Introduction et mise en place du cours
- Installation de R et RStudio (Windows/Mac/Linux)
- Découverte de l'interface RStudio
- Création d'un projet sous Rstudio
- Installation des packages R essentiels pour la data science
Débuter avec R
- Les types de données (character, int, double, booléens, données manquantes)
- Les variables
- Les opérateurs arithmétiques
- Les vecteurs
- Opérations sur les vecteurs
- Manipuler les vecteurs grâce aux indexs
- Qu'est-ce qu'une fonction en R ?
- Utiliser les fonctions fournis par R
- Qu'est-ce qu'un package R ?
- Savoir utiliser l'aide de R
- Exercice : manipuler un vecteur contenant les moyennes d'une classe de 20 élèves
Les matrices en R
- Qu'est ce qu'une matrice en R ?
- colnames() et rownames()
- Accéder aux éléments d'une matrice
- Modifier une matrice
- Opérations sur les matrices
- Exercice : manipuler une matrice
Les dataframes en R
- Qu'est ce qu'un dataframe en R ?
- colnames() et rownames()
- Importation de données
- Exportation de données
- Accéder aux éléments d'un dataframe
- Créer un sous-ensemble à partir d'un dataframe
- Exercice : manipuler les dataframes
Les bases de la programmation en R
- Les opérateurs logiques
- Les instructions de condition (if ... else)
- Les instructions de boucles (for)
- Les instructions de boucles (while)
- Exercice sur les instructions de condition et les boucles en R
- Comment créer sa propre fonction en R
Manipulation avancée des données
- apply()
- aggregate() et by()
- Dplyr : les tibbles
- Dplyr : select()
- Dplyr : filter()
- Dplyr : l'opérateur pipe (%>%)
- Dplyr : arrange()
- Dplyr : summarise()
- Dplyr : group_by()
- Dplyr : mutate()
- Exercice : explorer les données de l'ensemble des fast-foods aux USA
Visualisation avancée des données
- Créer son premier graphique avec la fonction plot()
- Créer des graphiques plus élaborés avec ggplot2
- ggplot2 : Les couleurs, les formes et les tailles
- ggplot2 : La légende (introduction des thèmes)
- ggplot2 : Axes et titres
- ggplot2 : Combiner plusieurs graphes (facet)
- ggplot2 : Ajouter des annotations au graphique
- ggplot2 : Les différents types de graphes (geoms)
- Exercice : visualisation des données de l'ensemble des fast-foods aux USA
- BONUS : rendre votre graphique interactif avec Plotly
Cas pratique de Data Science : appliquer des algorithmes de Machine Learning
- Qu'est ce que l'apprentissage automatique (machine learning) ?
- Données : prédire la souscription d'un client à un produit bancaire
- Visualisation des données avec ggplot2
- Création d'un jeu de données d'entrainement et de test
- Traitement des classes déséquilibrées et normalisation
- Entrainer un modèle avec Caret : méthode Naive Bayes
- Entraîner un modèle avec Caret : méthode SVM (Support Vector Machine)
- Trouver les variables prédictives les plus importantes
BONUS
- Coupon : Programmer en Python pour la Data Science de A à Z - Lien direct
- Coupon : Programmer en Python pour la Data Science de A à Z
- L'ensemble du code R utilisé durant le cours
- Aide-mémoire ggplot2
- Aide-mémoire dplyr
- Mon livre aux éditions ENI : Python pour la Data Science
