Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Écriture d'un code R plus propre et plus réutilisable
- Examen des éléments rendant le code R évolutif, lisible et maintenable.
- Création de fonctions réutilisables avec des entrées, des sorties et des valeurs par défaut claires.
- Réduction des répétitions grâce à une meilleure conception des fonctions et à une organisation des scripts.
Workflows pratiques de transformation des données
- Construction de pipelines d'analyse clairs avec les outils tidyverse.
- Travail avec des résumés groupés, des jointures et des transformations de données.
- Structuration des étapes de préparation des données pour une analyse répétable.
Programmation fonctionnelle pour les tâches répétitives
- Utilisation des outils d'itération comme alternative aux boucles répétitives.
- Application de workflows de type map avec purrr.
- Gestion plus sûre des erreurs et des valeurs manquantes dans les tâches répétitives.
Débogage et amélioration des performances
- Identification et correction des erreurs de codage courantes dans les scripts et les fonctions.
- Utilisation de techniques de débogage pratiques en R et RStudio.
- Mesure des performances du code lent et réalisation d'améliorations ciblées.
Reporting reproductible et communication
- Création de rapports reproductibles avec R Markdown.
- Affinage de la sortie visuelle avec ggplot2 pour une communication plus claire.
- Préparation des résultats d'analyse pour partage avec les parties prenantes commerciales ou de recherche.
Atelier appliqué et prochaines étapes
- Combinaison de fonctions, de workflows de données, de débogage et de reporting dans un exercice pratique.
- Revue des techniques clés et des motifs courants pour le travail quotidien en R.
- Identification des prochaines étapes pour une amélioration continue de la programmation en R.
Pré requis
- Bonne compréhension de la syntaxe de base de R, des types de données, des vecteurs et des data frames.
- Expérience en écriture de scripts en R et en utilisation de RStudio.
- Expérience intermédiaire en programmation R, incluant la manipulation de base des données et les tracés.
Public cible
- Analistes de données souhaitant écrire un code R plus efficace, réutilisable et maintenable.
- Scientifiques des données ayant besoin de workflows plus robustes pour l'analyse, le reporting et la collaboration.
- Chercheurs et professionnels techniques utilisant R pour des travaux pratiques sur les données.
14 Heures
Nos clients témoignent (1)
The flexible and friendly style. Learning exactly what was useful and relevant for me.
Jenny
Formation - Advanced R
Traduction automatique
