Plan du cours

Premier jour : Les bases de la langue

  • Introduction au cours
  • A propos de Data Science
    • Data Science Définition
    • Processus de réalisation Data Science.
  • Introduction R Language
  • Variables et types
  • Structures de contrôle (boucles / conditionnelles)
  • RScalars, vecteurs et matrices
    • Définition des vecteurs R
    • Matrices
  • Manipulation de chaînes de caractères et de textes
    • Type de données des caractères
    • Fichier IO
  • Listes
  • Fonctions
    • Introduction aux fonctions
    • Fermetures
    • Fonctions lapply/sapply
  • Cadres de données
  • Travaux pratiques pour toutes les sections

Deuxième jour : R intermédiaire Programming

  • DataFrames et E/S de fichiers
  • Lecture de données à partir de fichiers
  • Préparation des données
  • Ensembles de données intégrés
  • Visualisation
    • Package graphique
    • plot() / barplot() / hist() / boxplot() / scatter plot
    • Carte thermique
    • Paquet ggplot2 (qplot(), ggplot())
  • Exploration avec Dplyr
  • Laboratoires pour toutes les sections

Troisième jour : Avancé Programming avec R

  • Modélisation statistique avec R
    • Fonctions statistiques
    • Traiter avec NA
    • Distributions (Binomiale, Poisson, Normale)
  • Régression
    • Introduction aux régressions linéaires
  • Recommandations
  • Traitement de texte (paquet tm / Wordclouds)
  • Regroupement
    • Introduction au clustering
    • KMeans
  • Classification
    • Introduction à la classification
    • Naive Bayes
    • Arbres de décision
    • Entraînement à l'aide du progiciel caret
    • Évaluation des algorithmes
  • R et Big Data
    • Connecter R aux bases de données
    • Ecosystème Big Data
  • Laboratoires pour toutes les sections

Pré requis

  • Des connaissances de base en programmation sont souhaitées

Configuration

 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (7)

Cours à venir

Catégories Similaires