Programmieren in R

Verstehen der Grundlagen der Programmiersprache R und deren Anwendung an praktischen Fallbeispielen.

R ist eine Standardsprache für statistische Problemstellungen, die in Wirtschaft und Wissenschaft Anwendung findet. Studierende lernen die Grundlagen der Programmiersprache anhand verschiedener Fallbeispiele, sodass sie R am Ende kompetent für unterschiedliche Problemstellungen einsetzen können.

Studierende kennen fundamentale Fähigkeiten von R und RStudio: Datentypen, Funktionen, Pakete und RStudio-Projekte. Sie verstehen die grundlegenden Mechanismen der Sprache, um sie auf praktische Fallbeispiele anzuwenden. Darüber hinaus kennen sie Schleifen, if-else statements sowie grundlegende Rechenoperationen in R und kennen die basics von Datenaufbereitung mit dem tidyverse Paket..

Studierende kennen das «don’t repeat yourself» Prinzip und können es anwenden, indem sie eigene Funktionen schreiben. Die Funktionen können sie robust gestalten, durch die Verwendung von Inputvalidierung, try statements und unit-Tests. Schliesslich können sie die Funktionen durch messages/warnings/errors und Ausgabe Definitionen (print methods) anwender*innenfreundlich gestalten. Sie kennen Möglichkeiten, Benchmarks der Laufzeiten zu erhalten.

Studierende wenden Coding-Grundsätze an, erstellen sauberen und dokumentierten Code in R-Scripts und Quarto-basierten Berichten. Mittels Kombination von Code und Kommentaren werden Analyse und Ergebnisse Betrachter*innen verständlich gemacht. Sie kennen unterschiedliche Berichtformate, die mit Quarto/RMarkdown erstellt werden können. Studierende verstehen die Notwendigkeit reproduzierbarer Ergebnisse. Sie sind fähig anhand der gleichen Daten-Inputs die gleichen Outputs sicherzustellen und schaffen so eine saubere Grundlage für fakten-basierte Entscheide. Sie kennen die Grundlagen von renv und die Vorteile für dessen Verwendung in Projekten.

Studierende können einfache deskriptive Statistiken berechnen, sie kennen die Formel-Syntax und deren Verwendung in Funktionen zur Berechnung statistischer Tests.

Studierenden kennen die fortgeschrittenen Fähigkeiten von R und erlangen in einem der folgenden oder verwandten Anwendungen ein vertieftes Verständnis:

• Statistik/Simulationen mit R
• Shiny/shinydashboard/flexdashboard
• Parametrisierung und Automatisierung von Berichten mit Quarto
• C++ Integration mit Rcpp
• Python Integration mit reticulate
• Interaktive Darstellungen (plotly, leaflet)
• Web Scraping
• Regex/Natural language processing