Programmierung
Hier steht das Handwerkszeug, nicht die Statistik. Die Reihenfolge geht von den Sprachgrundlagen über die numerischen Bibliotheken zu der Frage, wie eine Auswertung so abgelegt wird, dass sie in einem Jahr noch dasselbe Ergebnis liefert.
Python und R stehen nebeneinander, nicht gegeneinander. Beide Sprachen kommen in den Beispielen der ganzen Seite vor, deshalb lohnt sich in beiden ein Grundverständnis von Datenstrukturen und Funktionen.
Python-Grundlagen
Datentypen, Kontrollfluss, Listen und Dictionaries als Arbeitsbasis.
Funktionen und Module in Python
Eigene Funktionen, Gültigkeitsbereiche, Import und Modulstruktur.
Objektorientierung in Python
Klassen, Instanzen, Vererbung und wann sich der Aufwand lohnt.
Fehlerbehandlung und Dateizugriff
Exceptions gezielt abfangen, Dateien lesen und schreiben.
R-Grundlagen
Vektoren, Data Frames, Funktionen und die Eigenheiten von R.
NumPy und SciPy
Arrays, Vektorisierung und die wichtigsten numerischen Werkzeuge.
pandas
Series und DataFrame, Auswahl, Aggregation und Zusammenführen.
Pakete und Umgebungen
pip, conda, venv und renv, und warum Umgebungen getrennt gehören.
Fragen zur Programmierung
Übergreifende Fragen zu Python, R, Paketen und reproduzierbarem Arbeiten.
Reproduzierbarkeit
Projekte, Notebooks, Seeds und Quarto als durchgehender Arbeitsweg.
Die Fragen zu diesem Bereich prüfen die Verbindungen zwischen den Themen.