Data Science

Analyse de données avec R : de la donnée brute au rapport automatisé

Maîtrisez l’analyse de données avec R à travers un parcours complet, pratique et orienté projet. Vous apprendrez à importer, nettoyer, transformer et explorer des données réelles avec le tidyverse, à créer des visualisations professionnelles avec ggplot2, à appliquer les principales méthodes statistiques et à construire des modèles interprétables. La formation vous guidera également dans la création de rapports dynamiques et reproductibles avec Quarto, capables de se mettre à jour automatiquement lorsque les données changent. À l’issue du parcours, vous réaliserez un projet complet mobilisant l’ensemble des compétences acquises, depuis la donnée brute jusqu’à la présentation claire et professionnelle des résultats.

Intermédiaire 32 heures · 7 modules · 30 Leçons Joseph Kokouvi DJAFON Formation 100 % pratique 7 modules Aucun avis pour le moment

24

Leçons

0

Quiz et évaluations

0

Exercices et labs

Ce que vous allez apprendre

Manipuler et transformer des donnees avec dplyr et le tidyverse
Nettoyer un jeu de donnees reel : manquants, textes, dates, restructuration
Construire des visualisations claires et honnetes avec ggplot2
Choisir, executer et interpreter correctement un test statistique
Ajuster et diagnostiquer une regression lineaire
Produire des rapports reproductibles et parametres avec Quarto
Ecrire du code R lisible, reutilisable et reproductible

Public cible

Analystes et futurs data analysts souhaitant maitriser R
Professionnels manipulant des donnees dans Excel et atteignant ses limites
Etudiants et chercheurs en statistiques, economie, sante ou sciences sociales
Utilisateurs de Python curieux de l'ecosysteme statistique de R

Prérequis

Aucune experience de R requise : tout est introduit depuis le debut
A l'aise avec la logique d'un tableau de donnees (lignes, colonnes, filtres)
Des notions de statistiques descriptives aident, sans etre indispensables
Un ordinateur permettant d'installer R et RStudio (gratuits)

Programme

Le contenu de la formation

Un parcours séquencé pour progresser avec méthode. Le détail des leçons est visible ci-dessous ; leur contenu s'ouvre après inscription.

1

Module 1 — Démarrer avec R et RStudio

Dans ce premier module, vous mettrez en place un environnement de travail professionnel en installant R et RStudio, puis en découvrant leur interface et leurs principales fonctionnalités. Vous apprendrez à créer, manipuler et organiser les objets fondamentaux de R (vecteurs, matrices, listes, facteurs et data frames), à exécuter vos premiers scripts, à utiliser la console et les fichiers R Script, ainsi qu'à gérer efficacement votre espace de travail. À travers des démonstrations et des exercices pratiques, vous développerez les bases indispensables pour écrire du code clair, comprendre la syntaxe de R et réaliser vos premières analyses de données en toute autonomie. À la fin de ce module, vous disposerez d'un environnement entièrement opérationnel et des compétences nécessaires pour aborder sereinement les modules avancés de la formation.

4 leçon(s)
  • 1.1 Pourquoi R, et pour quels usagesLire gratuitement
  • 1.2 Installer R, RStudio et organiser un projet
  • 1.3 Les objets fondamentaux : vecteurs, facteurs, listes
  • 1.4 Le data frame et les statistiques descriptives
2

Module 2 — Manipuler les données avec dplyr

Dans ce module, vous apprendrez à manipuler efficacement des jeux de données grâce au package dplyr, l'un des piliers du tidyverse. Vous découvrirez comment filtrer des observations, sélectionner et renommer des colonnes, trier les données, créer de nouvelles variables, regrouper les observations et produire des statistiques descriptives par groupe. À travers de nombreux exercices pratiques, vous maîtriserez les principales fonctions de transformation de données (filter(), select(), arrange(), mutate(), summarise(), group_by()) afin de préparer vos jeux de données de manière claire, reproductible et performante pour les analyses statistiques et les modèles de Data Science.

4 leçon(s)
  • 2.1 Importer ses données proprement
  • 2.2 Les verbes dplyr et le pipe
  • 2.3 Grouper et résumer : le geste central
  • 2.4 Joindre plusieurs tables
3

Module 3 — Nettoyer et préparer les données

Ce module est consacré aux techniques essentielles de préparation des données avant toute analyse ou modélisation. Vous apprendrez à détecter et traiter les valeurs manquantes, supprimer les doublons, convertir les types de variables, restructurer des tableaux, manipuler efficacement les chaînes de caractères ainsi que les dates et heures. Vous découvrirez également les bonnes pratiques de nettoyage des données afin de garantir leur qualité, leur cohérence et leur fiabilité. À l'issue de ce module, vous serez capable de transformer des données brutes en jeux de données propres, structurés et prêts à être exploités dans des analyses statistiques ou des projets de Machine Learning.

4 leçon(s)
  • 3.1 Les valeurs manquantes : comprendre avant de corriger
  • 3.2 Restructurer : format large et format long
  • 3.3 Textes et catégories avec stringr
  • 3.4 Les dates avec lubridate
4

Module 4 — Visualiser avec ggplot2

Dans ce module, vous découvrirez la puissance de `ggplot2`, la bibliothèque de référence pour la visualisation de données sous R. Vous apprendrez à construire des graphiques professionnels en appliquant la grammaire des graphiques, à personnaliser les couleurs, les thèmes, les axes, les légendes et les annotations afin de produire des visualisations à la fois esthétiques et informatives. Vous réaliserez différents types de graphiques (histogrammes, diagrammes en barres, boxplots, courbes, nuages de points et graphiques de dispersion) et apprendrez à choisir la représentation la plus adaptée selon vos données. À la fin du module, vous serez capable de créer des visualisations de qualité professionnelle pour explorer vos données, communiquer vos résultats et produire des rapports analytiques convaincants.

3 leçon(s)
  • 4.1 La grammaire des graphiques
  • 4.2 Les graphiques essentiels
  • 4.3 Soigner un graphique pour la publication
5

Module 5 — Statistiques et modélisation

Ce module vous permettra d'acquérir les bases indispensables de l'analyse statistique et de la modélisation sous R. Vous apprendrez à réaliser des statistiques descriptives, à interpréter les principales mesures de tendance centrale et de dispersion, à explorer les relations entre variables et à effectuer des tests d'hypothèses adaptés à différents contextes d'analyse. Vous découvrirez également les notions de corrélation et de régression linéaire afin de comprendre, modéliser et interpréter les relations entre variables quantitatives. Grâce à des études de cas et des exercices pratiques, vous développerez les compétences nécessaires pour transformer des données en informations exploitables et prendre des décisions fondées sur des analyses statistiques rigoureuses.

3 leçon(s)
  • 5.1 Décrire correctement une distribution
  • 5.2 Tests d hypothèses : choisir et interpréter
  • 5.3 Corrélation et régression linéaire
6

Module 6 — Rapports reproductibles avec Quarto

Dans ce module, vous apprendrez à produire des rapports professionnels, dynamiques et entièrement reproductibles grâce à Quarto. Vous découvrirez comment combiner du texte, du code R, des tableaux, des graphiques et des résultats d'analyse dans un document unique qui se met automatiquement à jour lorsque les données évoluent. Vous apprendrez à générer des rapports aux formats HTML, PDF et Word, à personnaliser leur mise en page et à automatiser la production de documents destinés à la recherche, à la Business Intelligence ou à la Data Science. À l'issue de ce module, vous serez capable de créer des rapports de haute qualité, facilement partageables et conformes aux bonnes pratiques de la reproductibilité scientifique.

3 leçon(s)
  • 6.1 Un premier document Quarto
  • 6.2 Insérer des résultats dans le texte
  • 6.3 Rapports paramétrés et automatisation
7

Module 7 — Bonnes pratiques et projet final

Ce dernier module est consacré aux bonnes pratiques de développement en R ainsi qu'à la réalisation d'un projet complet d'analyse de données. Vous apprendrez à écrire un code clair, structuré, documenté et réutilisable en utilisant des fonctions, des scripts organisés et des conventions de programmation reconnues. Vous découvrirez également des techniques d'optimisation pour améliorer les performances de vos analyses et faciliter la maintenance de vos projets. Enfin, vous mettrez en pratique l'ensemble des compétences acquises au cours de la formation en réalisant un projet complet, depuis l'importation et le nettoyage des données jusqu'à leur analyse, leur visualisation et la production d'un rapport professionnel. Ce projet final vous permettra de consolider vos acquis et de disposer d'une réalisation concrète à valoriser dans votre portfolio ou en contexte professionnel.

3 leçon(s)
  • 7.1 Écrire du code lisible et réutilisable
  • 7.2 Travailler sur des volumes plus importants
  • 7.3 Projet final — Analyse complète

Avis des apprenants

Retours sur la formation

Les avis sont moderes avant publication afin de garder des retours utiles et fiables.

0.0 / 5

0 avis approuve(s)

Chargement des avis...

Intervenants

Des experts pour accompagner votre progression

Des professionnels passionnés par la transmission, la Data et l’intelligence artificielle appliquée.

Portrait de Anderson DENART

Anderson DENART

CEO & AI / ML Engineer

Anderson Denart est Data Scientist et AI Engineer, fondateur et CEO de Accurametrics Data Solutions. Spécialisé en intelligence artificielle appliquée, machine learning, NLP, scoring, computer vision et déploiement de solutions data, il accompagne les entreprises dans la transformation de leurs données en leviers de performance mesurables. Son expertise couvre la conception de modèles prédictifs, l’automatisation de processus décisionnels, la création de dashboards intelligents et l’industrialisation de solutions IA orientées métier. Fort d’expériences en data science, scoring bancaire, économétrie et business intelligence, il combine rigueur statistique, vision stratégique et maîtrise technique pour développer des solutions fiables, scalables et directement exploitables par les organisations.

Portrait de Josué THELISSAINT

Josué THELISSAINT

Academic Director /Financial Economist, PhD

Josué Thélissaint est docteur en économie financière, économiste financier et decision scientist, avec une expertise à l’intersection de la finance quantitative, de l’analyse économique, des cryptomarchés et de la DeFi. Son profil se distingue par une double maîtrise : une solide formation académique en ingénierie économique et financière, statistiques et économie appliquée, ainsi qu’une compétence technique en développement informatique et exploitation de données. Cette combinaison lui permet d’aborder les problématiques financières avec une approche rigoureuse, analytique et orientée décision. Il intervient sur des sujets complexes liés à la modélisation économique, à l’analyse des marchés financiers, à l’évaluation des risques et à l’aide à la décision dans des environnements data-driven. Son parcours reflète un positionnement hybride rare, capable de relier la recherche académique, la finance moderne et les technologies émergentes.

Portrait de Joseph Kokouvi  DJAFON

Joseph Kokouvi DJAFON

Doctorant en Economie

Joseph Kokouvi Djafon possède un parcours académique solide en économie, statistiques et économétrie. Actuellement doctorant en économie à l’Université de Strasbourg, il a auparavant obtenu un master en statistiques et économétrie dans la même université, où il s’est distingué comme major de promotion. Son profil combine une forte expertise quantitative avec des compétences en économétrie avancée, séries temporelles, données de panel, programmation, gestion de données, web scraping et machine learning avec Python. Il dispose également d’une formation approfondie en économie du développement acquise à l’Université de Lomé, où il a aussi obtenu d’excellents résultats académiques.

Portrait de Esperant KONZO

Esperant KONZO

AI / ML Engineer

Esperant Konzo est un AI/ML Engineer spécialisé dans la conception d’agents intelligents, l’automatisation des processus et la mise en place d’infrastructures IA à grande échelle. Son expertise couvre les architectures RAG, le Model Context Protocol, les bases vectorielles, les agents conversationnels et les systèmes IA connectés à des bases de connaissances d’entreprise. Il a travaillé sur des cas d’usage à fort impact, notamment la détection de fraude, la conformité LCB-FT, l’automatisation documentaire et le développement d’agents IA pour plus de 100 000 utilisateurs. Co-fondateur de la Bantu Language Initiative, il porte également une vision ambitieuse autour du NLP pour les langues africaines sous-représentées, avec l’objectif de construire une infrastructure IA adaptée à des centaines de millions de locuteurs bantous.

Portrait de Yvens Joseph FLEURIOT

Yvens Joseph FLEURIOT

Consultant en droit de l’IA et des données

Yvens Joseph FLEURIOT est juriste spécialisé en droit du numérique, avec une expertise en protection des données, intelligence artificielle, droit de l’internet et gouvernance des systèmes d’information. Formé en droit haïtien et français, il est titulaire d’un master en droit des affaires spécialisé dans le numérique. Ses compétences juridiques, complétées par des connaissances techniques en conception web et une maîtrise de l’anglais du numérique, lui permettent d’accompagner les organisations sur leurs enjeux de conformité, de gouvernance et d’encadrement juridique des technologies. Son parcours en théologie, histoire et société renforce également sa compréhension des impacts sociaux et éthiques du numérique.

Portrait de Patrick TELEMAQUE

Patrick TELEMAQUE

Economiste / Statisticien

Patrick TELEMAQUE travaille à l’Institut Haïtien de Statistique et d’Informatique (IHSI), où il contribue à la collecte et à l’analyse de données d’entreprises à des fins statistiques et économiques. Économiste et bénéficiaire d’une bourse d’excellence à l’Université Quisqueya, il est également certifié en gestion de projet et en suivi-évaluation. Passionné par la statistique et l’analyse de données, il met son expertise au service de la prise de décision et du développement.