LearningKit Data Analysis with R — Statistik, Data Mining, Modeling

R ist die Programmiersprache für statistische Analysen, in Akademia dominant und in der Industrie für spezialisierte Analytics weit verbreitet. Dieser LearningKit vermittelt R von den Grundlagen bis zu fortgeschrittenen Analyse-Techniken. Block Getting Started with R Programming: R installieren (CRAN), RStudio Desktop als Standard-IDE, RStudio Projects für reproduzierbare Workflows, R-Sessions und Working Directory, Packages installieren (install.packages) und laden (library), CRAN vs. Bioconductor vs. GitHub-Pakete. Block Applying and Using R Programming Structures: Atomic Vectors (numeric, integer, character, logical), Data Frames als zentrale Datenstruktur, Lists als heterogene Container, Matrix für 2D-Daten, Factors für kategorische Variablen. Block Functional Programming with R: First-Class-Functions, Lambda-Ausdrücke (function(x) x*2), apply-Familie (lapply, sapply, mapply, vapply als bessere Alternative zu for-Loops), Pipe-Operator (|> Base R oder %>% magrittr), purrr-Package für Functional Programming auf höherem Niveau (map, pmap, walk). Block Data Import/Export: CSV (read.csv vs. readr::read_csv vs. data.table::fread für Performance), Excel (readxl-Package), JSON (jsonlite), Datenbanken (DBI + RSQLite/RPostgres/odbc), APIs (httr für HTTP-Requests, rvest für Web-Scraping). Block Datenanalyse in R — Exploration: Daten inspizieren (str, summary, head, tail, glimpse from dplyr), fehlende Werte identifizieren (is.na, complete.cases), Outlier-Erkennung mit Boxplots, Visualisierung mit ggplot2 (Layered Grammar of Graphics — aes/geom/scale/theme), interaktive Charts mit plotly. Block Datenmanipulation mit tidyverse: dplyr (filter, select, mutate, summarise, group_by, arrange, joins), tidyr (pivot_longer, pivot_wider, separate, unite), stringr für String-Manipulation, lubridate für Date-/Time-Handling. Block Wichtige statistische Konzepte: deskriptive Statistik (Mittelwert, Median, SD, Quartile), Verteilungen (Normal, Poisson, Binomial — rnorm/dnorm/pnorm/qnorm-Familie), Hypothesen-Tests (t.test, chisq.test, anova, kruskal.test), Korrelation (cor, cor.test), Konfidenzintervalle. Block Modeling und Data Mining: lineare Modelle (lm), generalisierte lineare Modelle (glm — Logistic Regression, Poisson Regression), Decision Trees (rpart), Random Forest (randomForest), Cluster-Analyse (kmeans, hclust für hierarchisches Clustering), Principal Component Analysis (prcomp), Time Series (ts, forecast-Package mit ARIMA), Survival Analysis (survival-Package). Block Machine Learning mit caret und tidymodels: caret als All-in-One-Wrapper für viele ML-Algorithmen, tidymodels als moderner Nachfolger im tidyverse-Stil (recipes, parsnip, tune, workflows). Block Reproducible Research: R Markdown für Dokumente mit Code+Output, Quarto als moderne Nachfolge-Generation, renv für virtuelle Umgebungen.