Objectifs
S’approprier les outils, et les méthodes permettant de rendre son processus d’analyse de données sous R, aisé, reproductible, et performant.
Pré-requis
Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation R – Prise en main, analyses statistiques et graphiques
Méthode
Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel R.
Modalités d'évaluation
Un questionnaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes.
Ce même questionnaire soumis en aval de la formation nous permettra d'apprécier votre progression.
Ce même questionnaire soumis en aval de la formation nous permettra d'apprécier votre progression.
Accessibilité
Vous souhaitez suivre notre formation R pour la data analyse et êtes en situation de handicap ? Merci de nous contacter afin que nous puissions envisager les adaptations nécessaires et vous garantir de bonnes conditions d'apprentissage
Programme
- Organiser son travail sous R (2h)
- Manipuler facilement ses données avec le package dplyr (3h)
- Manipulation des variables catégorielles avec le package forecats (1h)
- Manipuler les chaînes de caractères avec le package stringr (1h)
- Manipuler des données de date : utilisation du package lubridate (1h)
- Assemblage de tables (2h)
- Réaliser des représentations graphiques performantes avec le package ggplot2 (4h)
- Générer dynamiquement son rapport d’analyse avec rmarkdown (4h)
- Introduction à la programmation fonctionnelle avec le package purrr (2h)
- Travailler en projet R : notion de working directory, workspace, history
- Architecture de son projet R : data, plots, images, scripts, ...
- Bonnes pratiques pour la création de fichiers de données
- Importation et exportation de fichiers avec le package here
- Mettre à jour ses packages
- Mettre à jour R et R Studio
- Manipuler facilement ses données avec le package dplyr (3h)
- Introduction au package tidyverse et à la notion de pipe
- Filtrer des lignes avec la fonction filter()
- Sélectionner des colonnes (variable) avec la fonction select()
- Création de nouvelles variables avec la fonction mutate()
- Renommer ses variable avec la fonction rename()
- Calcul de paramètres par sous groupes : fonctions group_by() et summarise()
- Passage du format wide au format long
- Exercices
- Manipulation des variables catégorielles avec le package forecats (1h)
- Inspecter les variables catégorielles avec les fonctions levels(), fct_count et fct_unique
- Modifier l’ordre des modalités
- Modifier le nom des modalités
- Exercices
- Manipuler les chaînes de caractères avec le package stringr (1h)
- Détection de patterns
- Découpage
- Gestion des longueurs
- Remplacement
- Exercices
- Manipuler des données de date : utilisation du package lubridate (1h)
- Convertir les données au format YYYY-MM-DD et HH:MM:SS
- Décomposer les éléments d’année, de mois et de jour
- Calculer des différences de dates et les exprimer en jours ou heures
- Exercices
- Assemblage de tables (2h)
- Les différentes jointures (par colonne): left join, right join, inner join et full join
- Assemblage par lignes
- Exemple d’applications pour l’analyse de données
- Exercices
- Réaliser des représentations graphiques performantes avec le package ggplot2 (4h)
- Le principe des couches successives de ggplot2
- Réalisation des graphiques de base : scatterplot, barplots, line plot, boxplots
- Gestion des couleurs, titres, axes et légendes
- Représentation des séries temporelles
- Utilisation du format long et facetting
- Ajouter du texte sur un graphique (ex : équation)
- Exporter son graphique : format et résolution
- Utilisation des addins esquisse et Colour Picker
- Générer dynamiquement son rapport d’analyse avec rmarkdown (4h)
- Principe, formats de sorties (html, docx, pdf)
- Les différents éléments d’un fichier Rmd : en-tête, chunk, ...
- Gestion des éléments de texte : gras, italique, titre
- Gestion des tables
- Gestion des images
- Gestion des graphiques
- Gestion des options des éléments de code
- Gestion de la table des matières et numérotation
- Les rapports paramétrés : automatisation des rapports d’analyse par sous groupe
- Introduction à la programmation fonctionnelle avec le package purrr (2h)
- Les list
- Les fonctions map()
- Nested data
- Exercices
Ce que pensent nos clients de la formation R pour la data analyse
Mme Elodie B., Attachée de recherche clinique - Data manager au Centre Léon Bérard
Formation très complète avec du contenu de qualité et des explications claires qui me seront très utiles dans ma pratique professionnelle
Mme Julie G., Analyste pricing chez Engie Entreprises et Collectivités
Formation complète, on utilise immédiatement et facilement ce qu'on a appris. Formatrice très pédagogue, supports très complets et bien structurés, qui servent au quotidien.
