R Shiny Entwickler, R Entwickler, Data Scientist und Statistik Berater

Beschreibung:
In diesem Projekt bin ich zuständig mehrere Anwendungen, darunter R Pakete, shiny Apps und APIs zu entwerfen, entwickeln und zu pflegen. Derzeit bin ich dafür zuständig zwei shiny Apps zu pflegen und weiterzuentwickeln, die vom Nutzer übermittelte Messdaten in eine Datenbank schreiben und grafisch auswerten. Dabei kann ein Report generiert und heruntergeladen werden.

Methoden: Web Applikationen, Datenbanken, Reporting, Datenvisualisierung, Datenaufbereitung, APIs

Tools & Libraries: Shiny, SQL, RMarkdown, plotly, ggplot2, dplyr, dbplyr, httr

Beschreibung:
In diesem Projekt wurde ich kurzfristig als Berater hinzugezogen, um eine bestehende shiny App in ein R-Paket zu überführen (golem App). Trotz des engen Zeitrahmens konnten alle Anforderungen erfüllt und in kürzester Zeit ein fertiges R Paket präsentiert werden.

Methoden: Web Applikationen, R Pakete

Tools & Libraries: shiny, devtools, golem

Beschreibung:
Dies ist ein internes Projekt.
Ziel dieses Projektes ist es, eine Webanwendung zu entwickeln, die Machine Learning für jedermann ohne jegliche Programmierkenntnisse zugänglich macht. Dabei kann der Benutzer zunächst einen beliebigen Datensatz hochladen, der anschließend mit Machine Learning Algorithmen analysiert werden soll. Die App bildet dabei den kompletten Machine Learning Workflow ab: Preprocessing, Explorative Datenanalyse, Model Definition, Tuning & Evaluation, Prediction und Model Deployment via API. Dabei kann das fertig trainierte ML Modell mit einem Klick als API deployt und somit in beliebige Software/Code integriert werden.
Es ist geplant, die Applikation in Zukunft der Öffentlichkeit zugänglich zu machen. Sobald dies geschehen ist, wird hier ein Link zur App zu finden sein.
Außerdem habe ich die App auf der shinyconf 2024 (https://www.shinyconf.com/speakers-list) präsentiert.

Link zum YouTube walk-through Video: https://www.youtube.com/watch?v=4bvfPVjsQfE&t

Methoden: Web Applikationen, Reporting, Deployment, Machine Learning

Tools & Libraries: shiny, rmarkdown, data.table, mlr3, vetiver, ShinyProxy, AWS EC2, AWS SageMaker

Beschreibung:
Ziel dieses Projektes war es, ein Dashboard zu entwickeln, das es ermöglicht, vom Nutzer ausgewählte Geodaten für eine gewünschte geographische Region in Deutschland herunterzuladen. Beispielsweise können die Standorte aller Supermärkte für einen bestimmten Landkreis (oder Gemeinde, Bundesland etc.) heruntergeladen und in einer interaktiven Karte visualisiert werden. Das Dashboard wird mit ShinyProxy, Docker & AWS bereitgestellt.

Methoden: Webapplikation, APIs, Geodaten Visualisierung, Geodatenaufbereitung, Deployment

Tools & Libraries: shiny, osmdata, osmextract, leaflet, sf, ShinyProxy, Docker, AWS

Beschreibung:
Ziel dieses Projekts war die Entwicklung eines R-Pakets, das den Download von Daten über verschiedene API-Schnittstellen und die anschließende Datenaufbereitung automatisiert. Auf Basis der aufbereiteten Daten werden Grafiken und weitere automatisierte Analysen in eine Powerpoint-Präsentation geladen und gespeichert. Dieses R-Paket bildet die Grundlage für weitere Anwendungen. So habe ich auf Basis des R-Pakets eine Shiny-Applikation entwickelt, so dass die Erstellung der Powerpoint-Präsentation über eine interaktive Web-Eingabemaske möglich ist.

Methoden: R Paketentwicklung, Webapplikation, APIs, Datenvisualisung, Datenaufbereitung, Automatisiertes Reporting, Automatisierte Powerpoint Erzeugung 

Tools & Libraries: devtools, shiny, httr, officer, RMarkdown, future, promises, dplyr, ggplot2

Beschreibung:
Ziel dieses Projekts war die Entwicklung eines R-Pakets, das den gesamten Arbeitsablauf bei der Durchführung einer Monte-Carlo-Simulation im akademischen oder professionellen Umfeld abdeckt und vereinfacht. Daher zielt tidyMC darauf ab, Funktionen für die folgenden Aufgaben bereitzustellen:

• Durchführung einer Monte-Carlo-Simulation für eine benutzerdefinierte Funktion über ein Parametergrid
• Benutzerdefinierter Asuführungsplan (Parallelisierung etc.)
• Zusammenfassen der Ergebnisse durch (optional) benutzerdefinierte Zusammenfassungsfunktionen
• Erstellung von Plots der Monte-Carlo-Simulationsergebnisse, die vom Benutzer modifiziert werden können
• Erstellen einer LaTeX-Tabelle, die die Ergebnisse der Monte-Carlo-Simulation zusammenfasst

Das Paket finden Sie auf meinem GitHub Account: https://github.com/stefanlinner/tidyMC
Außerdem ist es auf CRAN verfügbar: https://cran.r-project.org/web/packages/tidyMC/index.html

Methoden: R Paketentwicklung, Parallelisierung, Datenaufbereitung, Datenvisualisierung, Reporting, LaTeX

Tools & Libraries: devtools, future, furrr, dplyr, purrr, ggplot2, kable

Beschreibung:
Im Rahmen einer wissenschaftlichen Veröffentlichung mit der Fakultät für Statistik der Universität Passau war ich für die Entwicklung des R-Codes verantwortlich. Für dieses Projekt habe ich eine sehr umfangreiche Monte-Carlo-Simulation durchgeführt und ein R-Paket entwickelt, das die im Paper vorgestellte statistische Methode (Boosting Regression Quantiles) öffentlich zugänglich machen soll. Das Paper wird im Dezember 2024 in dem Journal "Computational Statistics and Data Analysis" veröffentlicht.

DOI: https://doi.org/10.1016/j.csda.2024.108027

Repository boostrq Package: https://github.com/stefanlinner/boostrq
Repository Code für Publikation: https://github.com/stefanlinner/pinball_boosting

Methoden: R Paketentwicklung, Quantilsregression, Boosting, Monte Carlo Simulation, Research

Tools & Libraries: devtools, quantreg, mboost, tidyMC, RMarkdown

Beschreibung:
Während meiner Arbeit als Data Scientist habe ich zwei interaktive Webanwendungen erstellt. Die erste dient zur Simulation der Test- und Infektionsdynamik während der Corona-Krise (https://corona.statup.solutions/). Die zweite dient zur Bewertung möglicher Ladesäulenstandorte in deutschen Großstädten (unter Berücksichtigung geographischer und soziodemographischer Aspekte der Umgebung sowie weiterer qualitativer Standortmerkmale). Darüber hinaus habe ich zwei medizinische Bewertungen durchgeführt. In der ersten wurde der Grad der Kniearthrose anhand von Bewegungsdaten von Patienten prognostiziert. In der zweiten wurde die Wirksamkeit verschiedener Antibiotika-Therapien bei Mukoviszidose-Patienten evaluiert.

Link zur Corona App: https://corona.statup.solutions/

Methoden: interaktive Webapplikationen, Reporting, Datenaufbereitung, Datenvisualisierung, Machine Learning, Statistik, Geodaten

Tools & Libraries: shiny, bs4Dash, leaflet, osmdata, sf, RMarkdown, caret, plotly, ggplot2