Programmierung für Data Science
Einführung in die Programmiersprache R
Vorwort
Data Science
Data Science (engl. data “Daten” und science “Wissenschaft”) ist eine Disziplin, die sich mit der Extraktion von Wissen aus Daten beschäftigt – in der Regel im Kontext von Unternehmensentscheidungen. Es ist damit ein interdisziplinäres Fach, das Methoden aus Mathematik, Statistik, Informatik und Wirtschaftswissenschaften verbindet. Neben dem Verständnis des jeweiligen betriebswirtschaftlichen Kontexts werden Methoden wie Wahrscheinlichkeitsmodelle, Maschinelles Lernen bzw. Künstliche Intelligenz, Datentechnik, Algorithmen und Programmierung hinzugezogen.
Fokus dieser Vorlesung ist der technische Teil von Data Science, d.h. die Programmierung und Implementierung von Algorithmen sowie das praktische Arbeiten mit Daten und Analysen. Hierzu wird die Vorlesung Ihnen das notwendige Handwerkzeug an die Hand geben.
Um Data Science zu betreiben bedarf es spezieller Softwaretools. Eines der bedeutendsten Werkzeuge in diesem Bereich ist die Programmiersprache R. In dieser Vorlesung erlangen Sie Grundkenntnisse in der Programmierung mit R, welche Sie im Laufe des Semesters in den weiteren Veranstaltungen des Erweiterungsmoduls ‘Quantitative Methoden II’ anwenden und vertiefen werden. Insbesondere dient diese Vorlesung als Vorbereitung auf die Veranstaltungen ‘Data Mining’ und ‘Multivariate Verfahren’. Sie werden nach dieser Vorlesung in der Lage sein, eine Vielzahl betriebswirtschaftlicher Problemstellungen mittels Datenanalyse zu lösen.
Vorlesung
Konzept der Vorlesung
Sage es mir, und ich werde es vergessen;
zeige es mir, und ich werde mich daran erinnern;
beteilige mich, und ich werde es verstehen.Laotse, chinesischer Philosoph
Die Vorlesung folgt dem “Inverted Classroom” Konzept. Das heißt, dass die üblichen Aktivitäten innerhalb und außerhalb des Hörsaals „umgedreht” werden: Sie bekommen das Vorlesungsskript vor der Vorlesung bereitgestellt und die Lerninhalte werden Ihnen nicht mehr vor Ort an der Hochschule vermittelt; vielmehr erarbeiten Sie sich die Inhalte ortsunabhängig, individuell, selbstgesteuert und im eigenen Lerntempo anhand der bereitgestellten Lernmaterialien. Die wertvollen Präsenzzeiten an der Hochschule werden zur gemeinsamen, interaktiven Vertiefung genutzt, z.B. durch gemeinsame Aufgabenbearbeitung, Beantwortung von Fragen und praktische Umsetzung des Gelernten.
Dazu ist es notwendig, dass Sie sich vor den jeweiligen Terminen die dafür vorgesehenen Lerninhalte erarbeiten, indem Sie das Skript studieren und die darin enthaltenen Übungsaufgaben lösen.
Skript zur Vorlesung
Das Skript ist in mehreren Formaten verfügbar. Als Webseite, als PDF Dokument und im EPUB Format (für diverse e-Reader). Es wird empfohlen, während des Semesters die Web-Version für das Studium zu nutzen, da basierend auf Ihrem Feedback Änderungen eingepflegt werden. Am Ende des Semesters können Sie dann für Ihre Unterlagen das finale Skript als PDF oder EPUB archivieren.
Im Skript finden Sie verschiedene Boxen mit Warnungen, Tipps und Übungsaufgaben.
Achtung
Warnungen weisen auf wichtige Aspekte hin, welche häufig zu Fehlern in R Skripten führen. Lesen Sie diese aufmerksam durch, um hohen Zeitaufwand für Debugging zu vermeiden.
Tipp
Tipps helfen Ihnen, verschiedene Problemstellungen in R möglichst effizient zu lösen. Sparen Sie sich zusätzlichen Aufwand, indem Sie diese Tipps beherzigen.
Link
Verweise auf weitere Quellen bezüglich einzelner Themen können zur weiteren Vertiefung genutzt werden. Besuchen Sie diese Links um mehr über ein Thema zu erfahren.
Übung
Übungsaufgaben helfen dabei, das Erlernte zu vertiefen und zu verinnerlichen. Lösen Sie diese Aufgaben im Selbststudium, um den Stoff der Vorlesung praktisch anzuwenden.
Weiterhin enthält das Skript viele Code Beispiele. Diese sind grau hinterlegt, in Monospace Schrift gesetzt und mit Syntaxhighlighting versehen. Wenn das Skript neben dem Code auch die Ausgaben von R zeigt, werden diese in einer zweiten grauen Box angezeigt und die Ausgabe mit zwei vorangestellten Rauten angegeben. Der erste Block enthält dann die Eingaben in R, der zweite die Rückgabe der Ergebnisse durch R. Abbildung Codeblock mit Eingabe und Ausgabe zeigt ein Beispiel für einen Codeblock mit Eingabe und Ausgabe.
Hier ein Beispiel:
x <- 1:10
x [1] 1 2 3 4 5 6 7 8 9 10Solche Code-Snippets können Sie leicht kopieren und in R oder RStudio/Posit einfügen, um den Code selbst auszuführen und sich so mit der Verwendung vertraut zu machen.