Formation Logiciel R
Logiciel R
La formation « Logiciel R » vous permettra de comprendre les bases du langage R et manipuler des données avec le tidyverse, de réaliser des analyses statistiques et des visualisations claires, et de produire des documents reproductibles avec RMarkdown.. Le programme est donné à titre indicatif et sera adapté à vos besoins et votre niveau après audit. N’hésitez pas à nous contacter pour toute demande spécifique.
En résumé
Distanciel
Présentiel
Pré-requis
Des connaissances de l’environnement Windows et des connaissances de base en statistiques sont souhaitées. Toutefois, tous les éléments nécessaires sont donnés au fur et à mesure de la formation.
Public concerné
Développeur en environnement statistique
Durée et tarif de la formation
La durée de la formation varie en fonction des besoins et des objectifs déterminés après audit. Les tarifs sont disponibles sur devis.
Lieux
Formation intra-entreprise au sein de votre établissement ou dans nos locaux de LA ROCHELLE (Charente-Maritime), NIORT (Deux-Sèvres) ou POITIERS (Vienne)
Téléchargement
Télécharger le programme de formation au format PDF
Contenu de la formation
- Présentation de R, RStudio et de l'écosystème R.
- Philosophie du langage R vs Python vs Excel.
- Installation de packages : install.packages(), library().
- Présentation de RProjects pour une organisation de travail propre.
- Types de données : numériques, chaînes, logiques.
- Structures de base : vecteurs, matrices, listes, data frames, facteurs.
- Opérateurs de base : arithmétiques, logiques, assignation.
- Fonctions de base : length(), class(), typeof(), str(), etc
- Import de données avec readr::read_csv(), readxl::read_excel().
- Aperçu des données : head(), glimpse(), summary().
- Accès aux éléments d’un data frame
- Gestion des valeurs manquantes : is.na(), na.omit(), naniar.
- Introduction au tidyverse et à la syntaxe %>% (ou |>).
- Filtrer (filter()), sélectionner (select()), créer/modifier (mutate()), trier (arrange())
- Regrouper et résumer (group_by(), summarise()).
- Restructurer les données avec pivot_longer() et pivot_wider() (tidyr).
- Jointures avec left_join(), inner_join() (dplyr).
- Structures conditionnelles : if, else.
- Boucles : for, while, fonctions apply() et purrr::map().
- Écriture de fonctions personnalisées : function(), arguments, retour de valeurs.
- Statistiques descriptives : mean(), median(), var(), sd(), quantile().
- Tests statistiques de base : test de normalité (shapiro.test()), t de Student (t.test()), test de variance (var.test()).
- Introduction à ggplot2.
- Créer des graphiques de base : barres, histogrammes, boxplots, courbes.
- Esthétique et thèmes : labs(), theme_minimal(), scale_*.
- Sauvegarde de graphiques.
- Rappels théoriques sur l’ACP.
- ACP avec FactoMineR::PCA() et factoextra::fviz_pca_*().
- Visualisation avancée et interprétation des axes.