Cours
PrestaShop

Newsletter

Apprendre la Data Science avec R

Maîtrisez le langage R de A à Z !

Ou s'abonner pour un accès illimité sans engagement à tout Skilleos pour 19,90€/mois. En savoir plus
chapitre

Chapitres

63

chrono

Durée

07h57 de cours en ligne

chrono

Prérequis

acces

Accès

24h/24 et 7j/7
PC/Mac, tablette et smartphone

certificat

Certificat

Délivré à la fin de la formation

1for1

1 For 1

Un abo ou un achat sur Skilleos = Un cours offert à un bénéficiaire

Amandine Velt

Amandine Velt

Amandine Velt est Data Scientist depuis 2014. Diplômée d'un master orienté Statistiques et Informatique, elle travaille à présent à l'Institut National de Recherche en Agronomie en tant que Data Scientist. Sa mission principale consiste à gérer, manipuler et analyser de grands jeux de données pour répondre à des questions posées par les scientifiques et chercheurs de l'INRA. Une autre de ses missions consiste à former certains de ses collègues à la programmation pour qu'ils puissent eux-mêmes analyser leurs données. Forte de cette expérience d'analyse de données et de formation, elle a décidé de créer des formations orientées Data Science / Machine Learning en tant qu'auto-entrepreneur. Ses compétences principales sont la programmation en R, Python et SQL, ainsi que l'application de ces langages pour la Data Science et le Machine Learning.

Vous voulez apprendre la programmation en langage R, mais vous ne savez pas par où commencer ni quels outils utiliser ? Ce cours en ligne va introduire le langage de programmation R ainsi que tous les packages/outils nécessaires pour faire de la Data Science.

Amandine Velt, Data Scientist à l'Institut National de Recherche en Agronomie, a créé diverses formations pour apprendre à programmer dans des langages de programmation qui peuvent être utilisés dans le domaine de la Data Science et du Machine Learning. Dans le domaine de la Data Science, les trois langages de programmation les plus demandés par les entreprises sont Python, R et SQL. Dans ce cours en ligne, vous allez apprendre à programmer en R, en partant du tout début, jusqu'à obtenir un très bon niveau ! 

Contenu du cours

  • Un fichier contenant l'ensemble des lignes de code utilisées durant le cours

À la fin du cours, vous serez capable de :

  • Utiliser Rstudio
  • Programmer en langage R
  • Récupérer des données et les charger dans R
  • Différencier 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

Chapitres

INTRODUCTION ET MISE EN PLACE DU COURS
1
05:58
Installation de R et RStudio (Windows/Mac/Linux)
2
03:50
Découverte de l'interface RStudio
3
01:57
Création d'un projet sous Rstudio
4
05:50
Installation des packages R essentiels pour la data science
DÉBUTER AVEC R
5
04:43
Les types de données (character, int, double, booléens, données manquantes)
6
03:02
Les variables
7
03:32
Les opérateurs arithmétiques
8
03:30
Les vecteurs
9
05:12
Opérations sur les vecteurs
10
03:47
Manipuler les vecteurs grâce aux indexs
11
02:34
Qu'est-ce qu'une fonction en R ?
12
06:23
Utiliser les fonctions fournis par R
13
01:52
Qu'est-ce qu'un package R ?
14
04:19
Savoir utiliser l'aide de R
15
12:07
Exercice : manipuler un vecteur contenant les moyennes d'une classe de 20 élèves
LES MATRICES EN R
16
05:04
Qu'est ce qu'une matrice en R ?
17
03:43
Colnames() et rownames()
18
04:03
Accéder aux éléments d'une matrice
19
02:04
Modifier une matrice
20
04:33
Opérations sur les matrices
21
20:01
Exercice : manipuler une matrice
LES DATAFRAMES EN R
22
03:34
Qu'est ce qu'un dataframe en R ?
23
02:15
Colnames() et rownames()
24
08:30
Importation de données
25
04:55
Exportation de données
26
04:22
Accéder aux éléments d'un dataframe
27
10:16
Créer un sous-ensemble à partir d'un dataframe
28
17:39
Exercice sur les dataframes
LES BASES DE LA PROGRAMMATION EN R
29
07:54
Les opérateurs logiques
30
04:26
Les instructions de condition (if ... else)
31
06:14
Les instructions de boucles (for)
32
04:22
Les instructions de boucles (while)
33
15:33
Exercice sur les instructions de condition et les boucles en R
34
13:13
Comment créer sa propre fonction en R
MANIPULATION AVANCÉE DES DONNÉES AVEC DPLYR
35
09:55
Apply()
36
09:13
Aggregate() et by()
37
04:04
Dplyr : les tibbles
38
07:38
Dplyr : select()
39
11:01
Dplyr : filter()
40
04:05
Dplyr : l'opérateur pipe (%>%)
41
05:02
Dplyr : arrange()
42
08:07
Dplyr : summarise()
43
05:16
Dplyr : group_by()
44
05:28
Dplyr : mutate()
45
26:00
Exercice : explorer les données de l'ensemble des fast-foods aux USA
VISUALISATION AVANCÉE DES DONNÉES AVEC GGPLOT2
46
19:59
Créer son premier graphique avec la fonction plot()
47
07:11
Créer des graphiques plus élaborés avec ggplot2
48
00:00
Ggplot2 : Les couleurs, les formes et les tailles
49
13:12
Ggplot2 : La légende (introduction des thèmes)
50
09:10
Ggplot2 : Axes et titres
51
05:57
Ggplot2 : Combiner plusieurs graphes (facet)
52
10:00
Ggplot2 : Ajouter des annotations au graphique
53
11:16
Ggplot2 : Les différents types de graphes (geoms)
54
20:22
Exercice : visualisation des données de l'ensemble des fast-foods aux USA
55
04:46
BONUS : rendre votre graphique interactif avec Plotly
CAS PRATIQUE DE DATA SCIENCE : APPLIQUER DES ALGORITHMES DE MACHINE LEARNING
56
04:58
Qu'est ce que l'apprentissage automatique (machine learning) ?
57
09:05
Données : prédire la souscription d'un client à un produit bancaire
58
06:33
Visualisation des données avec ggplot2
59
16:11
Création d'un jeu de données d'entrainement et de test
60
11:52
Traitement des classes déséquilibrées et normalisation
61
12:32
Entrainer un modèle avec Caret : méthode Naive Bayes
62
03:59
Entraîner un modèle avec Caret : méthode SVM (Support Vector Machine)
63
02:56
Trouver les variables prédictives les plus importantes

Apprendre la Data Science avec R

59.00 €

close if for show price

  • langues fr