Formation Maîtriser l'Analyse de Données avec R pour le Big Data

01.Introduction à R et RStudio

• —Installation de R et RStudio
• —Interface de RStudio : console, éditeur, environnement
• —Bases du langage R : variables, opérateurs, types de données
• —Premiers scripts et gestion de projets

02.Manipulation de données avec dplyr

• —Importation de données (CSV, Excel)
• —Filtrage et sélection de données (filter(), select())
• —Tri et organisation (arrange())
• —Création de nouvelles variables (mutate())

03.Agrégation et jointures de données

• —Groupement et résumé de données (group_by(), summarise())
• —Tables de contingence et croisements
• —Jointures de tables (inner_join, left_join, etc.)
• —Gestion des valeurs manquantes

04.Visualisation de données avec ggplot2 - Bases

05.Visualisation de données avec ggplot2 - Avancé

• —Boxplots et violons (geom_boxplot(), geom_violin())
• —Graphiques en lignes (geom_line())
• —Facettes et sous-graphiques (facet_wrap(), facet_grid())
• —Personnalisation des titres et légendes

06.Statistiques Descriptives

• —Mesures de tendance centrale (moyenne, médiane, mode)
• —Mesures de dispersion (variance, écart-type, quartiles)
• —Distribution des données
• —Analyse bivariée simple

07.Tests Statistiques Paramétriques

• —Introduction aux tests d'hypothèse
• —Test t de Student (unilatéral, bilatéral)
• —Analyse de la variance (ANOVA)
• —Interprétation des p-values

08.Tests Statistiques Non-Paramétriques

09.Introduction à la modélisation linéaire

• —Comprendre la régression linéaire simple
• —Ajustement d'un modèle (lm())
• —Interprétation des coefficients
• —Vérification des hypothèses du modèle

10.Modélisation linéaire multiple et régression logistique

11.Prétraitement et Nettoyage de Données

12.Présentation des résultats et Rapports R Markdown

• —Création de rapports dynamiques avec R Markdown
• —Intégration de code, texte et graphiques
• —Exportation vers HTML, PDF, Word
• —Bonnes pratiques pour la communication des analyses