Outils avancés - R

Analyse

Data Science

Open Source

Inter-entreprise

Intra-entreprise

Présentiel

Distanciel

Français

Anglais

Objectifs

Approfondir les outils permettant de représenter et manipuler des données complexes, découvrir les packages dplyr et data.table pour optimiser les traitements de données, importer des sources de données (CSV, JSON, XML, SQL), réaliser un modèle de régression linéaire simple ou multiple avec le package {stats}, perfectionner ses connaissances des graphiques et savoir utiliser ggplot2 ou plotly.
À l’issue de cette formation, le participant doit être en mesure d’importer voire de fusionner des sources structurées ou non structurées de données, d’appliquer des traitements avancés sur les données quantitatives et qualitatives et de construire des graphiques statiques ou dynamiques élaborés.a

Pré-requis :

Avoir suivi Outils de base, R ou niveau équivalent

Moyens pédagogiques et d’encadrement :

Séances avec le formateur
Support pédagogiques format numérique
Alternance entre théorique et pratique, cas concrets.

Dispositif de suivi et d’évaluation des acquis :

Mise en pratique et exercices
Appréciation de la formation à chaud

Résultats & compétences attendus à l’issue de la formation :

À l’issue de cette formation, le participant doit être en mesure d’importer voire de fusionner des sources structurées ou non structurées de données, d’appliquer des traitements avancés sur les données quantitatives et qualitatives et de construire des graphiques statiques ou dynamiques élaborés.

Programme de la formation

JOUR 1

L’ importation de sources de données externes avec les packages {base}, {foreign} et {haven}
Les outils pour optimiser les traitements de données, {data.table} et {dplyr} :
- La manipulation avancée des data frames,
- L’aggrégation de données,
- Le reshaping,
- L’indexation,
- La fusion de sources de données

La réalisation d’un modèle de régression linéaire simple ou multiple avec le package {stats} :
- La régression simple et multiple,
- Les tests des coefficients de régression,
- Le diagnostic du modèle,
- La prédiction ponctuelle et par intervalle

JOUR 2

Le traitement des chaînes de caractères, regex
Le traitement des dates et gestion des séries chronologiques
L’approche fonctionnelle et lazy evaluation
L’interface base de données (SQL, NoSQL)
Les fonctionnalités graphiques avancées avec le package {ggplot2} :
- Les graphiques en trellis,
- Les distributions statistiques,
- Représentation de données avec le heatmap
Construction de graphiques statiques ou dynamiques élaborés interactifs avec les packages {ggvis} et {plotly}