Introduction à l’analyse des données statistiques avec R

Programme détaillé :

• le langage R et son environnement :
  • Définition de l’environnement
  • Présentation de la notion de packages
  • Présentation de RStudio
  • Les possibilités de R pour la création de documents (scripts, Rmarkdown, Rnotebook…)
  • Présentation des packages importants pour la manipulation de données

• Les structures et les fonctionnalités de base de R :
  • L’importation des données (.txt, .csv, .xls, .sav…)
  • Les fonctionnalités de base pour la gestion des données

• Utilisation avancée de la gestion des données avec R :
  • La grammaire de dplyr

• Statistiques descriptives avec R
  • Les fonctionnalités pour la description statistique des données
  • La gestion des graphiques (histogrammes, box-plot…)

• Le data mining et le machine learning avec R
  • L’analyse descriptive des données multivariées et la réduction de dimensions (ACP)
    • Présentation et utilisation du package FactoMineR
  • Apprentissage supervisé – cas pratiques avec R
    • La régression logistique
    • Les arbres de décisions
    • Les forêts aléatoires et les GBM
    • Présentation du package caret pour ajuster les hyper-paramètres
  • L’apprentissage non supervisé – cas pratiques avec R (k-means…)

• Quelques notions de programmation avec R
• • Les standards de la programmation avec R
  • Construire une fonction R pour automatiser des analyses
  • Les structures de contrôle : if, for, while…

Public : Aucun prérequis sur l’utilisation de R n’est nécessaire. Quelques bases en traitement des données.