Ingénieurs, Data analysts, statisticiens, développeurs en environnement statistique ou toute personne intéressée par l'analyse statistique avec R
A l’issue de la formation, le stagiaire sera capable de réaliser une analyse statistique avec le logiciel R et d’en restituer les résultats sous forme graphique.
|
| Savoir installer et utiliser l’environnement d'analyse R |
Durée : 3h
Méthodes pédagogiques : alternance de théorie et de travaux pratiques
Matériels et moyens : vidéo-projecteur en présentiel, tableau partagé en classe virtuelle, infrastructure distribuée serveurs Linux | Le projet R Programming. R Project.
Utilisation de R en mode commande.
Commandes de base. Syntaxe de base. Interfaces et environnements : RStudio, Jupyter.
Opérations de base. Expressions, variables, types de données, nombres, chaînes de caractères,Atelier : installation et tests d'une plateforme R
Atelier : travail sur les chaînes de caractères et sur les types scalaires.
|
|
| Comprendre comment manipuler des données avec R |
Durée : 2h
Méthodes pédagogiques : alternance de théorie et de travaux pratiques
Matériels et moyens : vidéo-projecteur en présentiel, tableau partagé en classe virtuelle, infrastructure distribuée serveurs Linux | Base de R : tests, boucles, fonctions.
Transformations de données, conversions de types.
Fonctions mathématiques de base.Atelier : conversion de données numériques en texte. conversion de données texte en nombres
|
|
| Savoir reconnaître les différents types d'objets de R |
Durée : 2h
Méthodes pédagogiques : alternance de théorie et de travaux pratiques
Matériels et moyens : vidéo-projecteur en présentiel, tableau partagé en classe virtuelle, infrastructure distribuée serveurs Linux | Manipulations de nombres, vecteurs, tableaux, matrices, listes, factors.
Liste et DataFrames : Définitions, cas d'utilisation.
Attachement, détachement. Chargement d'un dataframe. La fonction scan.
Tableaux et matrices : Déclaration, dimensionnement, indexation.
Opérations de base : produit de tableaux, transposition, produits de matrices.
Matrices : équations linéaires, inversion, valeur propre, vecteur propre, déterminant, moindre carré, ...Atelier : exercices sur les objets R : matrice, vecteur
|
|
| Savoir importer et exporter des données |
Durée : 2h
Méthodes pédagogiques : alternance de théorie et de travaux pratiques
Matériels et moyens : vidéo-projecteur en présentiel, tableau partagé en classe virtuelle, infrastructure distribuée serveurs Linux | Import/export : formats texte, csv, xml, binaire, largeur fixe, images (jpeg, png).
Encodage. Filtrage. Bibliothèques : rjson, readr, xml2.
Interfaçage avec le BigData : SparkR
Transformation d'un dataframe R en un dataframe Spark.
Importation SQL. Importation depuis un socket réseau.Atelier : importation de données géodésiques et export au format Json
|
|
| Créer des programmes d'analyse avec R |
Durée : 2h
Méthodes pédagogiques : alternance de théorie et de travaux pratiques
Matériels et moyens : vidéo-projecteur en présentiel, tableau partagé en classe virtuelle, infrastructure distribuée serveurs Linux | Structure générale d'un programme d'analyse. Découpage en sections métiers. Notion d'ETL.
Fonctions spécifiques : définition de nouvelles fonctions. Appels. Passage d'argument.
Construction d'une bibliothèque.
Diffusion, installation avec R CMD INSTALL.Atelier : construction d'un programme de calcul de moyennes en trois parties : chargement, calcul, restitution
|
|
| Être en mesure de réaliser des analyses statistiques basiques avec R |
Durée : 2h
Méthodes pédagogiques : alternance de théorie et de travaux pratiques
Matériels et moyens : vidéo-projecteur en présentiel, tableau partagé en classe virtuelle, infrastructure distribuée serveurs Linux | Statistiques : Distributions embarquées : uniforme, normale, poisson, exponentielle, ...
Calculs statistiques. Modèles statistiques.Atelier : analyse statistique d'une population
|
|
| Savoir restituer des résultats à l'aide de graphiques |
Durée : 1h30
Méthodes pédagogiques : alternance de théorie et de travaux pratiques
Matériels et moyens : vidéo-projecteur en présentiel, tableau partagé en classe virtuelle, infrastructure distribuée serveurs Linux | Affichage en graphes, histogrammes : Plot, Line, Pie Charts, Scatterplot, Bars. Atelier : affichage des données de l'atelier précedent sous forme de nuage de points.
|
