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
Please login to get access to the quiz
Back to Data Science