German R Script Tasks Completion
Budget: €30 – €250 EUR
Ich stelle dir ein bereits angelegtes R-Script zur Verfügung, in dem die einzelnen Aufgaben und Guidelines (alle auf Deutsch) klar formuliert sind. Deine Aufgabe ist es, jede Anweisung Schritt für Schritt umzusetzen und den Code so anzupassen, dass er auch mit sehr großen Datensätzen performant läuft.
Was dabei zwingend gebraucht wird: fundierte R-Grundkenntnisse gepaart mit routinierter Big-Data-Analyse. Du musst flüssig auf Deutsch (mind. C1) lesen, schreiben und kommentieren können, denn alle Kommentare und alle neu hinzukommenden Funktionen sollen ebenfalls deutschsprachig sein.
Im Rahmen der Analyse entstehen Visualisierungen – konkret benötige ich Bar-Charts, Histogramme, Scatter-Plots, Line-Graphs, Heatmaps sowie Korrelationsmatrizen. Gerne kannst du weitere geeignete Diagrammformen ergänzen, wenn sie den Erkenntnisgewinn erhöhen. Nutze dabei gern ggplot2, data.table, dplyr oder vergleichbare Pakete, solange das Ergebnis reproduzierbar bleibt.
Akzeptanzkriterien
• Das ursprüngliche Script enthält am Ende alle gelösten Aufgaben, inkl. sauberer deutscher Kommentare.
• Jede Visualisierung wird im Code erzeugt
• Der gesamte Workflow läuft ohne Fehlermeldungen auf einem frischen R-Umfeld (Versionshinweis im Header angeben).
• Bei großen Datenmengen darf die Laufzeit einzelner Schritte tolerabel bleiben; bitte effiziente Funktionen wählen oder parallelisieren, wo sinnvoll.
Sobald alles funktioniert, erwarte ich die finale .R-Datei samt erzeugter Grafiken und einer kurzen README (deutsch) zur Ausführung. Ich freue mich auf deine Expertise!
Was dabei zwingend gebraucht wird: fundierte R-Grundkenntnisse gepaart mit routinierter Big-Data-Analyse. Du musst flüssig auf Deutsch (mind. C1) lesen, schreiben und kommentieren können, denn alle Kommentare und alle neu hinzukommenden Funktionen sollen ebenfalls deutschsprachig sein.
Im Rahmen der Analyse entstehen Visualisierungen – konkret benötige ich Bar-Charts, Histogramme, Scatter-Plots, Line-Graphs, Heatmaps sowie Korrelationsmatrizen. Gerne kannst du weitere geeignete Diagrammformen ergänzen, wenn sie den Erkenntnisgewinn erhöhen. Nutze dabei gern ggplot2, data.table, dplyr oder vergleichbare Pakete, solange das Ergebnis reproduzierbar bleibt.
Akzeptanzkriterien
• Das ursprüngliche Script enthält am Ende alle gelösten Aufgaben, inkl. sauberer deutscher Kommentare.
• Jede Visualisierung wird im Code erzeugt
• Der gesamte Workflow läuft ohne Fehlermeldungen auf einem frischen R-Umfeld (Versionshinweis im Header angeben).
• Bei großen Datenmengen darf die Laufzeit einzelner Schritte tolerabel bleiben; bitte effiziente Funktionen wählen oder parallelisieren, wo sinnvoll.
Sobald alles funktioniert, erwarte ich die finale .R-Datei samt erzeugter Grafiken und einer kurzen README (deutsch) zur Ausführung. Ich freue mich auf deine Expertise!