SYLLABUS

1. Objectifs du cours

Ecrire des fonctions, construire des packages, et maîtriser les bonnes pratiques issues du développement logiciel pour rendre reproductible ses travaux. Travailler avec Git et utiliser du contrôle de version.

2. Description du cours

Les objectifs du cours de R avancé et introduction à Git sont multiples :
- effectuer un rappel rapide des concepts centraux du langage R : types primitifs, vecteurs, flux de contrôles, fonctions pratiques ;
- bien configurer son environnement de développement sous l'IDE Rstudio et utiliser des projets ;
- comprendre le concept de fonctions, de fonctions génériques et d'objets S3 en parcourant les objets S3 importants, tels que les dates, ou encore les tibble;
- construire un package R, notamment en utilisant les librairies devtools, usethis et testthat ;
- sensibiliser à la science reproductible, notamment à l'aide des packages quarto et renv ;
- s'initier à git, et à github pour pouvoir collaborer et utiliser des gestionnaires de version lors de la réalisation de projets R et de data science.

3. Plan du cours

• Rappel des notions de programmation en R et de bien configurer son environnement de développement avec Rstudio.
• Introduction à git, et à la plateforme github, et à l'importance de son utilisation lors de projets de data science.
• Écriture de fonctions, et nous introduirons les objets S3, et les classes les plus importantes.
• Les librairies dédiées à la lecture et manipulation des données, avec un focus sur les données textuelles et les dates.
• Créations de packages R.
• Programmation littéraire et aux outils de la science reproductible avec l'outil quarto et le package renv.

4. Compétences visées

• Utiliser les principaux logiciels adaptés à l'analyse de données dont SAS, R et Python

Consulter la fiche RNCP de cette formation

5. Modalités pédagogiques

Mode d'enseignement : Présentiel

Langue(s) utilisée(s) : Français

Méthodes pédagogiques : Cours magistral, Travaux Dirigés

6. Modalités d'évaluation

Examen écrit sur table
(Examen en présentiel sans restriction de ressource)

7. Bibliographie

• R Packages: Organize, Test, Document, and Share Your Code 2nd Edition by Hadley Wickham & Jennifer Bryan
• R for Data Science: Import, Tidy, Transform, Visualize, and Model Data 2nd Edition by Hadley Wickham, Mine Cetinkaya-Rundel & Garrett Grolemund
• Advanced R 2nd Edition by Chapman & Hall's R Series.