Data Science

R programmation Niveau 3, La data science avec R et Shiny

Objectifs

  • L’objectif de cette formation est d’aller plus loin dans l’utilisation de R : Machine learning et deep learning
  • Cette formation permettra également de comprendre l’utilisation de données non structurées sous R et de mettre en place une application complète avec R Shiny

Programme

La machine learning et le deep learning sous R
  • Introduction : data mining vs machine learning vs deep learning
  • Spark (Principes de Spark, Utilisation de SparkR, Sparkling Water : R + H20, Cas pratique)
  • Deep learning (Principe des machines de Bolzmann, Comparaison des packages de deep learning : H20, MXNet, darch, deepnet, Cas pratique)
  • Mise en place d’un projet de machine learning
Les données non structurées sous R
  • Introduction : quels besoins de données non structurées
  • Le textmining (principe du text mining, lemmatisation, stemmatisation, snowball, traitement du langage naturel, topic modelling, analyses de sentiments : utilisation de tm, NLP, DTM, snowballC, lsa, maxent, …)
  • Les autres données non structurées : sons, images, vidéo sous R ; utilisation des packages magick, EBImage, videoplayR
  • Cas pratique
R Shiny
  • Introduction : Importance de la qualité des dataviz
  • La dataviz dans R Principe de R shiny : présentation du packaage, principe de la programmation client/serveur, les fichiers "ui.R" et "server.R" , lancement en local
  • Construction de scripts Shiny, création de widget et d’interface dynamique, design
  • Construction des graphiques (tableaux, carte …) : utilisation de « leaflet », « DT », …
  • Gestion dynamique des données
  • Construction d’une application web
IBM SPSS modeler niveau 1 _ data management (Prev Lesson)
(Formation suivante) Machine Leaning, les fondamentaux
Retour à Data Science

Pas de commentaires

Donner un commentaire