Big Data Analytics

Environnement R, traitement de données et analyse statistique

14 heures 0 mins

Big Data Analytics

Objectifs de la formation

  • Savoir installer et utiliser l’environnement d’analyse R
  • Savoir importer et exporter des données
  • Savoir reconnaître les différents types d’objets de R
  • Créer des programmes d’analyse avec R
  • Être en mesure de réaliser des analyses statistiques basiques avec R
  • Comprendre comment manipuler des données avec R
  • Savoir restituer des résultats à l’aide de graphiques

Programme de la formation

Introduction

  • Présentation du logiciel R et de ses fonctionnalités.
  • Avantages et inconvénients.
  • Accès au site de téléchargement de l’outil et installation.

Travaux pratiques

Installation de l’environnement d’analyse.

Premiers pas

  • Environnement de base (console, script).
  • Utilisation de la console.
  • Création et sauvegarde d’un script.
  • Le répertoire sous R Installation.
  • Aide et commentaires.
  • Les autres éditeurs Tinn-R et R Studio.

Travaux pratiques

Manipulations de la console. Ecriture de scripts.

Objets et notions de programmation R

  • Les objets de type vecteurs, matrix, array, factor, data.frame, list.
  • Manipulation des objets, classe d’objet, fonctions spécifiques, jointure.
  • Sauvegarde, suppression de mémoire.
  • Notions de boucle (for et while), condition (if), switch.

Travaux pratiques

Ecriture de programmes R manipulant des types d’objets.

Création et utilisation de fonctions

  • Structure d’une fonction.
  • Fonctions de type mathématique.
  • Fonctions de type chaîne de caractères.
  • Fonctions liées au temps/date.
  • Opérations ensemblistes.
  • Les tables de contingences.

Travaux pratiques

Création de fonctions et utilisation de celles-ci dans les programmes R.

Génération, gestion et visualisation des données

  • Les données : séquences régulières et aléatoires.
  • Données exemples de R.
  • Importation et exportation de données.
  • Modifier les données d’un objet.
  • Exemples de graphiques construits avec R.
  • Création des graphiques de base.
  • Les options graphiques, partager une fenêtre graphique, sauvegarder un graphique.

Travaux pratiques

Exercices d’application sur les données, restitution des résultats avec des graphiques.

Analyses statistiques

  • Présentation de la notion de package (librairie).
  • Télécharger/charger des packages.
  • Quelques packages utiles.
  • Cas de la régression linéaire multiple.
  • Cas de l’analyse en composantes principales ACP.
  • Cas de la classification CAH.

Travaux pratiques

Poursuite d’écriture de programmes statistiques, intégration des packages.

MOYENS PÉDAGOGIQUES ET TECHNIQUES D’ENCADREMENT DES FORMATIONS

Modalités pédagogiques :

  • Évaluation des besoins et du profil des participants.
  • Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
  • Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
  • Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
  • Méthodes expositive, active et participative.
  • Réflexion et échanges sur cas pratiques.
  • Retours d'expériences.
  • Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.

Éléments matériels :

  • Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
  • Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.

Référent pédagogique et formateur :

  • Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
  • Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.
MOYENS PERMETTANT LE SUIVI ET L’APPRÉCIATION DES RÉSULTATS
  • Feuilles de présences signées des participants et du formateur par demi-journée.
  • Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.
Please login to get access to the quiz
 Data Analytics avec Python (Prev Lesson)
(Next Lesson) Data Analytics avec R
Back to Big Data Analytics
Public

Ingénieurs, Data analysts, statisticiens, développeurs en environnement statistique ou toute personne intéressée par l'analyse statistique avec R.

Pré-requis

Être familier avec l'environnement Microsoft Windows et avoir des connaissances de base en statistiques.

Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en effectuant le test disponible en bas de cette page.

Lieu de formation

Intra-entreprise/à distance

Dates ou période

À définir. Nous consulter

Tarif

Sur devis. Merci de nous contacter

Modalités

Pour s’inscrire à notre formation, veuillez nous contacter par mail ou téléphone.

Démarrage de la formation sous deux semaines (délai indicatif).

Nous contacer
training@profind.fr
Informations complémentaires

Pour toute réclamation, aléas ou difficultés rencontrés pendant la formation, veuillez prendre contact avec notre organisme par téléphone ou par e-mail. Nous mettrons tout en œuvre pour trouver une solution adapter.

Formation synchrone, réalisée à distance en visioconférence via l’application Microsoft Teams ou en présentiel dans les locaux du client.

Sur le même thème