Hadley Wickham / Mine Çetinkaya-Rundel / Garrett Grolemund

R für Data Science

Daten importieren, bereinigen, umformen und visualisieren

54,90 59,90 

Enthält MwSt.
 
Kostenloser Versand

Erscheinungsdatum: 25.03.2024Seitenanzahl: 592Verlag: O'ReillyAuflage: 2., aktualisierte und erweiterte AuflageEinband: komplett in Farbe, Broschur ISBN Print: 978-3-96009-234-6ISBN Bundle: 978-3-96010-840-5ISBN PDF: 978-3-96010-830-6ISBN ePub: 978-3-96010-834-4 Artikelnummer: 14045

Mit R Daten analysieren - die anschauliche und verständliche Einführung

  • 2. Auflage des US-Bestellers, jetzt vollständig aktualisiert und erweitert
  • Hadley Wickham ist eine Legende auf dem Gebiet der Data Science: Er hat eine vollkommen neue, bahnbrechende Methode der Datenanalyse mit R entwickelt
  • Wickhams innovative Herangehensweise wird in diesem Buch beschrieben, es ist ein Standardwerk für Datenanalysten

Erfahren Sie, wie Sie mit R aus Ihren Daten Erkenntnisse und Einsichten gewinnen. Dieses Buch führt Sie in R und RStudio ein sowie in Tidyverse, eine Sammlung von R-Paketen, mit denen Data-Science-Aufgaben effektiv und zeitsparend erledigt werden können. Auch wenn Sie keine Programmiererfahrung haben, können Sie mit diesem aktualisierten Standardwerk schnell in die Praxis der Data Science einsteigen.

Sie lernen, Daten zu importieren, aufzubereiten, zu visualisieren und die Ergebnisse zu präsentieren. Darüber hinaus bekommen Sie einen umfassenden Überblick über den Data-Science-Zyklus und die Tools, die für die Detailarbeit erforderlich sind. Die zweite Auflage behandelt die neuesten Funktionen und Best Practices von Tidyverse und zeigt Ihnen in neu hinzugekommenen Kapiteln, wie Sie Daten aus Spreadsheets, Datenbanken und Websites nutzen. Zahlreiche Übungen unterstützen Sie dabei, das Gelernte praktisch auszuprobieren.

Themen des Buchs sind:

  • Visualisieren – Erstellen Sie Diagramme für die Datenauswertung und die Kommunikation von Ergebnissen
  • Transformieren – Erkunden Sie Variablentypen und die Werkzeuge, um mit ihnen zu arbeiten
  • Importieren – Lesen Sie Daten in R ein und bringen Sie sie in eine für die Analyse geeignete Form
  • Programmieren – Lernen Sie leistungsfähige R-Tools kennen, mit denen Sie Datenprobleme leichter lösen können
  • Kommunizieren – Verwenden Sie Quarto, um Text, Code und Ergebnisse kombiniert darzustellen

Hadley Wickham / Mine Çetinkaya-Rundel / Garrett Grolemund

Hadley Wickhamist Chief Scient ist bei Posit, PBC, Gewinner des COPSS-Preises 2019 und Mitglied der R Foundation. Er erstellt Tools (sowohl im Bereich der Datenverarbeitung als auch kognitive), die Data Science einfacher, schneller und unterhaltsamer machen. Zu seinen Arbeiten gehören Pakete für Data Science
(Tidyverse: ggplot2, dplyr und tidyr) und die Entwicklung prinzipieller Software (beispielsweise roxygen2, testthat und pkgdown). Außerdem ist er Autor, Lehrer und gefragter Redner, der den Einsatz von R für Data Science propagiert. Mehr erfahren Sie auf seiner Website unter http://hadley.nz.

Mine Çetinkaya-Rundel ist Professor of the Practice am Department of Statistical Science an der Duke University in Durham, North Carolina. Außerdem ist sie Developer Educator bei Posit, PBC. Mines Arbeit konzentriert sich auf Innovationen in der Statistik und der Data-Science-Pädagogik, wobei der Schwerpunkt auf Informatik, reproduzierbarer Forschung, studentenzentriertem Lernen und Open-Source-Bildung liegt. Sie hat im Rahmen des Open-Intro-Projekts einführende Statistik-Lehrbücher verfasst, sie ist die Initiatorin und Betreuerin von Data Science in a Box und unterrichtet die beliebte Statistics with R Specialization auf Coursera. Mine wurde 2021 mit dem Hogg Award for Excellence in Teaching Introductory Statistics, 2018 mit dem Harvard Pickard Award und 2016 mit dem ASA Waller Education Award ausgezeichnet. Mehr erfahren Sie auf ihrer Website (https://minecr.com).

Garrett Grolemund ist Statistiker, Lehrer und Director of Learning bei der Posit Academy. Er ist Autor von Hands-On Programming with R (O’Reilly) und hat schon früh zu Tidyverse beigetragen.

  • Data Scientists
  • Datenanalyst*innen
  • Studierende der Informatik
Zu diesem Titel sind aktuell leider keine Links vorhanden!