Shiny für interaktive Datenvisualisierung

Seminarziel

Am Ende des Seminars sind die Teilnehmenden in der Lage, Shiny effektiv zu nutzen, um leistungsstarke, skalierbare und sichere Webanwendungen zur Datenvisualisierung und -analyse zu entwickeln und bereitzustellen. Sie lernen, wie sie Shiny-Projekte erstellen, verwalten, integrieren und optimieren, um verschiedene Anwendungsfälle abzudecken und die Benutzererfahrung zu verbessern.

Inhalt

• Einführung in Shiny
  • Überblick und Geschichte: Was ist Shiny und warum ist es wichtig? Historische Entwicklung und Hauptmerkmale.
  • Anwendungsbereiche: Typische Anwendungsbereiche von Shiny, einschließlich interaktive Dashboards, Datenvisualisierungen und webbasierte Anwendungen.
• Grundlegende Konzepte und Architektur
  • Shiny-Architektur: Überblick über die Architektur und die wichtigsten Komponenten.
  • Shiny UI: Einführung in die Gestaltung von Benutzeroberflächen mit Shiny.
  • Shiny Server: Funktionsweise des Shiny-Servers und Hosting-Optionen.
• Einrichtung der Entwicklungsumgebung
  • Installation und Konfiguration: Einrichtung der Entwicklungsumgebung für Shiny mit R und RStudio.
  • Projektstruktur: Aufbau und Struktur eines Shiny-Projekts.
  • Erste Schritte: Erstellung und Bereitstellung einer einfachen Shiny-Anwendung.
• Entwicklung und Konfiguration einer einfachen Shiny-Anwendung
  • Benutzeroberflächen (UI): Erstellung von UI-Komponenten mit fluidPage, sidebarLayout und anderen Layout-Funktionen.
  • Serverlogik: Implementierung der Serverlogik zur Verarbeitung von Benutzereingaben und Generierung von Ausgaben.
  • Reaktive Programmierung: Einführung in reaktive Ausdrücke, Reaktive Werte und Beobachtungen.
• Praktische Übung 1: Einfache Shiny-Anwendung
  • Problemstellung: Entwickeln Sie eine einfache Shiny-Anwendung zur Visualisierung von Daten.
  • Lösung: Implementieren Sie die UI und die Serverlogik, um eine interaktive Datenvisualisierung zu erstellen.
  • Ergebnis: Eine funktionierende Shiny-Anwendung, die Daten visualisiert und auf Benutzereingaben reagiert.
• Erweiterte Shiny-Konzepte
  • Modulbasierte Entwicklung: Nutzung von Shiny-Modulen zur Strukturierung komplexer Anwendungen.
  • Dynamische UI: Erstellung und Verwaltung dynamischer Benutzeroberflächen.
  • Interaktive Plots: Verwendung von Plotly und ggplot2 zur Erstellung interaktiver Diagramme.
• Datenverarbeitung und Integration
  • Datenquellen: Anbindung von Shiny an verschiedene Datenquellen (z.B. Datenbanken, CSV-Dateien, APIs).
  • Reaktive Datenverarbeitung: Implementierung von reaktiver Datenverarbeitung und Filterung.
  • Berichterstellung: Erstellung dynamischer Berichte mit RMarkdown und Shiny.
• Sicherheit und Benutzerverwaltung
  • Zugriffskontrolle: Implementierung von Benutzeranmeldung und Zugriffskontrolle.
  • Sicherheit: Best Practices zur Sicherung von Shiny-Anwendungen.
  • Datenvalidierung: Validierung und Prüfung von Benutzereingaben.
• Deployment und Skalierung
  • Deployment-Optionen: Bereitstellung von Shiny-Anwendungen auf Shiny Server, RStudio Connect und Cloud-Plattformen.
  • Performance-Optimierung: Techniken zur Verbesserung der Performance von Shiny-Anwendungen.
  • Skalierung: Skalierung von Shiny-Anwendungen für große Benutzerzahlen.
• Praktische Übung 2: Komplexe Shiny-Anwendung
  • Problemstellung: Entwickeln Sie eine komplexe Shiny-Anwendung zur Analyse und Visualisierung von Echtzeit-Daten.
  • Lösung: Implementieren Sie die UI, die Serverlogik und die Datenintegration, um eine umfassende Analyseplattform zu erstellen.
  • Ergebnis: Eine funktionsfähige Shiny-Anwendung, die Echtzeit-Daten analysiert, visualisiert und auf Benutzereingaben reagiert.