20,00

Tuto Apprendre la Data Science avec R de A à Z avec Data Science, R

20,00

  • Une formation vidéo de 8h06m
  • Téléchargement immédiat et visionnage illimité à vie
  • Satisfait ou remboursé
  • Fichiers sources inclus
Apprendre la Data Science avec R de A à Z

ajouter ce cours aux favoris retirer ce cours des favoris

Ce cours est dédié à l'apprentissage de la programmation en R appliqué à la Data Science.

Si vous avez envie d'apprendre à coder, d'apprendre à manipuler de la data ou les deux, alors n'hésitez pas, cette formation en vidéo est un concentré de tout ça ! 
 

Au programme de cette formation Apprendre la Data Science avec R de A à Z 

Ce cours de 8 heures vous permettra dans un premier temps d'acquérir les outils nécessaires pour coder en R et faire de la Data Science. 

Puis il enchaînera sur la partie théorique de la programmation en R, avec des exercices à chaque étape, afin de comprendre la théorie en pratiquant

Dans un troisième temps, vous apprendrez à manipuler et explorer/visualiser des données efficacement. 

Enfin, un cas pratique de Data Science viendra reprendre tout ces concepts pour les appliquer sur des données réelles en plus de vous apprendre à appliquer des algorithmes de Machine Learning sur vos données

A la fin de ce cours, vous serez capable d'aller récupérer un jeu de données qui vous intéresse et de l'analyser de A à Z pour en sortir les informations qui vous intéresse.

J'espère que ce cours vous plaira, j'ajouterai d'avantage de cas pratiques au fur et à mesure pour le rendre encore plus complet qu'il ne l'est déjà. 

Le but de ce cours de Data Science est réellement de vous apprendre à programmer en R, de vous faire pratiquer afin de devenir totalement autonome pour analyser tous les jeux de données qui vous intéresse. Et je compte bien vous aider à chaque étape pour arriver à cette finalité ! 

Pourquoi utiliser R ?

J'ai choisi R pour la simple et bonne raison que c'est un des langages les plus utilisés en Data Science. 
De plus, c'est un langage que je maîtrise et qui a fait ses preuves pour résoudre tout mes problèmes d'analyse de données. Mais aussi parce que c'est un langage de programmation libre, intuitif et très bien documenté. 
Enfin, R est un langage extrêmement efficace pour effectuer des analyses statistiques et de l'exploration de données.

Je veux que ce cours soit le plus complet possible. Ainsi, n'hésitez surtout pas à me contacter si vous avez la moindre question ou la moindre remarque sur ce cours. 

C'est aussi grâce à vous que je pourrais l'améliorer et le faire évoluer. Mon objectif est réellement de vous aider à devenir un Data Scientist autonome et passionné !

Table des matières de cette formation Data Science, R (durée : 8h06m)

  • Introduction et mise en place du cours
    • Installation de R et Rstudio (Windows, Mac, Linux) 00:05:58
    • Découverte de l'interface Rstudio 00:03:50
    • Création d'un projet sous Rstudio 00:01:57
    • Installation des packages R essentiels pour la Data Science 00:05:50
  • Débuter avec R
    • Les types de données (character, int, double, booléens, données manquantes) 00:04:43
    • Les variables 00:03:02
    • Les opérateurs arithmétiques 00:03:32
    • Les vecteurs 00:03:31
    • Opérations sur les vecteurs 00:05:13
    • Manipuler les vecteurs grâce aux indexs 00:03:47
    • Qu'est-ce qu'une fonction en R? 00:02:34
    • Utiliser les fonctions fournis par R 00:06:23
    • Qu'est-ce qu'un package R? 00:01:53
    • Savoir utiliser l'aide de R 00:04:19
    • Exercice : manipuler un vecteur contenant les moyennes d'une classe de 20 élèves 00:12:07
  • Les matrices en R
    • Qu'est-ce qu'une matrice en R? 00:05:04
    • Colnames() et rownames() 00:03:43
    • Accéder aux éléments d'une matrice 00:04:03
    • Modifier une matrice 00:02:04
    • Opérations sur les matrices 00:04:33
    • Exercice : manipuler une matrice 00:20:01
  • Les dataframes en R
    • Qu'est-ce qu'un dataframe en R? 00:03:34
    • Colnames() et rownames() 00:02:15
    • Importation de données 00:08:30
    • Exportation de données 00:04:55
    • Accéder aux éléments d'un dataframe 00:04:22
    • Créer un sous-ensemble à partir d'un dataframe 00:10:16
    • Exercice: manipuler les dataframes 00:17:39
  • Les bases de la programmation en R
    • Les opérateurs logiques 00:07:54
    • Les instructions de condition (if .. else) 00:04:26
    • Les instructions de boucles (for) 00:06:14
    • Les instructions de boucles (while) 00:04:22
    • Exercice sur les instructions de condition et les boucles 00:15:33
    • Comment créer sa propre fonction en R? 00:13:13
  • Manipulation avancée des données
    • Apply() 00:09:55
    • Aggregate() et by() 00:09:14
    • Dplyr : les tibbles 00:04:04
    • Dplyr : select() 00:07:38
    • Dplyr : filter() 00:11:01
    • Dplyr : l'opérateur pipe (%>%) 00:04:05
    • Dplyr : arrange() 00:05:02
    • Dplyr : summarise() 00:08:07
    • Dplyr : group_by() 00:05:16
    • Dplyr : mutate() 00:05:28
    • Exercice : explorer les données de l'ensemble des fast-foods aux USA 00:26:00
  • Visualisation avancée des données
    • Créer son premier graphique avec la fonction plot() 00:19:59
    • Créer des graphiques plus élaborés avec ggplot2 00:07:11
    • Ggplot2 : Les couleurs, les formes et les tailles 00:08:55
    • Ggplot2 : La légende (introduction aux thèmes) 00:13:12
    • Ggplot2 : Axes et titres 00:09:10
    • Ggplot2 : Combiner plusieurs graphes (facet) 00:05:57
    • Ggplot2 : Ajouter des annotations aux graphiques 00:10:00
    • Ggplot2 : Les différents types de graphes(geoms) 00:11:16
    • Exercice : visualisation des données de l'ensemble des fast-foods aux USA 00:20:22
    • BONUS : rendre votre graphique interactif avec Plotly 00:04:46
  • Cas pratique de Data Science : appliquer des algorithmes de Machine Learning
    • Qu'est-ce que l'apprentissage automatique (Machine Learning)? 00:04:58
    • Données : prédire la souscription d'un client à un produit bancaire 00:09:05
    • Visualisation des données avec ggplot2 00:06:33
    • Création d'un jeu de données test et d'entrainement 00:16:11
    • Traitement des classes déséquilibrées et normalisation 00:11:52
    • Entrainer un modèle avec Caret : méthode Naïve Bayes 00:12:32
    • Entrainer un modèle avec Caret : méthode SVM (Support Vector Machine) 00:03:59
    • Trouver les variables prédictives les plus importantes 00:02:56



Formateur : Amandine Velt

Amandine Velt a publié 2 tutoriels et obtenu une note moyenne de 4,7/5 sur 145 tutoriels vendus. Voir les autres formations de Amandine Velt

5,0
note moyenne

4
avis laissés
5 étoiles
4
4 étoiles
0
3 étoiles
0
2 étoiles
0
1 étoile
0
  • 5
    avis de membre-4585-8251 laissé le 23/06/2022
    Merci beaucoup pour ce tuto sur R que je recommande vivement . J'avais auparavant fait le tuto de FUN intitulé "Bases de la statistique avec R". Votre cours le complète à merveille et m'a fait découvrir ggplot2, les tibbles et la data science. Il m'a permis également d'utiliser ggmap qui fonctionne comme ggplot pour réaliser des cartes de données. Félicitation !

  • 5
    avis de pidroz laissé le 27/02/2020
    Clair et efficace ! Je recommande vivement ce tuto pour celles et ceux qui souhaitent se lancer dans la data science avec R ;)

  • 5
    avis de membre-745-1635 laissé le 10/04/2019
    Cours bien organisé, expliqué de manière simple, juste parfait !

  • Avec quelles versions de logiciels ce tuto est-il compatible ?
    Data Science , R
  • Quel est le niveau requis pour suivre ce tuto ?
    débutant
  • Que contient le fichier source ?
    L'ensemble du code R utilisé durant le cours et rendu disponible. Pour ce qui est des fichiers de données, je vous guide pas à pas dans le cours pour les récupérer et les charger dans votre session R.
accédez à plus de 1408 tuto gratuits


non, je ne veux pas me former gratuitement

voir notre politique de protection des données