R für Data Science von Hadley Wickham | Daten importieren, bereinigen, umformen, modellieren und visualisieren | ISBN 9783960090502

R für Data Science

Daten importieren, bereinigen, umformen, modellieren und visualisieren

von Hadley Wickham und Garrett Grolemund, aus dem Englischen übersetzt von Frank Langenau
Mitwirkende
Autor / AutorinHadley Wickham
Autor / AutorinGarrett Grolemund
Übersetzt vonFrank Langenau
Buchcover R für Data Science | Hadley Wickham | EAN 9783960090502 | ISBN 3-96009-050-1 | ISBN 978-3-96009-050-2
Inhaltsverzeichnis
Leseprobe
Data Scientists, Datenanalysten, Studenten der Informatik
"Hadley Wickham ist eine Legende auf dem Gebiet der Data Science, weil er eine vollkommen neue Methode der Datenanalyse entwickelt hat. Sein neues Buch zusammen mit Garrett Grolemund dokumentiert diesen innovativen Ansatz und wird zweifellos zur Bibel für eine Generation von Datenanalysten.”

R für Data Science

Daten importieren, bereinigen, umformen, modellieren und visualisieren

von Hadley Wickham und Garrett Grolemund, aus dem Englischen übersetzt von Frank Langenau
Mitwirkende
Autor / AutorinHadley Wickham
Autor / AutorinGarrett Grolemund
Übersetzt vonFrank Langenau
Erfahren Sie, wie Sie mit R aus Ihren Rohdaten Erkenntnisse und Einsichten gewinnen können. Dieses Buch führt Sie ein in R und RStudio sowie in Tidyverse, eine Sammlung von R-Paketen, die ineinandergreifen, um Data-Science-Fragestellungen schnell und effektiv zu erledigen. R für Data Science ist auch für Leser ohne vorherige Programmierkenntnisse geeignet und ermöglicht Ihnen, Techniken der Data Science so schnell wie möglich in der Praxis anzuwenden.
Die Autoren Hadley Wickham und Garrett Grolemund zeigen, wie Sie Daten importieren, aufbereiten, untersuchen und modellieren und wie Sie die Ergebnisse präsentieren können. So bekommen Sie einen vollständigen Überblick über den Data-Science-Zyklus und die Tools, die für die Detailarbeit erforderlich sind.
Themen des Buchs sind:
Erkunden – Daten untersuchen, Hypothesen generieren und sie schnell testen Aufbereiten – Datenmengen in eine für die Analyse zweckmäßige Form transformieren Programmieren – Leistungsfähige R-Tools kennenlernen, um Datenprobleme leichter zu lösen Modellieren – Eine Zusammenfassung eines Datensatzes erstellen, die echte »Signale« in Ihrer Datenmenge erfasst Kommunizieren – R Markdown kennenlernen, um Text, Code und Ergebnisse zusammen darzustellen