Kurs-Code InfTM001
Kreditpunkte 6
Stundenzahl insgesamt (im Auditorium)48
Vorlesungen (Stundenzahl)16
Stundenzahl fŅr Seminare und praktische Arbeitsaufträge32
Arbeit im Labor (Stundenzahl)0
Selbststandige Arbeit des Studenten (Stunden)114
Bestätigt am (Datum)13.12.2023
Kurs ausgearbeitet von (Lehrkraft)
Līga Paura
Zur einfŅhrenden LektŅre empfohlen
1. An Introduction to R. http://cran.r-project.org/doc/manuals/R-intro.html [skatīts 7.decembrī 2023.]
2. Robert I. Kabacoff (2015) R in action: data analysis and graphics with R. Shelter Island, NY: Manning, 579 p. 3.James Gareth, at al. (2017) An introduction to statistical learning: with applications in R. New York : Springer, 426 p.
3. Kirk Andy. Data visualisation: a handbook for data driven design. - Los Angeles: SAGE, 2019. -312 lpp.
Weiterfuhrende Literatur
1. Data science & big data analytics: discovering, analyzing, visualizing and presenting data / EMC Education Services. - Indianapolis, IN: John Wiley and Sons, 2015. - xviii, 410 lpp.
2. Gujarati D. N. Basic econometrics. 3rd ed. New York [etc.]: McGraw-Hill, Inc., 1995. 838 p.
Zur LektŅre vorgeschlagene Zeitschriften
1. Journal of Data Analysis and Information Processing: ISSN Online: 2327-7203
www.scirp.org/journal/jdaip