Vous êtes ici : Accueil > Formation informatique > Big Data, Data Science > Analyser les données et statistiques

New

Formation - Analyse et automatisation de données avec R

Manipuler, visualiser avec ggplot2 et automatiser les analyses statistiques avec R pour exploiter et valoriser les données

La formation Analyse et automatisation de données avec R permet de maîtriser les principaux outils de l'analyse de données et de la data visualisation avec R. Elle couvre la manipulation de données avec tidyverse, la création de graphiques avec ggplot2 et l'automatisation de rapports avec R Markdown et Quarto. Une formation idéale pour produire des analyses fiables, reproductibles et industrialiser les traitements de données dans un environnement professionnel.

Demander un devis Consulter le programme 2027

Informations pratiques

Référence : BI118

Durée : 2 jours (14 heures)
Présentiel ou classe à distance
Perfectionnement

Formation - Analyse et automatisation de données avec R

A qui s'adresse cette formation ?

Data analysts, statisticiens

Les objectifs de la formation

Manipuler et préparer des données avec le langage R
Concevoir des visualisations de données avec ggplot2
Automatiser des traitements et des analyses statistiques à l'aide de scripts R

Les points forts de la formation

Une approche pédagogique fondée sur un cas d'étude fil rouge, permettant de manipuler un jeu de données réaliste, de son chargement jusqu'à la génération de rapports automatisés
Une formation couvrant l'ensemble du cycle d'analyse de données avec R, de la préparation des données avec le tidyverse à leur visualisation avec ggplot2 et à la production de rapports avec Quarto
Des ateliers pratiques mettant en oeuvre les principaux packages du tidyverse (dplyr, tidyr, lubridate, stringr et ggplot2) selon les bonnes pratiques actuelles
Un apprentissage des méthodes de reproductibilité et d'automatisation grâce à Quarto, le standard moderne pour la génération de rapports et l'analyse reproductible avec R
Les contenus pédagogiques numériques remis aux participants après la formation prolongent les acquis et facilitent la mise en pratique des compétences en environnement professionnel

ib Cegos, certifié ISO 9001 et Qualiopi, garantit la qualité et la fiabilité de ses formations et certifications. En savoir plus

Prérequis

Notions statistiques et bases R
Disposez-vous des connaissances nécessaires pour suivre cette formation ? Testez-vous !

Le programme

Télécharger le programme

1 - Environnement R moderne et écosystème tidyverse

Revoir les fondamentaux de RStudio et de l’écosystème R : Posit, packages CRAN et projets RStudio
Découvrir la philosophie du tidyverse et ses principaux packages : dplyr, tidyr, ggplot2, readr, purrr, lubridate et stringr
Utiliser les opérateurs pipe %>% de magrittr et |> natif de R pour construire des pipelines lisibles
Importer différents formats de fichiers avec readr (read_csv), readxl (read_excel) et les fonctions associées
Appliquer les conventions et bonnes pratiques : tidy data, nommage des variables et organisation d’un projet d’analyse

2 - Sélectionner, filtrer et agréger les données

Utiliser select() pour sélectionner des colonnes par nom, index ou helpers : starts_with, contains et where
Filtrer les lignes selon des conditions logiques combinées avec filter()
Créer et modifier des colonnes et réaliser des calculs vectorisés avec mutate()
Effectuer des agrégations par groupe (sum, mean, n, n_distinct)
Trier les données sur une ou plusieurs colonnes avec arrange()
Enchaîner les opérations avec le pipe afin de créer des pipelines lisibles et maintenables

Mise en situation

Charger un fichier CSV et explorer les transactions avec readr, glimpse() et summary()

Filtrer les données selon plusieurs critères : date, catégorie et montant

Créer des colonnes calculées, telles que la taxe et le segment client, avec mutate()

Agréger le chiffre d’affaires par catégorie et par mois avec group_by() et summarise()

3 - Préparer et consolider des données multisources

Restructurer les données avec pivot_longer() et pivot_wider() de tidyr pour passer du format large au format long et inversement
Réaliser des jointures avec dplyr : left_join, inner_join, full_join et anti_join, sur des clés simples ou multiples
Concaténer des DataFrames avec bind_rows et bind_cols
Convertir et extraire les dates avec lubridate : ymd, dmy, year, month et wday
Manipuler les chaînes de caractères avec stringr : str_detect, str_replace et str_extract
Traiter les valeurs manquantes avec na_if, replace_na, drop_na et complete

Mise en situation

Charger deux fichiers de transactions et de clients, puis les fusionner avec left_join

Transformer une table du format large au format long avec pivot_longer

Extraire le mois et le jour de la semaine d’une colonne de dates avec lubridate

Traiter les valeurs manquantes avec drop_na et replace_na, puis exporter le dataset nettoyé

4 - Concevoir des visualisations de données professionnelles

Comprendre la grammaire des graphiques : données, propriétés esthétiques, géométries, échelles, facettes et thèmes
Utiliser les géométries fondamentales : geom_point, geom_line, geom_bar, geom_col, geom_histogram et geom_boxplot
Configurer les propriétés esthétiques avec aes() : couleur, remplissage, forme, taille et transparence
Comparer des sous-groupes avec facet_wrap et facet_grid
Personnaliser les échelles et les thèmes avec scale_x_continuous, scale_color_brewer et theme_minimal
Combiner plusieurs graphiques dans une figure unique avec patchwork

Mise en situation

Représenter l’évolution mensuelle du chiffre d’affaires avec geom_line et personnaliser les axes, le titre et le thème

Comparer la distribution des montants par catégorie avec geom_boxplot et geom_violin

Créer une matrice de facettes avec facet_wrap afin de visualiser un indicateur par segment client

Combiner trois graphiques avec patchwork et exporter la figure finale au format PNG haute résolution

5 - Automatiser des analyses statistiques reproductibles

Réaliser des statistiques descriptives dans R : somme, moyenne, médiane, écart-type, quantiles et tables de fréquences
Appliquer les tests d’hypothèses courants : test t, test du khi-deux et corrélations
Construire une régression linéaire simple avec lm(), interpréter les coefficients et produire un résumé du modèle
Découvrir R Markdown et Quarto pour créer des analyses reproductibles aux formats HTML, PDF et Word
Structurer un document avec un en-tête YAML, des blocs de code et les options echo, eval et fig.cap
Paramétrer des rapports avec les paramètres YAML afin de générer automatiquement plusieurs versions

Mise en situation

Créer un document Quarto avec un en-tête YAML, des blocs de code et des graphiques ggplot2

Intégrer des statistiques descriptives, une corrélation et un test t sur le dataset préparé

Ajouter un paramètre « segment client » dans le fichier YAML afin de générer un rapport propre à chaque segment

Compiler le rapport aux formats HTML et PDF, puis générer trois versions paramétrées en une seule commande

Horaires

Nos formations débutent à 9h et se terminent entre 17h et 18h. Pour vous accueillir, nos centres sont ouverts dès 8h30. Un petit déjeuner d'accueil vous est proposé avant la formation.

Évaluation

Pendant la formation, le formateur évalue la progression pédagogique des participants via des QCM, des mises en situation et des travaux pratiques. Les participants passent un test de positionnement avant et après la formation pour valider leurs compétences acquises.

Formation - Analyse et automatisation de données avec R

Informations pratiques

A qui s'adresse cette formation ?

Les objectifs de la formation

Les points forts de la formation

Prérequis

Le programme

Forfait Intra

Cette formation est disponible

Horaires

Évaluation