330152 VU Praktische Datenaufbereitung- und analyse (2019W)
Arbeiten mit R
Prüfungsimmanente Lehrveranstaltung
Labels
Die Plätze dieses Kurses werden vorrangig an Studierende im Masterstudium Ernährungswisssenschaften zugeteilt
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Fr 08.11.2019 15:00 bis Mo 18.11.2019 12:00
- Abmeldung bis Mo 18.11.2019 12:00
Details
max. 15 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Freitag 22.11. 10:00 - 12:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Dienstag 26.11. 09:00 - 11:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Freitag 29.11. 10:00 - 12:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Donnerstag 05.12. 16:00 - 18:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Freitag 06.12. 12:00 - 14:00 Seminarraum 2E560 Ernährungswissenschaften UZA II
- Donnerstag 12.12. 16:00 - 18:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Freitag 13.12. 13:00 - 15:00 Seminarraum 2E560 Ernährungswissenschaften UZA II
- Donnerstag 16.01. 16:00 - 18:00 Seminarraum 2E560 Ernährungswissenschaften UZA II
- Mittwoch 29.01. 09:00 - 12:30 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Dienstag 04.02. 09:00 - 12:30 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Donnerstag 06.02. 09:00 - 12:30 Seminarraum 2E562 Ernährungswissenschaften UZA II
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Die Leistung wird anhand der aktiven Teilnahme und einer Projektarbeit beurteilt.
Mindestanforderungen und Beurteilungsmaßstab
- Projektarbeit (Handout, Präsentation): 75%
- Aktive Teilnahme: 25%Bestehensgrenze: 60%
- Aktive Teilnahme: 25%Bestehensgrenze: 60%
Prüfungsstoff
Stoff der Vorlesung gem. Folien und Vortrag
Literatur
siehe e-learning Plattform Moodle
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Sa 02.04.2022 00:27
Einführung in R und RStudio
Grundlagen in R
Datentypen
Daten einlesen, aufbereiten und exportieren
Schreiben von einfachen Funktionen
Visualisierung mit ggplot2
Testen in R
Einfache und multiple lineare Regression
logistische Regression
Modellauswahl und Modellbewertung