Formation LANGAGE R Initiation
Domaine : Langages et Frameworks
DURÉE
4 jour(s)
OBJECTIFS
Savoir mettre en place une stratégie de traitement de données avec le langage R grâce à plusieurs modèles mathématiques.
Pré-requis
Maîtriser l'algorithmique, avoir une appétence pour les mathématiques, la connaissance des statistiques est un plus.
Participants
Développeur, chef de projets proche du développement, ingénieur scientifique sachant coder.
coût
Nous contacter pour une formation sur mesure ou en intra
LIEUx de formation
Notre centre de formation à GrenobleNotre centre de formation à MoiransNotre centre de formation à Sophia Antipolis
Sur votre site en formation intraEn classe distancielle
PROGRAMME DE FORMATION
LANGAGE R Initiation
Introduction à R
L'installation de package
Historique
RShell
RStudio
Les variables
Les fonctions de base
Les fonctions algébriques
Les conversions
Les fichiers RData
Historique
RShell
RStudio
Les variables
Les fonctions de base
Les fonctions algébriques
Les conversions
Les fichiers RData
Les Instructions R
Les blocs
Les conditions
Les boucles
Les fonctions
Les conditions
Les boucles
Les fonctions
Les vecteurs
La création
Les opérateurs de vecteur
Les fonctions seq et c
L'indexation
Les opérateurs de vecteur
Les fonctions seq et c
L'indexation
Les statistiques avec R
Les calculs de distribution
La loi normale
Ecart type et variance
Les fonctions de statistiques autres
Les quantiles
La réciprocité des données
La loi normale
Ecart type et variance
Les fonctions de statistiques autres
Les quantiles
La réciprocité des données
Le graphisme
Le graphisme avec plot
Les différents types de graphiques
Affichage de plusieurs graphiques
Les différents types de graphiques
Affichage de plusieurs graphiques
Les régressions
Le concept de régression en statistique
La régression linéaire
La fonction lm()
L'opérateur tilda ~
Le coefficient de corrélation
Le loss
L'erreur quadratique moyenne
Les régressions polynomiales
Les régressions fonctionnelles
La régression linéaire
La fonction lm()
L'opérateur tilda ~
Le coefficient de corrélation
Le loss
L'erreur quadratique moyenne
Les régressions polynomiales
Les régressions fonctionnelles
Les matrices
L'algèbre linéaire en R
Les matrices
Le produit et la transposée
L'inversion de matrice
Les nombres complexes
L'algèbre complexe
La transformée de fourrier FFT
Les matrices
Le produit et la transposée
L'inversion de matrice
Les nombres complexes
L'algèbre complexe
La transformée de fourrier FFT
Les dataframes
L'utilité de données tabulaires
Les dataframes
L'accès aux dataframes
L'indexation
Le filtrage
Les listes
Les dataframes
L'accès aux dataframes
L'indexation
Le filtrage
Les listes
L'accès aux sources de données avec R
L'accès aux données binaires
L'accès aux fichiers CSV
L'accès aux fichiers Excel
L'accès aux fichiers JSON
L'accès aux fichiers CSV
L'accès aux fichiers Excel
L'accès aux fichiers JSON
Machine Learning
Filtrage
Qu'est-ce qu'un modèle et un dataset ?
Qu'est-ce qu'une régression ?
Les différents types de régression
La régression linéaire
Gestion du risque et des erreurs
Quarter d'Ascombe
Trouver le bon modèle
La classification
Loi normale, variance et écart type
Apprentissage
Mesure de la performance
No Free Lunch
Mise en place d'une machine learning de régression en R
Présentation du k-NN
Qu'est-ce qu'un modèle et un dataset ?
Qu'est-ce qu'une régression ?
Les différents types de régression
La régression linéaire
Gestion du risque et des erreurs
Quarter d'Ascombe
Trouver le bon modèle
La classification
Loi normale, variance et écart type
Apprentissage
Mesure de la performance
No Free Lunch
Mise en place d'une machine learning de régression en R
Présentation du k-NN
dates des formations a grenoble
dates des formations a SOPHIA ANTIPOLIS
Cursus formation
Formations de la même thématique