Von der Astronomie bis zur Molekularbiologie und von der Soziologie bis zur Wirtschaftswissenschaften nehmen das Volumen und die Komplexität der Daten, die wir sammeln und analysieren sollen, in einem explosiven Tempo zu. Wissenschaftler, Forscher, Fachleute und Amateure, von medizinischen Kliniken bis hin zum Aktienmarkt und Profisport, beugen sich täglich über Reihen, Listen und Tabellen, erstellen Grafiken, wenden statistische Tests und Modelle an, um Phänomene besser zu verstehen, die wir bis vor wenigen Jahren als völlig unvorhersehbar betrachteten.

Aus dieser Perspektive ist die Frage, die im Mittelpunkt dieses Buches steht, einfach. Wie kann man seine Daten analysieren, um etwas zu lernen, das man vorher nicht wusste? Der Ansatz, dem wir folgen, balanciert zwischen Technik und Methodik. Auf der ersten Ebene werden die grundlegenden Prinzipien der Programmierung in R, die heute die bevorzugte Sprache für statistische Datenanalyse ist, detailliert dargestellt. Auf der zweiten und dritten Ebene werden statistische Analyse- und Machine-Learning-Methoden vorgestellt, die sich sowohl an neue als auch an erfahrene R-Nutzer richten. Die grundlegenden Prinzipien, wie wir analytische Fragen formulieren, werden durch praktische Anwendungen an realen Daten aus verschiedenen Forschungs- und Berufsfeldern dargestellt.

In R selbst durch das R-Markdown-Format geschrieben, präsentiert das Buch die Theorie in direkter Verbindung mit dem Code und seinen Ergebnissen, auf eine Weise, die von den Lesern von der ersten bis zur letzten Seite vollständig reproduziert werden kann.