Retour
Academia Raqmya > Data & IA > Programmer en R pour la Data Science de A à Z
4.64 sur 5
4.64
443 Commentaires sur Udemy

Programmer en R pour la Data Science de A à Z

Intéressés par la Data ? Apprenez à faire de la Data Science et du Machine Learning avec le langage R sans pré-requis!
Instructeur :
Amandine Velt | Data Science - Python - R
Utiliser Rstudio
Programmer en R
Récupérer des données et les charger dans R
Connaitre les structures de données en R (vecteurs, matrices, ...)
Manipuler efficacement des données avec dplyr
Explorer et visualiser des données avec ggplot2
Utiliser R pour faire de la Data Science
Utiliser des algorithmes de Machine Learning
Faire du Data Mining

Ce cours est dédié à l’apprentissage de la programmation en R appliqué à la Data Science. Si vous avez envie d’apprendre à coder, d’apprendre à manipuler de la data ou les deux, alors n’hésitez pas, ce cours est un concentré de tout ça !

Ce cours de 8 heures vous permettra dans un premier temps d’acquérir les outils nécessaires pour coder en R et faire de la Data Science. Puis il enchaînera sur la partie théorique de la programmation en R, avec des exercices à chaque étape, afin de comprendre la théorie en pratiquant. Dans un troisième temps, vous apprendrez à manipuler et explorer/visualiser des données efficacement. Enfin, un cas pratique de Data Science viendra reprendre tout ces concepts pour les appliquer sur des données réelles en plus de vous apprendre à appliquer des algorithmes de Machine Learning sur vos données.

A la fin de ce cours, vous serez capable d’aller récupérer un jeu de données qui vous intéresse et de l’analyser de A à Z pour en sortir les informations qui vous intéresse.

J’espère que ce cours vous plaira, j’ajouterai d’avantage de cas pratiques au fur et à mesure pour le rendre encore plus complet qu’il ne l’est déjà. Le but de ce cours de Data Science est réellement de vous apprendre à programmer en R, de vous faire pratiquer afin de devenir totalement autonome pour analyser tous les jeux de données qui vous intéresse. Et je compte bien vous aider à chaque étape pour arriver à cette finalité !

Pourquoi utiliser R ?

J’ai choisi R pour la simple et bonne raison que c’est un des langages les plus utilisés en Data Science. De plus, c’est un langage que je maîtrise et qui a fait ses preuves pour résoudre tout mes problèmes d’analyse de données. Mais aussi parce que c’est un langage de programmation libre, intuitif et très bien documenté. Enfin, R est un langage extrêmement efficace pour effectuer des analyses statistiques et de l’exploration de données.

 

Je veux que ce cours soit le plus complet possible. Ainsi, n’hésitez surtout pas à me contacter si vous avez la moindre question ou la moindre remarque sur ce cours. C’est aussi grâce à vous que je pourrais l’améliorer et le faire évoluer. Mon objectif est réellement de vous aider à devenir un Data Scientist autonome et passionné !

 

Logo créé par Pikisuperstar – Freepik.com

Introduction et mise en place du cours

1
Installation de R et RStudio (Windows/Mac/Linux)
2
Découverte de l'interface RStudio
3
Création d'un projet sous Rstudio
4
Installation des packages R essentiels pour la data science

Débuter avec R

1
Les types de données (character, int, double, booléens, données manquantes)
2
Les variables
3
Les opérateurs arithmétiques
4
Les vecteurs
5
Opérations sur les vecteurs
6
Manipuler les vecteurs grâce aux indexs
7
Qu'est-ce qu'une fonction en R ?
8
Utiliser les fonctions fournis par R
9
Qu'est-ce qu'un package R ?
10
Savoir utiliser l'aide de R
11
Exercice : manipuler un vecteur contenant les moyennes d'une classe de 20 élèves

Les matrices en R

1
Qu'est ce qu'une matrice en R ?

Créer une matrice manuellement et expliquer

2
colnames() et rownames()
3
Accéder aux éléments d'une matrice
4
Modifier une matrice
5
Opérations sur les matrices
6
Exercice : manipuler une matrice

Les dataframes en R

1
Qu'est ce qu'un dataframe en R ?

Une matrice améliorée

2
colnames() et rownames()
3
Importation de données
4
Exportation de données
5
Accéder aux éléments d'un dataframe
6
Créer un sous-ensemble à partir d'un dataframe
7
Exercice : manipuler les dataframes

Les bases de la programmation en R

1
Les opérateurs logiques
2
Les instructions de condition (if ... else)
3
Les instructions de boucles (for)
4
Les instructions de boucles (while)
5
Exercice sur les instructions de condition et les boucles en R
6
Comment créer sa propre fonction en R

Manipulation avancée des données

1
apply()
2
aggregate() et by()
3
Dplyr : les tibbles
4
Dplyr : select()
5
Dplyr : filter()
6
Dplyr : l'opérateur pipe (%>%)
7
Dplyr : arrange()
8
Dplyr : summarise()
9
Dplyr : group_by()
10
Dplyr : mutate()
11
Exercice : explorer les données de l'ensemble des fast-foods aux USA

Visualisation avancée des données

1
Créer son premier graphique avec la fonction plot()
2
Créer des graphiques plus élaborés avec ggplot2
3
ggplot2 : Les couleurs, les formes et les tailles
4
ggplot2 : La légende (introduction des thèmes)
5
ggplot2 : Axes et titres
6
ggplot2 : Combiner plusieurs graphes (facet)
7
ggplot2 : Ajouter des annotations au graphique
8
ggplot2 : Les différents types de graphes (geoms)
9
Exercice : visualisation des données de l'ensemble des fast-foods aux USA
10
BONUS : rendre votre graphique interactif avec Plotly

Cas pratique de Data Science : appliquer des algorithmes de Machine Learning

1
Qu'est ce que l'apprentissage automatique (machine learning) ?
2
Données : prédire la souscription d'un client à un produit bancaire
3
Visualisation des données avec ggplot2
4
Création d'un jeu de données d'entrainement et de test
5
Traitement des classes déséquilibrées et normalisation
6
Entrainer un modèle avec Caret : méthode Naive Bayes
7
Entraîner un modèle avec Caret : méthode SVM (Support Vector Machine)
8
Trouver les variables prédictives les plus importantes

BONUS

1
Coupon : Programmer en Python pour la Data Science de A à Z - Lien direct
2
Coupon : Programmer en Python pour la Data Science de A à Z
3
L'ensemble du code R utilisé durant le cours
4
Aide-mémoire ggplot2
5
Aide-mémoire dplyr
6
Mon livre aux éditions ENI : Python pour la Data Science
4.6
4.6 sur 5
Notes443

Détails des Notes

Étoiles 5
250
Étoiles 4
153
Étoiles 3
28
Étoiles 2
6
Étoiles 1
4
959541a61748a9831f59a534f11e01be
Accéder au cours
Garantie de remboursement de 30 jours

Inclut

8 heures de vidéo à la demande
Durée totale du cours 
Accès sur le mobile et la télévision
Certificat d'achèvement
Je déclare avoir pris connaissance des conditions générales d'utilisation de la plateforme Academia Raqmya (CGU) notamment en ce qui concerne la protection des données à caractère personnelles et la transférabilité des licences.
Ok, J'accepte Conditions Générales