R initiation

 
  2 jours       880       Initiation    
  Prochaine session
21 et 22 mars 2024
Objectifs de la formation
  • Manipuler une session de travail R
  • Distinguer les objets R
  • Mettre en œuvre des fonctions de R pour manipuler un jeu de données

Prérequis

Parmi nos formations au langage R, cette formation est le niveau 1. Elle requiert des connaissances de base en programmation, et idéalement des notions de techniques statistiques.

Si vous êtes déjà un utilisateur de R, vous serez peut-être intéressé(e) par notre formation R Intermédiaire.


Public visé

Toute personne souhaitant acquérir les bases de R : statisticiens, data analysts, chargés d’études…


Programme détaillé

Le livre R pour la statistique et la science des données vous sera offert lors de cette formation

La formation est consacrée à la présentation des fonctionnalités de base du logiciel R, accompagnée d’exemples d’utilisations. Les stagiaires mettront en œuvre le logiciel, sous la forme d’exercices d’application.

Généralités

  • Présentation et installation du logiciel R et de Rstudio
  • Prise en main et premiers pas (packages, aide)

Les objets de R

  • Vecteurs
  • Matrices
  • Facteurs
  • Listes
  • Data frames

Manipulation de données

  • Importation et exportation de données
  • Création et recodage de variables
  • Sélection et regroupements de données

Initiation aux graphes

  • Manipulation des fenêtres graphiques
  • Réalisation et personnalisation de graphes de base avec R

Premières analyses de statistique descriptive avec R

Présentation de R markdown pour générer des rapports


Pourquoi choisir R pour manipuler vos données et réaliser vos études statistiques ?

 

R est un langage largement utilisé dans le domaine de l’analyse statistique et de la science des données. Voici quelques avantages de R, qui parfois le distinguent d’autres solutions telles SAS et Python :

  • Open source et gratuit : R est un langage open source, ce qui signifie qu’il est gratuit et accessible à tous. Cela permet à un large éventail d’utilisateurs d’accéder à R sans coût supplémentaire, ce qui peut être avantageux pour les organisations avec des contraintes budgétaires.

  • Analyse statistique avancée : R est largement reconnu pour son vaste éventail de packages dédiés à l’analyse statistique. Il propose des fonctionnalités et des méthodes statistiques avancées, telles que l’analyse de données longitudinales, l’analyse de survie, la modélisation bayésienne, etc. Si votre projet nécessite des techniques statistiques complexes, R peut être un choix adapté.

  • Vaste écosystème de packages : R dispose d’un écosystème riche en packages développés par la communauté. Ces packages fournissent des fonctionnalités supplémentaires pour la manipulation des données, la visualisation, l’apprentissage automatique, la modélisation statistique et bien d’autres domaines. Vous pouvez trouver un package pour pratiquement tous les besoins d’analyse de données.

  • Visualisation des données : R offre des outils de visualisation puissants et flexibles, notamment le package ggplot2. Il permet de créer des graphiques de haute qualité et personnalisables pour explorer et communiquer efficacement les résultats de l’analyse de données. La visualisation des données est une force majeure de R.

  • Programmation fonctionnelle : R est un langage de programmation fonctionnel, ce qui signifie qu’il met l’accent sur les fonctions et la manipulation des données par des opérations fonctionnelles. Cette approche facilite l’écriture de code concis et réutilisable, ce qui peut améliorer la productivité et l’efficacité.

  • Intégration dans le domaine académique : R est largement utilisé dans les milieux universitaires et de la recherche. Il est souvent enseigné dans les cursus liés aux statistiques et à l’analyse de données, et il est également couramment utilisé pour la publication de recherches. Cette intégration dans le domaine académique peut être un avantage si vous travaillez en collaboration avec des chercheurs ou si vous souhaitez vous appuyer sur des publications existantes.

Notons cependant que d’autres solutions comme SAS et Python ont également leurs forces en matière de manipulation de données (voir à cet égard nos formations SAS et nos formations Python).