Seminaranmeldung

In dieser 3-tägigen Schulung "Programmieren mit R - Fortgeschrittenenkurs" lernen Sie verschiedene Techniken des funktionalen Programmierens kennen. Sie werden lernen, benutzerdefinierte Funktionen zu schreiben und anzuwenden, anonyme Funktionen zu nutzen und Funktionen als Argumente zu übergeben oder als Ergebnis zurückzugeben. Neben Base R-Funktionen lernen Sie auch das Erweiterungspaket purrr kennen, das elegante und mächtige Möglichkeiten zum funktionalen Programmieren bietet. Des Weiteren werden Sie den Datenaustausch zwischen R und Excel kennenlernen, inklusive "komplizierter" Datenformate wie Pivot-Tabellen mit mehreren Überschriften-Ebenen und Zellmarkierungen mit inhaltlicher Bedeutung. Dazu kommen Möglichkeiten zur Effizienzsteigerung beim Programmieren in R, wie die Optimierung von R-Code, die Parallelisierung (Nutzung mehrerer Prozessorkerne oder Arbeiter), das Profiling zur Identifizierung von Flaschenhälsen und die Einbindung von C++-Code. Zusätzlich erhalten Sie eine Einführung in S3-Klassen und lernen, wie Sie eigene R-Pakete in RStudio erstellen können, inklusive der Ordnerstruktur, dem Schreiben und Dokumentieren von Funktionen sowie der Verwendung von unterstützenden Paketen wie devtools, usethis, roxygen2 und testthat.

Funktionales Programmieren

• Benutzerdefinierte Funktionen schreiben und anwenden
• Anonyme Funktionen, Parameter-Übergabe, Fehlerbehandlung
• Funktionen, die Funktionen als Argumente übernehmen
• Funktionen, die Funktionen als Ergebnis liefern
• Schleifen vermeiden dank apply-Funktionen in Base R (inkl. lapply, sapply)
• Einführung in das purrr-Paket: map-Funktionen
• Anwendungsbeispiele: Viele statistische Modelle gleichzeitig aufstellen und Ergebnisse elegant weiterverarbeiten mit wenigen Code-Zeilen; über mehrere Vektoren gleichzeitig iterieren

Fehlerbehebung: Debugging in RStudio

R und Excel: Datenaustausch

• Daten-Import von Excel zu R, inkl. komplizierter Datenstrukturen wie Pivot-Tabellen mit mehreren Überschriften-Ebenen sowie Zellmarkierungen mit inhaltlicher Bedeutung
• Datenexport von R zu Excel inkl. Formatangaben

Effizient programmieren in R: Möglichkeiten, R-Code zu beschleunigen.

• Laufzeit von R-Code messen
• 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
• Einbindung von C++-Code in R

Einführung in S3-Klassen

• Programmierbeispiel mit benutzerdefinierter Print-Methode

Eigene R-Pakete erstellen in RStudio

• Erstes eigenes Paket in 2 Minuten!
• 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