Programmer En R Pour La Data Science De A à Z | Udemy

Programmer en R pour la Data Science de A à ZHighest RatedRating: 4.4 out of 54.4(822 ratings)3,778 studentsDevelopmentData ScienceData SciencePreview this courseProgrammer en R pour la Data Science de A à ZIntéressés par la Data ? Apprenez à faire de la Data Science et du Machine Learning avec le langage R sans pré-requis!Highest RatedCreated byAmandine Velt | Data Science - Python - RLast updated 10/2025FrenchFrench [Auto],Preview this course

What you'll learn

• Utiliser Rstudio
• Programmer en R
• Récupérer des données et les charger dans R
• Connaitre les structures de données en R (vecteurs, matrices, ...)
• Manipuler efficacement des données avec dplyr
• Explorer et visualiser des données avec ggplot2
• Utiliser R pour faire de la Data Science
• Utiliser des algorithmes de Machine Learning
• Faire du Data Mining

Explore related topics

Course content

11 sections • 68 lectures • 8h 9m total lengthExpand all sections

Introduction et mise en place du cours4 lectures • 19min

• Installation de R et RStudio (Windows/Mac/Linux)Preview6:54
• Découverte de l'interface RStudioPreview3:50
• Création d'un projet sous RstudioPreview2:51
• Installation des packages R essentiels pour la data sciencePreview5:50

Débuter avec R11 lectures • 51min

• Les types de données (character, int, double, booléens, données manquantes)Preview4:43
• Les variables3:02
• Les opérateurs arithmétiques3:31
• Les vecteurs3:30
• Opérations sur les vecteurs5:12
• Manipuler les vecteurs grâce aux indexs3:47
• Qu'est-ce qu'une fonction en R ?2:33
• Utiliser les fonctions fournis par R6:22
• Qu'est-ce qu'un package R ?1:52
• Savoir utiliser l'aide de R4:18
• Exercice : manipuler un vecteur contenant les moyennes d'une classe de 20 élèves12:06

Les matrices en R6 lectures • 39min

• Qu'est ce qu'une matrice en R ?5:04
• colnames() et rownames()3:43
• Accéder aux éléments d'une matrice4:02
• Modifier une matrice2:03
• Opérations sur les matrices4:32
• Exercice : manipuler une matrice20:01

Les dataframes en R7 lectures • 51min

• Qu'est ce qu'un dataframe en R ?3:34
• colnames() et rownames()2:15
• Importation de données8:29
• Exportation de données4:55
• Accéder aux éléments d'un dataframe4:21
• Créer un sous-ensemble à partir d'un dataframe10:16
• Exercice : manipuler les dataframes17:38

Les bases de la programmation en R6 lectures • 52min

• Les opérateurs logiques7:54
• Les instructions de condition (if ... else)4:26
• Les instructions de boucles (for)6:13
• Les instructions de boucles (while)4:21
• Exercice sur les instructions de condition et les boucles en R15:32
• Comment créer sa propre fonction en R13:12

Manipulation avancée des données11 lectures • 1hr 36min

• apply()9:55
• aggregate() et by()9:13
• Dplyr : les tibbles4:03
• Dplyr : select()7:38
• Dplyr : filter()11:01
• Dplyr : l'opérateur pipe (%>%)4:05
• Dplyr : arrange()5:01
• Dplyr : summarise()8:06
• Dplyr : group_by()5:15
• Dplyr : mutate()5:27
• Exercice : explorer les données de l'ensemble des fast-foods aux USA25:59

Visualisation avancée des données10 lectures • 1hr 51min

• Créer son premier graphique avec la fonction plot()19:58
• Créer des graphiques plus élaborés avec ggplot27:10
• ggplot2 : Les couleurs, les formes et les tailles8:54
• ggplot2 : La légende (introduction des thèmes)13:11
• ggplot2 : Axes et titres9:09
• ggplot2 : Combiner plusieurs graphes (facet)5:56
• ggplot2 : Ajouter des annotations au graphique9:59
• ggplot2 : Les différents types de graphes (geoms)11:16
• Exercice : visualisation des données de l'ensemble des fast-foods aux USA20:22
• BONUS : rendre votre graphique interactif avec Plotly4:46

Cas pratique de Data Science : appliquer des algorithmes de Machine Learning8 lectures • 1hr 8min

• Qu'est ce que l'apprentissage automatique (machine learning) ?4:58
• Données : prédire la souscription d'un client à un produit bancaire9:04
• Visualisation des données avec ggplot26:33
• Création d'un jeu de données d'entrainement et de test16:10
• Traitement des classes déséquilibrées et normalisation11:52
• Entrainer un modèle avec Caret : méthode Naive Bayes12:31
• Entraîner un modèle avec Caret : méthode SVM (Support Vector Machine)3:59
• Trouver les variables prédictives les plus importantes2:56

Quizz de révision 20251 lecture • 1min

• Introduction aux quiz de révision R (Mise à jour 2025)0:35
• Premiers pas avec R
• Travailler avec les matrices et dataframes en R
• Programmation en R et manipulation avancée avec dplyr
• Visualisation avancée avec ggplot2

Ressources supplémentaires3 lectures • 1min

• L'ensemble du code R utilisé durant le cours0:03
• Aide-mémoire ggplot2
• Aide-mémoire dplyr0:01

1 more section

Requirements

• Un ordinateur
• Une connexion internet pour installer les outils et récupérer des jeux de données
• Aucunes connaissances requises en programmation, je pars du début !

Description

Ce cours complet et pratique vous apprend à programmer en R pour analyser des données et appliquer des méthodes de Machine Learning, sans prérequis. Nous commençons par l’installation de R et RStudio (Windows/Mac/Linux) puis la prise en main de l’environnement : projets, scripts, console, packages essentiels.

Vous apprendrez les bases de la programmation (variables, types, conditions, boucles, fonctions) avec des exercices à chaque étape pour ancrer les notions. Nous passerons ensuite à la manipulation de données : vecteurs, matrices, dataframes, import/export de CSV, gestion des valeurs manquantes, transformations avec dplyr (select, filter, mutate, arrange, group_by, summarise). Côté visualisation, vous créerez des graphiques clairs et esthétiques avec ggplot2 (aes, geoms, axes, titres, légende, facettes, annotations).

Un cas pratique de Data Science vous guidera de A à Z : exploration, préparation des données, choix d’indicateurs, modélisation simple, évaluation et interprétation des résultats.

Objectif final : être autonome pour récupérer un dataset, l’explorer, le transformer, le visualiser et dégager des insights actionnables.

Mise à jour 2025 : ajout de quiz thématiques (programmation, dplyr, ggplot2, matrices/dataframes) pour réviser efficacement, plus des ressources téléchargeables.

Ce cours s’adresse aux débutants motivés, étudiants, professionnels en reconversion, scientifiques, marketeurs ou toute personne souhaitant analyser ses données avec R de manière structurée et moderne. Je reste disponible en Q&A pour vous accompagner tout au long de votre apprentissage.

Amandine

Logo créé par Pikisuperstar - Freepik\.com

Who this course is for:

• Les personnes souhaitant apprendre à programmer en R
• Les personnes souhaitant apprendre à faire de la Data Science avec R
• Toutes personnes intéressées par la Data Science en général

Show moreShow lessReport abuse