Objectifs de la formation

R est un logiciel open source dans le domaine des statistiques disponible sur toutes les plateformes. Il propose toutes les fonctions utiles pour la statistique courante ainsi que de nombreuses extensions (paquets). Cette formation Logiciel R vous apprend à programmer avec R ainsi qu’avec les extensions proposées (paquets)

À l’issue de cette formation Logiciel R, vous aurez acquis les compétences et connaissances nécessaires pour :

• Installer et utiliser l’environnement R
• Manipuler des données et des objets
• Programmer avec R
• Appliquer des méthodes d’analyses statistiques courantes

À qui s’adresse cette formation ?

Public :

Ce cours s’adresse à tout développeur en environnement statistique et aux personnes voulant découvrir le datamining et l’appliquer.

Prérequis :

Pour suivre cette formation, il est demandé d’avoir des connaissances de base en statistiques (régression linéaire, échantillonnage) ainsi que des connaissances de base en programmation (variables, boucles, etc.).

 Contenu du cours

1. Présentation du logiciel R

   Introduction au logiciel R
   Découvrir le langage R
   Le langage R et la concurrence
   Mettre en oeuvre le téléchargement et l’installation

   Première prise en main du logiciel R

   Les Objets

   Les Vecteurs
   Les Tableaux
   Les Listes
   Les Matrices
   Les Data Frames
   Les Tables de contingences

   Les Fonctions et programmation R

   Fonctions mathématiques
   Fonction de manipulation des objets
   Opérations ensemblistes
   Fonctions dates et chaînes

   Génération, gestion et visualisation des données

   Analyses statistiques

   Régressions linéaires
   Analyse en composante principale (ACP)
   Classification ascendante hiérarchique

   Bilan

Objectifs de la formation

Cette formation Logiciel R Perfectionnement propose de vous transmettre le savoir-faire d’un développeur R professionnel au niveau de son organisation (à tous les niveaux des bonnes pratiques) et de ses choix techniques. Concrètement, la formation suit le « scénario idéal » qu’il faudrait mettre en œuvre pour livrer le plus rapidement possible un programme efficace et facile à maintenir.

À l’issue de cette formation, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Savoir organiser son environnement de travail pour fluidifier son processus d’analyse
• Connaître les packages utilisés dans la plupart des projets professionnels
• Savoir utiliser les bonnes structures de données pour les manipuler efficacement
• Savoir visualiser de façon élégante et rapide les données
• Maîtriser la manipulation des données avec les package dplyr, forecast, stringr, lubridate, etc.
• Savoir assembler les données (jointure)
• Savoir représenter graphiquement les données avec le package ggplot2
• Savoir générer dynamiquement son rapport d’analyse avec rmarkdown
• Comprendre la programmation fonctionnelle (purrr)

À qui s’adresse cette formation ?

Public :

Ce cours Logiciel R perfectionnement cible les utilisateurs du logiciel R qui souhaitent approfondir leurs connaissances et maîtriser les bonnes pratiques du logiciel R.

Prérequis :

Pour suivre cette formation Logiciel R Perfectionnement, il est important d’avoir des connaissances de base sur le logiciel R : création et manipulation des objets sous R, importation des données, utilisation simple de R en mode console, création de graphiques simples.

 Contenu du cours

1. Organiser son travail sous R

   Travailler en projet R : notion de working directory, workspace, history
   Architecture de son projet R : data, plots, images, scripts, etc..
   Bonnes pratiques pour la création de fichiers de données
   Importation et exportation de fichiers avec le package here
   Mettre à jour ses packages
   Mettre à jour R et R Studio

   Manipuler facilement ses données avec le package dplyr

   Introduction au package tidyverse et à la notion de pipe
   Filtrer des lignes avec la fonction filter()
   Sélectionner des colonnes (variable) avec la fonction select()
   Création de nouvelles variables avec la fonction mutate()
   Renommer ses variables avec la fonction rename()
   Calcul de paramètres par sous-groupes : fonctions group_by() et summarise()
   Passage du format wide au format long

   Exercices

   Manipulation des variables catégorielles avec le package forecats

   Inspecter les variables catégorielles avec les fonctions levels(), fct_count et fct_unique
   Modifier l’ordre des modalités
   Modifier le nom des modalités

   Exercices

   Manipuler les chaînes de caractères avec le package stringr

   Détection de patterns
   Découpage
   Gestion des longueurs
   Remplacement

   Exercices

   Manipuler des données de date : utilisation du package lubridate

   Convertir les données au format YYYY-MM-DD et HH:MM:SS
   Décomposer les éléments d’année, de mois et de jour
   Calculer des différences de dates et les exprimer en jours, ou heures

   Exercices

   Assemblage de tables

   Les différentes jointures (par colonne): left join, right join, inner join et full join
   Assemblage par lignes
   Exemple d’applications pour l’analyse de données

   Exercices

   Réaliser des représentations graphiques performantes avec le package ggplot2

   Le principe des couches successives de ggplot2
   Réalisation des graphiques de base : scatterplot, barplots, line plot, boxplots
   Gestion des couleurs, titres, axes et légendes
   Représentation des séries temporelles
   Utilisation du format long et facetting
   Ajouter du texte sur un graphique (ex : équation)
   Exporter son graphique : format et résolution
   Utilisation des addins esquisse et Colour Picker

   Générer dynamiquement son rapport d’analyse avec R Markdown

   Principe, formats de sorties (html, docx, pdf)
   Les différents éléments d’un fichier Rmd : en-tête, chunk, etc. . .
   Gestion des éléments de texte : gras, italique, titre
   Gestion des tables
   Gestion des images
   Gestion des graphiques
   Gestion des options des éléments de code
   Gestion de la table des matières et numérotation
   Les rapports paramétrés : automatisation des rapports d’analyse par sous groupe

   Introduction à la programmation fonctionnelle avec le package purrr

   Les list
   Les fonctions map()
   Nested data

   Exercices

Objectifs de la formation

Cette formation Maîtriser le logiciel R vous apprend dans un premier temps à programmer avec R ainsi qu’avec les extensions proposées. Elle vous propose ensuite de vous transmettre le savoir-faire d’un développeur R professionnel au niveau de son organisation (à tous les niveaux des bonnes pratiques) et de ses choix techniques.

À l’issue de cette formation, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Installer et utiliser l’environnement R
• Manipuler des données et des objets
• Programmer avec R
• Appliquer des méthodes d’analyses statistiques courantes
• Organiser son environnement de travail pour fluidifier son processus d’analyse
• Connaître les packages utilisés dans les projets professionnels
• Manipulaer des données avec les package dplyr, forecast, stringr, lubridate, etc.
• Assembler les données (jointure)
• Représenter graphiquement les données avec le package ggplot2
• Générer dynamiquement un rapport d’analyse avec rmarkdown
• Comprendre la programmation fonctionnelle (purrr)

À qui s’adresse cette formation ?

 Public :

Ce cours Maîtriser le logiciel R s’adresse à tout développeur en environnement statistique ainsi qu’aux utilisateurs futurs du logiciel R, souhaitant tout à la fois le découvrir et en connaître les bonnes pratiques.

Prérequis :

Pour suivre cette formation Maîtriser le logiciel R, il est demandé d’avoir des connaissances préalables de base en statistiques (régression linéaire, échantillonnage) ainsi que des connaissances de base en programmation (variables, boucles, etc.)

 Contenu du cours

1. Présentation du logiciel R

   Introduction au logiciel R
   Découvrir le langage R
   Le langage R et la concurrence
   Mettre en oeuvre le téléchargement et l’installation

   Première prise en main du logiciel R

   Les Objets

   Les Vecteurs
   Les Tableaux
   Les Listes
   Les Matrices
   Les Data Frames
   Les Tables de contingences

   Les Fonctions et programmation R

   Fonctions mathématiques
   Fonction de manipulation des objets
   Opérations ensemblistes
   Fonctions dates et chaînes

   Génération, gestion et visualisation des données

   Analyses statistiques

   Régressions linéaires
   Analyse en composante principale (ACP)
   Classification ascendante hiérarchique

   Organiser son travail sous R

   Travailler en projet R : notion de working directory, workspace, history
   Architecture de son projet R : data, plots, images, scripts, etc..
   Bonnes pratiques pour la création de fichiers de données
   Importation et exportation de fichiers avec le package here
   Mettre à jour ses packages
   Mettre à jour R et R Studio

   Manipuler facilement ses données avec le package dplyr

   Introduction au package tidyverse et à la notion de pipe
   Filtrer des lignes avec la fonction filter()
   Sélectionner des colonnes (variable) avec la fonction select()
   Création de nouvelles variables avec la fonction mutate()
   Renommer ses variables avec la fonction rename()
   Calcul de paramètres par sous-groupes : fonctions group_by() et summarise()
   Passage du format wide au format long

   Exercices

   Manipulation des variables catégorielles avec le package forecats

   Inspecter les variables catégorielles avec les fonctions levels(), fct_count et fct_unique
   Modifier l’ordre des modalités
   Modifier le nom des modalités

   Exercices

   Manipuler les chaînes de caractères avec le package stringr

   Détection de patterns
   Découpage
   Gestion des longueurs
   Remplacement

   Exercices

   Manipuler des données de date : utilisation du package lubridate

   Convertir les données au format YYYY-MM-DD et HH:MM:SS
   Décomposer les éléments d’année, de mois et de jour
   Calculer des différences de dates et les exprimer en jours, ou heures

   Exercices

   Assemblage de tables

   Les différentes jointures (par colonne): left join, right join, inner join et full join
   Assemblage par lignes
   Exemple d’applications pour l’analyse de données

   Exercices

   Réaliser des représentations graphiques performantes avec le package ggplot2

   Le principe des couches successives de ggplot2
   Réalisation des graphiques de base : scatterplot, barplots, line plot, boxplots
   Gestion des couleurs, titres, axes et légendes
   Représentation des séries temporelles
   Utilisation du format long et facetting
   Ajouter du texte sur un graphique (ex : équation)
   Exporter son graphique : format et résolution
   Utilisation des addins esquisse et Colour Picker

   Générer dynamiquement son rapport d’analyse avec R Markdown

   Principe, formats de sorties (html, docx, pdf)
   Les différents éléments d’un fichier Rmd : en-tête, chunk, etc. . .
   Gestion des éléments de texte : gras, italique, titre
   Gestion des tables
   Gestion des images
   Gestion des graphiques
   Gestion des options des éléments de code
   Gestion de la table des matières et numérotation
   Les rapports paramétrés : automatisation des rapports d’analyse par sous groupe

   Introduction à la programmation fonctionnelle avec le package purrr

   Les list
   Les fonctions map()
   Nested data

   Exercices

Objectifs de la formation

La Data Science avec R repose sur la maîtrise de techniques d’exploration de données fondamentales : statistiques descriptives, prédictives ou exploratoires.

Cette formation Logiciel R vous présentera les méthodes indispensables en Data Science sous RStudio.

À l’issue de cette formation, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Savoir utiliser des méthodes d’exploration de données
• Comprendre le principe de la modélisation statistique
• Choisir entre la régression et la classification

Mettre en œuvre une évaluation des performances prédictives d’un modèle

À qui s’adresse cette formation ?

Public :

Cette formation Data Science avec R s’adresse aux responsables infocentres (Datamining, Marketing, Qualité…), aux utilisateurs et gestionnaires métiers de bases de données, ainsi qu’aux futurs Data Scientists.

Prérequis :

Pour suivre cette formation à la Data Science avec R, il est nécessaire d’avoir des connaissances de base du logiciel R ainsi qu’en statistiques

 Contenu du cours

1. Rappels du langage R

   Les types de données dans R
   Importation et exportation de données
   Techniques pour tracer des courbes et des graphiques

   Analyse en composantes

   Analyse en composantes principales
   Analyse factorielle des correspondances
   Analyse des correspondances multiples

   Exercices

   La modélisation

   Les algorithmes supervisés et non supervisés
   Le choix entre la régression et la classification
   Les étapes de construction d’un modèle

   Les algorithmes non supervisés

   Le clustering hiérarchique
   Le clustering non hiérarchique
   Les approches mixtes

   Exercices

   Les algorithmes supervisés

   Le principe de régression linéaire univariée
   La régression multivariée
   La régression polynomiale
   La régression logistique
   Le Naive Bayes
   L’arbre de décision
   Les K plus proches voisins

   Exercices

   Procédures d’évaluation de modèles

   Les techniques de ré-échantillonnage en jeu d’apprentissage, de validation et de test
   Mesures de performance des modèles prédictifs
   Matrice de confusion, de coût et la courbe ROC et AUC

   Exercices

   Analyse de donnees textuelles

   Quelques packages utiles
   Cas de la régression linéaire multiple
   Cas de l’analyse en composantes principales ACP
   Cas de la classification CAH

   Exercices

Objectifs de la formation

R est un logiciel statistique qui dispose d’outils graphiques de qualité pour présenter les données. Afin de bénéficier de cette richesse, il faut être capable de préparer ces données, de les transformer et de les exploiter avec R

À l’issue de cette formation, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Constituer des jeux de données à analyser à partir de multiples sources
• Manipuler les données pour les transformer à partir de fonctions diverses
• Savoir construire des graphiques avec R
• Être capable de calculer des indicateurs statistiques

À qui s’adresse cette formation ?

Public :

Ce cours Manipulation de données avec R est destinée aux statisticiens, analystes, ingénieurs, développeurs, ainsi qu’à toute personne ayant à manipuler des données, à traiter numériquement et représenter graphiquement des données, ou encore à réaliser des statistiques sous R.

Prérequis :

Pour suivre cette formation sur la manipulation de données avec R, il est conseillé de posséder des connaissances de base du logiciel R.

 Contenu du cours

1. Rappels des éléments de base de R

   L’environnement RStudio
   Les types de données dans R, les listes, les DataFrames, les facteurs et les variables
   Principes algorithmiques avec les boucles, les structures conditionnelles et les fonctions

   Exercices

   Importation et exportation de données

   Lecture d’un jeu de données en mémoire
   Lecture d’un fichier externe
   Exporter et charger un fichier

   Exercices

   Manipulation de données avec R

   Opérations logiques et relationnelles
   Opérations sur les matrices ou les DataFrame
   Les fonctions outer, apply, lapply, sapply et mapply
   Manipulation de chaînes de caractères
   Manipulation de dates et séries temporelles

   Exercices

   Construire des graphiques avec R

   Les fenêtres graphiques
   Les fonctions de tracé de bas niveau
   Personnaliser des éléments graphiques
   Type de graphique
   Diagrammes empilés ou circulaire
   Boîte à moustaches
   Histogramme en densité à amplitudes de classes égales ou inégales
   Polygone des fréquences
   Représentations graphiques dans un cadre bivarié

   Exercices

   Statistique inférentielle

   Mesures d’association
   Notions sur la génération de nombres au hasard et de variable aléatoire
   Loi de probabilité
   Loi des grands nombres et théorème de la limite centrale
   Intervalles de confiance
   Tests d’hypothèses
   Analyse de la variance à un facteur, deux facteurs

   Exercices

Objectifs de la formation

Dans R, les rapports dynamiques désignent des fichiers générés automatiquement (automatisés) écrits dans un format déterminé : R Markdown. Ce format, qui comprend des balises, permet d’inclure du texte, des commentaires, du code R ou encore les sorties de ces codes R.

À l’issue de cette formation, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Produire de façon automatisée des documents de travail contenant du texte, du code R, et les sorties de ces codes R
• Inscrire ces documents dans une démarche de travail reproductible

Générer ces documents en format HTML, word ou PDF

À qui s’adresse cette formation ?

Public :

Ce cours cible les utilisateurs du logiciel R qui souhaitent apprendre à créer des rapports automatisés avec R.

Prérequis :

Pour suivre cette formation R Markdown & Bookdown, le participant doit avoir des connaissances de base sur le logiciel R : création et manipulation des objets sous R, importation des données, utilisation simple de R en mode console, création de graphiques simples…

 Contenu du cours

1. Introduction à R Markdown

   Programmation lettrée
   Crise de la reproductibilité
   Principe de R Markdown

   Script R Markdown

   Structure : en-tête, texte, chunk
   Formats de sortie : html, word, pdf
   Premier rapport dynamique : bouton knit

   Gestion des éléments de texte

   Formatage : gras, italique, insertion de ligne
   Les listes : numérotées, non numérotées
   Les titres et leur numérotation
   La table des matières

   Exercices

   Insertion d’éléments

   Les images
   Les tables
   Les liens hypertexte
   Les notes de bas de page
   Les équations
   Les références bibliographiques

   Exercices

   Gestion du code R

   Options d’affichage du code
   Options d’affichage des sorties
   Les graphiques
   Les tables de données
   Les options par défaut
   Exercices
   Amélioration des rendus simples
   Ajouter un modèle Word
   Options pour le pdf
   Les modèles html

   Exercices

   Amélioration des rendus simples

   Ajouter un modèle Word
   Options pour le PDF
   Les modèles HTML

   Exercices

   Paramétrisation des scripts rmd (rapports répétés)

   Principe
   Exemples

   Exercices

   Réalisation de documents contenant plusieurs chapitres

   Principe du package bookdown
   Les différents fichiers nécessaires
   Compilation des chapitres
   Les différents formats de sortie
   Debuggage
   Déploiement du document html sur https://bookdown.org/
   Mise en application

Objectifs de la formation

Le framework R Shiny permet aux data scientists de communiquer leurs analyses au travers d’une application web dynamique et interactive écrite entièrement à partir de R, sans avoir besoin de connaître les langages HTML, CSS,  ou JavaScript.

À l’issue de cette formation, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Optimiser la performance de vos applications
• Personnaliser l’apparence de vos applications

À qui s’adresse cette formation ?

Public :

Ce cours R Shiny cible principalement les développeurs R et les administrateurs de déploiement.

Prérequis :

Pour suivre cette formation R Shiny, il est nécessaire d’avoir des bases de programmation avec R et de posséder une certaine culture sur l’analyse de données et la datavisualisation.

 Contenu du cours

1. Introduction au framework R Shiny

   Présentation du package shiny
   Exemples d’applications
   Présentation de Shiny Server Open Source
   Installation et prise en main

   Créer votre première application Shiny

   Structure de base des fichiers
   Outils de conception de l’interface
   Les widgets disponibles et le package shinyWidgets
   Créer des sorties graphiques
   Règles de portée lexicale

   Concevoir des applications professionnelles et performantes

   Comprendre la réactivité en Shiny
   Les fonctions de réactivité : reactive(), observe(), isolate(), …
   Bonnes pratiques et cas d’usage
   Mesurer la performance d’une application
   Accélérer les traitements de données
   Organisation d’un projet Shiny
   Modularisation d’une application

   Améliorer l’apparence d’une applications

   Présentation du langage CSS
   Le framework Bootstrap
   Personnaliser les classes Bootstrap
   Dashboards clef en main avec shinydashboard
   Effets dynamiques avec JavaScript

   Déployer une application Shiny en production

   Le service shinyapps.io
   Shiny Server Open Source
   Gestion d’utilisateurs simultanés

   Devenir un développeur Shiny autonome

   Outils de débuggage
   Comment trouver de l’aide
   Continuer à évoluer en Shiny