| 1 |
Einführung und Installation |
|
RR (BB, SN) |
| 2 |
Grundlagen von R |
Einführung in die Programmierung mit R: Pakete, Variablen, Datentypen, Skripte & Funktionen |
RR |
| 3 |
Datenimport aus lokalen und remote Quellen, Datenverarbeitung |
Laden von lokalen und remote Daten unterschiedlicher Formate mittels R; Webscraping; Datenprozessierung |
RR |
| 4 |
Grafiken in R erstellen |
Plots in R mit ggplot2 erstellen |
RR |
| 5 |
lineares Modell |
Grundlagen lineare Regression |
SN |
| 6 |
multiple Regression |
Regression mit mehreren Prädiktoren (auch kategorisch) |
SN |
| 7 |
logistische Regression |
Grundlagen logistische Regression |
SN |
| 8 |
Machine Learning |
Bias-Variance Tradeoff; Training/Testing bzw. Cross-Validation; Grundidee von ML |
SN |
| 9 |
Deep Learning & KI-Ethik |
Grundprinzipien von Deep Learning (Neural Networks); Ethische Aspekte von ML & KI |
SN |
| 10 |
Prinzipien der Datenvisualisierung |
Grundprinzipien: Theoretical Background |
BB |
| 11 |
Quarto - Einfaches Dokument |
Einführung in Quarto inkl. bib file usability |
BB |
| 12 |
Manuscripte/Essays in Quarto |
|
BB |
| 13 |
Quarto als Dashboard |
|
BB |
| 14 |
Prüfung |
|
SN, BB, RR |