Introduction à R et à son écosystème

Présentation de R et usages

Statistique, data science, visualisation
Exemples de secteurs
Écosystème R
CRAN
Packages : définition, installation, gestion
Atelier : installation et chargement de packages
RStudio et organisation de projet
Création de projets
Organisation des répertoires, chemins relatifs

Atelier : créer un projet RStudio

Écrire du code en R

Vecteurs
Listes
Data frames
Matrices
Facteurs

Atelier : création et manipulation de chaque type

Programmation en R : structures, fonctions et bonnes pratiques

Normes de codage
Nommage, commentaires
Organisation des scripts
Structures de contrôle
Conditionnelles : if, else
Boucles : for, while, repeat
apply, lapply, map

Atelier : écrire des structures conditionnelles et des boucles

Création de fonctions

Syntaxe de base
Arguments, valeurs de retour
Fonctions anonymes
Bonnes pratiques

Atelier : automatiser des analyses avec ses propres fonctions

Importation et préparation des données

Techniques d’importation

Formats : .csv, .txt, .xls(x), .sav, JSON
Packages : readr, readxl, haven, jsonlite
Connexions bases de données : DBI, dbplyr
Encodage, séparateur, gestion des NA

Atelier pratique : importer différents formats

Introduction au tidyverse 

Notion de pipeline 
Manipulation avec dplyr et tidyr
Filtrer, sélectionner, trier
Créer des variables
Fusionner, joindre
Reshaping : pivot_longer, pivot_wider
Gestion des valeurs manquantes

Atelier : pipeline complet avec dplyr et tidyr

Visualisation et reporting avec R

Principes de la data visualisation

Importance exploratoire
Types de graphiques adaptés

Introduction à ggplot2

Syntaxe de base
Histogrammes, boxplots, scatterplots, bar charts
Facets et thèmes

Atelier pratique: graphiques statiques

Visualisations interactives

plotly pour ggplot
Cartes interactives avec leaflet (optionnel)

Atelier pratique : transformer un ggplot en interactif

Production de documents

RMarkdown, Quarto, Notebooks
Avantages et usages
Atelier : création d’un document reproductible
Gestion de versions avec Git
Intégration RStudio
Initialisation, commits

Atelier pratique : prise en main de Git avec RStudio

Analyse statistique et Machine Learning avec R

Statistiques descriptives

Moyenne, médiane, écart-type
Résumés, quantiles, tableaux de fréquence

Atelier  pratique: résumer un dataset

Tests d’hypothèses

t-tests, ANOVA, chi-deux
Corrélations : Pearson, Spearman
Packages : base R, broom

Atelier pratique : réaliser et interpréter des tests

Modélisation supervisée

Régressions linéaire et logistique
Analyse des résidus
Visualisation des résultats

Atelier : ajuster et interpréter des modèles

Analyse multivariée : ACP, AFC (FactoMineR, factoextra)

Atelier pratique : réaliser une ACP

Apprentissage non supervisé

K-means clustering
Préparation des données, choix du k
Visualisation des clusters

Atelier pratique : segmentation (identifier des sous-populations aux caractéristiques similaires)

Introduction aux séries temporelles

Composantes d’une série
Modèles ARIMA, SARIMA (forecast)
Visualisation des prévisions