenden Einstieg in die Verwendung von R und R-Studio. Es beginnt mit einem kurzen Einblick in R und R-Studio. Anschließend wird den Teilnehmern die Bedienung von R und RStudio nähergebracht, einschließlich der Verwendung des Editors, der Konsole und der Hilfefunktionen.
Die Teilnehmer lernen, wie sie Pakete in R installieren und einbinden können, sowie wie man Variablen zuordnet und Skripte erstellt und ausführt. Dabei werden sie mit den Hauptdatenstrukturen von R, wie Vektoren, Faktoren und Arrays, vertraut gemacht. Sie erfahren, wie sie Elemente aus diesen Datenstrukturen extrahieren, Daten mit grundlegenden Funktionen aufbereiten und Daten in verschiedene Datenstrukturen umwandeln können.
Im weiteren Verlauf des Seminars erhalten die Teilnehmer eine Einführung in das dplyr-Paket, einen Bestandteil des tidyverse. Sie lernen, wie sie mit einem Tibble arbeiten können, einer Fortentwicklung des data.frames, und wie sie die ersten dplyr-Funktionen zur Spaltenauswahl anwenden können, einschließlich select(), filter(), rename() und slice(). Sie werden auch den Einsatz logischer Operatoren kennenlernen.
In der Folge werden die Teilnehmer in die Datenmodifikation mit dplyr eingeführt. Sie lernen, wie man Zeilen mit der Funktion arrange() sortiert, neue Spalten mit mutate() berechnet und statistische Zusammenfassungen mit summarise() erstellt. Die Verwendung des Pipe Operators %>%, der Gruppierung von Analysen mit group_by() und der Behandlung von fehlenden Daten mit drop_na() und replace_na() wird ebenfalls behandelt.
In einem weiteren Abschnitt des Seminars erfahren die Teilnehmer, wie sie deskriptive Statistiken mit dplyr ermitteln können. Sie lernen, wie sie zufällige Stichproben aus vorhandenen Daten auswählen und Korrelationsuntersuchungen (Spearman, Pearson) durchführen können. Auch die Erstellung von Kontingenztabellen wird erläutert.
Das Seminar geht auch auf Kontrollabläufe ein. Die Teilnehmer lernen, wie man benutzerdefinierte Funktionen erstellt, Standardwerte in Funktionen definiert, For-Schleifen verwendet und If-Else Anweisungen implementiert.
Der Abschnitt über Datenvisualisierung wird den Teilnehmern das Konzept der Grafikgrammatik und die Anwendung der ggplot2-Ebenen zur Erstellung erster Grafiken und statistischer Darstellungen näherbringen. Sie werden auch lernen, wie man Darstellungen anpasst und mehrere Subplots erstellt und speichert.
Schließlich werden die Teilnehmer erfahren, wie sie das Arbeitsverzeichnis in R und RStudio festlegen, CSV-, Excel- oder SPSS-Dateien importieren und exportieren, und nützliche Parameter und die fread()-Funktion für umfangreiche Datensätze nutzen können.
Das Seminar gibt den Teilnehmern Gelegenheit, das Erlernte zu vertiefen, zu testen und Fragen zu stellen. Das Seminar richtet sich an Anfänger und bietet ausreichend Zeit für Fragen, Experimentieren und das Schreiben von Code.
Das Seminar „Grundlagen von R für Anfänger“ bietet Teilnehmern einen umfassenden Einstieg in die Verwendung von R und R-Studio. Es beginnt mit einem kurzen Einblick in R und R-Studio. Anschließend wird den Teilnehmern die Bedienung von R und RStudio nähergebracht, einschließlich der Verwendung des Editors, der Konsole und der Hilfefunktionen.
Die Teilnehmer lernen, wie sie Pakete in R installieren und einbinden können, sowie wie man Variablen zuordnet und Skripte erstellt und ausführt. Dabei werden sie mit den Hauptdatenstrukturen von R, wie Vektoren, Faktoren und Arrays, vertraut gemacht. Sie erfahren, wie sie Elemente aus diesen Datenstrukturen extrahieren, Daten mit grundlegenden Funktionen aufbereiten und Daten in verschiedene Datenstrukturen umwandeln können.
Im weiteren Verlauf des Seminars erhalten die Teilnehmer eine Einführung in das dplyr-Paket, einen Bestandteil des tidyverse. Sie lernen, wie sie mit einem Tibble arbeiten können, einer Fortentwicklung des data.frames, und wie sie die ersten dplyr-Funktionen zur Spaltenauswahl anwenden können, einschließlich select(), filter(), rename() und slice(). Sie werden auch den Einsatz logischer Operatoren kennenlernen.
In der Folge werden die Teilnehmer in die Datenmodifikation mit dplyr eingeführt. Sie lernen, wie man Zeilen mit der Funktion arrange() sortiert, neue Spalten mit mutate() berechnet und statistische Zusammenfassungen mit summarise() erstellt. Die Verwendung des Pipe Operators %>%, der Gruppierung von Analysen mit group_by() und der Behandlung von fehlenden Daten mit drop_na() und replace_na() wird ebenfalls behandelt.
In einem weiteren Abschnitt des Seminars erfahren die Teilnehmer, wie sie deskriptive Statistiken mit dplyr ermitteln können. Sie lernen, wie sie zufällige Stichproben aus vorhandenen Daten auswählen und Korrelationsuntersuchungen (Spearman, Pearson) durchführen können. Auch die Erstellung von Kontingenztabellen wird erläutert.
Das Seminar geht auch auf Kontrollabläufe ein. Die Teilnehmer lernen, wie man benutzerdefinierte Funktionen erstellt, Standardwerte in Funktionen definiert, For-Schleifen verwendet und If-Else Anweisungen implementiert.
Der Abschnitt über Datenvisualisierung wird den Teilnehmern das Konzept der Grafikgrammatik und die Anwendung der ggplot2-Ebenen zur Erstellung erster Grafiken und statistischer Darstellungen näherbringen. Sie werden auch lernen, wie man Darstellungen anpasst und mehrere Subplots erstellt und speichert.
Schließlich werden die Teilnehmer erfahren, wie sie das Arbeitsverzeichnis in R und RStudio festlegen, CSV-, Excel- oder SPSS-Dateien importieren und exportieren, und nützliche Parameter und die fread()-Funktion für umfangreiche Datensätze nutzen können.
Das Seminar gibt den Teilnehmern Gelegenheit, das Erlernte zu vertiefen, zu testen und Fragen zu stellen. Das Seminar richtet sich an Anfänger und bietet ausreichend Zeit für Fragen, Experimentieren und das Schreiben von Code.
Ich habe an einem einwöchigen Kurs über Deep Learning teilgenommen. Die Kursmaterialien sind sehr gut und vollständig ausgearbeitet. Außerdem haben das Skript und auch der Kurs insgesamt eine sehr gute Struktur. Der Tutor ist sehr engagiert …
Super Seminar ! (...) Die Inhalte waren sehr gut gegliedert und wurden absolut verständlich vermittelt. Insgesamt hat die Kombination aus theoretischen Inhalten und praktischen Übungen ein ganzheitliches Verständnis ermöglicht ...
Sehr gutes Verhältnis aus Information und Zeit, sehr gute persönliche Ansprache, sehr angenehmer Vortrag ohne viel Bla-Bla. Insgesamt absolut zufrieden.
Sehr hilfreicher Kurs um die praktischen basics von Künstlicher Intelligenz und neuronalen Netzwerken zu lernen. Theorie und Praxis in schneller Abwechslung um die gelernten Konzepte umzusetzen und zu üben ...
Ein toller Kurs, durchgeführt mit geballter Expertise und einer Engelsgeduld bei der Beantwortung von Fragen und Behebung von Problemen. Ich habe in diesen drei Tagen enorm viel gelernt, ...
Kursinhalte
Organisatorisches
FAQ
Begrüßung und Organisatorisches
- Vorstellungsrunde
- Erwartungen der Teilnehmer
09:15 – 10:45
Wilkommen zu R
- Ein kurzes Verständnis von R und R-Studio
- Anleitung zur Bedienung von R und R-Studio (Editor, Konsole, Hilfe, etc.)
- Paketinstallation und Laden der Module
- Variablen zuweisen
11:00 – 12:30
Datenstrukturen
- Vektor, Faktor und Array in R
- Übersicht und Zusammenfassungen der Daten
- Konvertierung von Daten in alternative Datenstrukturen
13:30 - 15:00
Einführung in dplyr (Teil des tidyverse)
- Ein Blick auf das Tidyverse-Ökosystem
- Tibble – eine Erweiterung des data.frames
- Erste dplyr-Funktionen zur Spaltenauswahl
- select(), filter(), rename(), slice()
- Logische Operatoren im Einsatz
15:15 – 17:00
Datenbearbeitung mit dplyr
- Anordnung von Zeilen – arrange()
- Berechnung neuer Spalten – mutate()
- Berechnung von Statistiken – summarise()
- Der Pipe Operator %>%
- Gruppenanalysen – group_by()
- Behandlung fehlender Daten – drop_na(), replace_na()
Rückblick und offene Fragen von Tag 1
09:15 – 10:45
Statistikberechnung mit dplyr
- Wesentliche deskriptive Statistiken
- Ziehen einer zufälligen Stichprobe aus vorhandenen Daten
- Korrelationsanalyse (Spearman, Pearson)
- Kontingenztabellen-Erstellung
11:00 – 12:30
Kontrollstrukturen
- Verfassen eigener Funktionen
- Setzen von Standardparametern in Funktionen
- Verwendung von For-Schleifen
- If-Else Anweisungen
13:30 - 15:00
Dateneingabe und -ausgabe
- Arbeitsverzeichnis in R und RStudio festlegen
- CSV, Excel oder SPSS-Dateien einlesen/schreiben
- Überblick über nützliche Parameter
- fread()-Funktion für große Datensätze
15:15 – 17:00
Datenvisualisierung mittels ggplot2
- Das Konzept der Grafikgrammatik
- Die ggplot2-Schichten zur Erzeugung erster Diagramme und zur Darstellung von Statistiken
- Anpassung von Darstellungen (Größe der Datenpunkte, Farbe, Gruppierung) mit einer festgelegten oder variablen Variable
- Erstellung mehrerer Subplots, Anpassung und Speicherung von Diagrammen
Zielgruppe der R Programmierung Einführung
Dieser Kurs mit R richtet sich an Teilnehmer, welche Grundlagen von R lernen möchten und keine oder geringe Erfahrung in Programmieren, der Analyse von Daten und der Bedienung der Statistik-Software R mit RStudio haben. Ziel ist eine Einführung in R und die Umsetzung in RStudio. Teilnehmer haben in Ihrem Unternehmen mit der Auswertung von Daten zu tun oder wollen sich in diese Richtung entwickeln.
Voraussetzungen für den R Kurs mit Tidyverse Training
Diese R Einführung setzt keine Kenntnisse in R oder einer anderen Programmiersprache voraus. Notwendig sind jedoch Vorerfahrung mit dem Umgang von Daten. Teilnehmer haben bereits in Excel oder einer BI-Software gearbeitet und verstehen bspw. das Konzept einer spaltenweisen Berechnung bzw. einfache Statistiken (Mittelwert, Varianz).
Allgemeine Computerkenntnisse und mathematische Grundkenntnisse (Was ist eine Funktion, Summenzeichen, Integral, Ableitung, Grundrechenarten, Koordinatensystem zum Plotten, …) werden vorausgesetzt.
Verwendete Fachbegriffe in R und die Dokumentation im Internet sind auf Englisch. Daher sind die Folien in dieser Schulung auf Englisch. Die Sprache im Kurs ist Deutsch.
Didaktischer Aufbau der R Schulung
Diese Schulung erklärt die Grundlagen von R und der Programmierung mit R. Die Praxis steht im Vordergrund. Teilnehmer programmieren eigenständig in der Entwicklungsumgebung RStudio, um direkt zu üben. Somit können Fragen direkt vom Trainer beantwortet werden und Unklarheiten können besprochen werden. Der Trainer unterstützt bei der Lösung der Übungen.
Technik im R Seminar
- Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-mail zugesandt. Auf Anfrage stellen wir auch Schulungslaptops zur Verfügung.
- Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
- Sie sollten sich in firmenfremde WLAN-Netze registrieren können.
- Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
- Im Seminar wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).
Gibt es ein Buch, welches den Kurs ergänzt?
Für das Seminar ist folgendes Buch als Ergänzung hilfreich:
Andrie de Vries: R für Dummies.
Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.
In welchen Städten wird das Seminar angeboten?
Wir bieten den Kurs in folgender Stadt an: Stuttgart, München, Frankfurt, Hamburg, Berlin. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.
Ich möchte gerne viel coden und hands-on Lernen. Ist das der richtige Kurs?
Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste von vier Lektionen am ersten Tag schafft die Grundlagen und sie können den Editor gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.
Welche Lernmethoden werden verwendet?
Im Seminar enthält jeder Block (meist über etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Übungsaufgaben zu verstehen und selbstständig lösen zu können. Wir verzichten auf langatmige, wissenschaftliche Theorieeinheiten und konzentrieren uns auf den theoretischen Stoff der zu einem besseren Verständnis beiträgt. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und Lösen von kleinen Verständnisaufgaben zum Lernstoff. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf. Codebeispiele und die Musterlösung der Übungsaufgaben liegen digital vor.
Wie sehen die Übungen für die Teilnehmer aus?
Die Übungen bestehen hauptsächlich aus Coding Aufgaben, d.h. Sie schreiben entweder kurze Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können. Desweiteren gibt es für manche Kapitel kurze Kontrollfragen zum Theorieteil.
- für KMU und Einzelpersonen
- Übernahme von bis zu 500 EUR der Kursgebühren
Stimmen bisheriger Teilnehmer
Mir hat die Schulung sehr gut gefallen, es war interessant zu sehen welche Möglichkeiten es mit Python so alles gibt und wie man es am Besten umsetzt. Ich hoffe Du kannst weiterhin viele Teilnehmer für dieses zukunftsträchtige Thema gewinnen. Alles Gute für Deine nächsten Schulungen.
Stefan KönigData Science in Python
Das Seminar ist gut strukturiert und ermöglicht auch Teilnehmern mit geringeren Vorkenntnissen einen guten Einstieg in die Materie. Übungsaufgaben zu den verschiedenen Einheiten ermöglichen es, das Erlernte zu festigen. Dabei bieten unterschiedliche Schwierigkeitsgrade der Übungen für alle Teilnehmer einen Mehrwert. (...) Jan erklärt gut verständlich, motiviert und sorgt für eine gute Stimmung in der Gruppe. Er hat für jeden Teilnehmer individuelle Tipps parat und macht Lust auf "mehr Python". (...)
Lea HartmannData Science in Python
Mir hat die Schulung sehr gut gefallen,Herr Köhler hat es geschafft die Inhalte der Veranstaltung verständlich zu vermitteln. Die praktischen Aufgaben sind sehr gut vorbereitet und unterstützen beim Verstehen des umfangreichen theoretischen Inhalts. es war interessant zu sehen welche Möglichkeiten es mit Python so alles gibt und wie man es am Besten umsetzt. Ich hoffe Du kannst weiterhin viele Teilnehmer für dieses zukunftsträchtige Thema gewinnen. Alles Gute für Deine nächsten Schulungen.
Bennet BrunkeMaschinelles Lernen ((Un-)Supervised)
Sehr gutes Seminar, Jan geht auf alle Fragestellungen ein und sucht weitergehende Antworten auch teilweise im Nachgang. Das Seminar ist sehr strukturiert, verständlich und nachvollziehbar. Der Einstieg in das Thema Python und Data Mining ist sehr gut gelungen.
Simon GoettlerData Science in Python
Weiterbildungen sind bis zu einem gewissen Grad ja immer Glückssache - die Agenda gibt allenfalls einen groben Überblick darüber, was einen erwartet. Das Seminar bei Jan Köhler war ausgezeichnet, eine hervorragende Mischung aus Theorie/Erklären und der praktischen Übung am Computer. Ich würde das Seminar bei der Bitkom Akademie nicht zuletzt auch wegen des Seminarleisters uneingeschränkt weiterempfehlen.
Andreas StreimData Science in Python
Es wurde auf alle Teilnehmer eingegangen. Alle Inhalte wurden gut vermittelt. Auch für Fragen, die nicht direkt zum Seminar gehörten war Zeit. Es hat Spaß gemacht und ich habe viel gelernt. Sobald es ein anschließendes Seminar gibt, bin ich dabei ...
Gerhard HeinzerlingData Science in Python
Das Seminar bot eine ausgewogene Mischung aus Theorie und Praxis. Durch die Übungsblöcke konnte man den Inhalt direkt ausprobieren und ein Gefühl für die Materie bekommen. Bei Fragen und Schwierigkeiten fand immer eine zeitnahe und ausführliche Unterstützung statt. Zudem ging der Seminarleiter kurzfristig auf die Anregungen und Wünsche der Teilnehmer ein. Insgesamt machte der Seminarleiter einen sehr kompetenten Eindruck und ich würde dieses Seminar ohne Einschränkungen weiter empfehlen.
Dr. André SteimersData Science in Python
Herr Köhler nimmt sich ausreichend Zeit für Fragen und Erläuterungen und kann diese aufgrund überzeugender Fachkompetenz sehr gut verständlich erklären. Die Inhalte der Veranstaltung waren gut gegliedert. Insgesamt mit einem guten Verhältnis aus Theorie und Praxis. Die organisatorischen Rahmenbedingungen waren sehr gut. Insgesamt würde ich Herr Köhler und die Veranstaltung mit 5/5 Sternen bewerten.
Bennet BrunkeData Science in Python
Eindrücke sind subjektiv und hängen von u. a. Vorkenntnissen sowie Erwartungen ab. Mir fiel es leicht, den Themen zu folgen, da sie m. M. n. didaktisch gut aufgebaut waren und klar präsentiert wurden. Die Kompetenz des Kursleiters war jederzeit spürbar. Auf Fragen (auch weiterführende) kamen hilfreiche Antworten. In diesem Kurs habe ich sowohl eine neue Sprache kennengelernt, als auch neue Methoden, die von dieser unterstützt werden.
Ali CavliData Science in Python
Das Seminar mit Jan Köhler hat mir sehr viel Spaß gemacht. Hr. Köhler vermittelt Inhalte klar und verständlich und geht immer auf die Fragen der Teilnehmer ein. Mir hat besonders der Mix aus Theorie und Praxis (in Form von Übungsaufgaben) gefallen. In den drei Seminartagen konnte ich sehr viel von ihm lernen. Die Lage und Ausstattung der Seminarräume waren ebenfalls sehr gut. Das Seminar bei Hr. Köhler würde ich wieder besuchen und kann es zu 100% empfehlen.
Tobias SchröderData Science in Python
Jan Köhler takes the time to respond to all questions and remarks from the participants and explains everything well understandable. The course offers a very good individual support during exercises due to the small learning groups.
Julia MildnerData Science in R
Das war ein super Workshop, bei dem man viel mitnehmen konnte. Sowohl von der Stoffvermittlung als auch von den Übungen war es super. Klar ist in der Kürze der Zeit recht kompakt, aber das Wissen was vermittelt wird, kann im Selbststudium weiter vertieft werden. Der Workshop bietet dazu die perfekte Grundlage. Es steht auch außer Frage, dass die Kompetenz und Know-How zur Vermittlung des Stoffes vorhanden sind.
Helmut E.Data Science in Python
Warum bei Enable AI buchen
Durchführungsgarantie
Online ab 2 Teilnehmer und in Präsenz ab 3 Teilnehmer führen wir ein Seminar durch, so dass Sie auch bei kleinerer Gruppengröße intensiv lernen können und Ihren Lernerfolg erzielen können.
Zufriedenheitsgarantie
Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.
Wissensgarantie
Falls Ihr(e) MitarbeiterIn unerwarteterweise innerhalb eines halben Jahres nach dem Besuchen eines Kurses für mehr als 6 Monate (Krankheit, Elternzeit, Sabbatical,...) ihr Unternehmen verlässt, darf kostenlos ein Kollege innerhalb eines Jahres ab dem Verlassen des Kollegens ein stattfindendes Seminar mit demselben Inhalt besuchen.
Hands-on Schulungen
Die Kurse sind hands-on Trainings, mit vielen Coding Übungen (inkl. digitalen Musterlösungen). Denn durch praktische Beispiele lernt man am meisten.
Individuelle Schulungen
Wenn es im Interessen der Schulungsgruppe ist, ändert der Trainer das Seminar nach Ihren Wünschen ab bzw. integriert Ihre Daten nach Rücksprache in den Kurs.
Aktualisierte Schulungen
Sollten Sie eine Schulung zweimal besuchen, wird diese nicht identisch sein. Ihr Feedback wird berücksichtigt und die Schulungen werden an die aktuelle Themen in Forschung und Entwicklung angepasst.
Trainer aus der Praxis
Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.
Kleine Gruppen
Garantierte maximale Gruppengröße von 10 Teilnehmern. Im Durchschnitt besuchen 3-6 Teilnehmer einen Kurs.
Fundiertes Wissen
Vor der Zusammenarbeit werden unsere Trainer geprüft. Alle besitzen fundierte Kenntnisse, u.a. durch Studium, Promotion und Berufserfahrung in den Bereichen Mathematik, Informatik, Statistik und Machine/Deep Learning.
Vom Hintergrund Statistiker und Wirtschaftsingenieur arbeitet er seit über 10 Jahren mit den neuesten Technologien im Machine Learning, Deep Learning und Data Science.
In der Industrie hat er bei verschiedenen Projekten Machine Learning und Deep Learning in der Praxis umgesetzt und eigene Ideen in über 25 Patentanmeldungen eingebracht.
Er forscht im Bereich Deep Learning und hat wissenschaftliche Veröffentlichungen, u.a. in den Bereichen Medizinstatistik, Operations Research und Deep Learning. Seine fundierte Praxiserfahrung und die Mitarbeit in zahlreichen Data Mining Projekten ermöglicht seinen Schulungsteilnehmer auch für ihre Anwendungen aus seinen Kursen viel mitzunehmen.
Jan Köhler - Gründer von Enable AI
- Fragen zum Inhalt des Seminars?
- Sind Sie sich unsicher, ob der Kurs Sie weder über- noch unterfordert?
- Fragen, ob Sie das Wissen aus dem Kurs für Ihre tägliche Arbeit anwenden können?
- weitere generelle Fragen zur Schulung?
- einen Terminwunsch?
Rufen Sie uns an oder schreiben Sie uns eine Email
0711-96 88 15 53
info@enable-ai.de
Gerne können Sie auch direkt einen Termin mit uns vereinbaren oder eine Nachricht schreiben.
Inhouseschulung / Firmenschulung
Sie suchen einen Einführungskurs in die Programmiersprache R als Firmen-Weiterbildung oder inhouse Schulung. Der Inhalt der Schulung kann individuell angepasst werden. In Abstimmung mit dem Dozenten können Sie Schwerpunkte der Firmen-Schulung setzen, Inhalte aus der offenen Schulung streichen und weitere Inhalte hinzufügen.
Vereinbaren Sie einen Termin für ein kostenloses Beratungsgespräch.
Die Firmen-Trainings des R Statistik Kurses können Live-Online oder bei Ihnen vor Ort gehalten werden. Zudem können Sie auch in München, Stuttgart, Berlin, Hannover, Köln, Hamburg, Düsseldorf, Frankfurt, Dortmund, Münster, Essen, Bonn, Dresden, Leipzig, Bremen, Duisburg, Bochum, Wuppertal, Bielefeld, Mannheim, Freiburg, Brauschweig, Kiel oder Karlsruhe stattfinden.
Thematisch ähnliche
Schulungen
Auswahl ähnlicher Kurse wie dieser Kurs über die Grundlagen vom R Programmieren
Python - 3 Tage
Kompakter Einstieg in die Programmiersprache Python für Datenanalyse und Data Science. Erläuterung der Grundlagen von Python, dem pandas DataFrame, Plotten und Einführung in das Maschinelle Lernen. Erste Machine Learning Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, matplotlib, seaborn, scikit-learn.
R - 3 Tage
Die Data Science in R Schulung vermittelt einen kompakten Einstieg in die Programmiersprache R für Datenanalyse und Data Science / Data Mining. Sie lernen das beliebte Paket tidyverse zur Datenmanipulation, erstellen Grafiken mit ggplot2 und schreiben eigene Funktionen. Der Einstieg in Machine Learning und die Umsetzung von bekannten Algorithmen (u.a. Lineare Regression, Entscheidungsbaum, K-Means Clustering) ist ein weiterer Schwerpunkt.
Excel - 1 Tag
In diesem Kurs lernen Sie die den Umgang mit Formeln und Funktionen in Microsoft Excel mit dem Schwerpunkt „statistische Funktionen“ kennen. Sie erfahren welche Funktionen und Werkzeuge Excel für die deskriptive und explorative Statistik verwendet und wie diese Methoden zur Analyse empirischer Daten eingesetzt und in Excel berechnet werden können.