Formation R pour la data analyse

Objectifs

S’approprier les outils, et les méthodes permettant de rendre son processus d’analyse de données sous R, aisé, reproductible, et performant.

Compétences visées

- Adopter une organisation efficace de son travail sous R
- Simplifier la manipulation de données avec le package dplyr
- Manipuler aisément les champs catégoriels (package forecats), textuels (package stringr) et de date (package lubridate)
- Assembler des tables par jointure (par colonnes) et par fusion (par lignes)
- Construire des graphiques élaborés grâce au package ggplot2
- Réaliser des documents automatisés à l'aide de Quarto
- Découvrir la programmation fonctionnelle au travers du package purrr

Public

Data Analysts, Data Scientists, Statisticiens et plus généralement toute personne intéressée par la Data Analyse avec R.

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 ou d'avoir atteint par la pratique un niveau équivalent

Méthode pédagogique

Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel R.

Programme

- Organiser son travail sous R

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

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 variables 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

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

Détection de patterns
Découpage
Gestion des longueurs
Remplacement
Exercices

- Manipuler des données de date : utilisation du package lubridate

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

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

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 Quarto

Principe, formats de sorties (html, docx, pdf)
La structure d'un script .qmd
Mise en forme des parties texte
Gestion de l'affichage du code et de son résultat
Importation de données
Insertion de graphiques, de tables, d'images
Gestion de la table des matières et numérotation
Les scripts paramétrés : automatisation de documents répétitifs

Modalités d'évaluation

Un formulaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes. Ce même formulaire soumis en aval de la formation fournira une appréciation de votre progression.
Des exercices pratiques seront proposés à la fin de chaque séquence pédagogique pour l'évaluation des acquis.
En fin de formation, vous serez amené(e) à renseigner un questionnaire d'évaluation à chaud.
Une attestation de formation vous sera adressée à l'issue de la session.
Trois mois après votre formation, vous recevrez par email un formulaire d'évaluation à froid sur l'utilisation des acquis de la formation.

Solutions de financement

Cette formation peut être financée :

dans le cadre du plan de développement des compétences de votre Entreprise
par l’OPCO (opérateur de compétences) de votre Entreprise ou le FAF (Fonds d’Assurance Formation) pour les professionnels libéraux
par France Travail dans le cadre du dispositif de l'Aide Individuelle à la Formation (soumis à accord de votre Agence)
à titre personnel

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

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.

Mme Cécile O., Chef de projets en santé publique chez CRCDC AURA
Formation d'une grande utilité dans les points abordés. Formateur au top