Plan du cours

Premier jour : les bases du langage

    Introduction au cours À propos de Data Science Data Science Définition du processus de faire Data Science.
Présentation de R Language
  • Variables et types
  • Structures de contrôle (boucles / conditions)
  • R Scalars, vecteurs et matrices définissant des vecteurs R
  • Matrices
  • Type de données Caractère de manipulation de chaîne et de texte
  • Fichiers IO
  • Listes
  • Fonctions Présentation des fonctions
  • Fermetures
  • fonctions lapply/sapply
  • Cadres de données
  • Laboratoires pour toutes les sections
  • Deuxième jour : intermédiaire R 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 Heat Map Package ggplot2 (qplot(), ggplot())
  • Exploration avec Dplyr
  • Laboratoires pour toutes les sections
  • Troisième jour : Avancé Programming Avec R

      Modélisation statistique avec des fonctions statistiques R traitant des distributions NA (binomiale, Poisson, normale)
    Régression Présentation des régressions linéaires
  • Recommandations
  • Traitement de texte (package tm / Wordclouds)
  • Clustering Introduction au clustering

      KMoyennes
    Classification Introduction à la classification
  • Bayes naïf
  • Arbres de décision
  • Formation à l'aide du package caret
  • Évaluation des algorithmes
  • R et Big Data Connexion de R aux bases de données
  • Big Data Écosystème
  • Laboratoires pour toutes les sections

    Pré requis

      .

    Mise en place

    • Un ordinateur portable moderne
    • Les derniers R studio et R environment installés
     21 heures

    Nombre de participants



    Prix par participant

    Nos Clients témoignent (5)

    Cours Similaires

    QGIS for Geographic Information System

    21 heures

    Catégories Similaires