Présentation de la formation

Plus que jamais au 21^ième siècle, les données représentent un actif important pour le développement des organisations telles que les institutions privées, publiques et organisations internationales ou à but non lucratif. Ainsi, pour être compétitives voire pérennes, elles doivent accorder aux données une place de choix dans le processus de leur prise de décision. Les données collectées de diverses manières seront transformées en information, et les informations elles-mêmes en connaissance.

Ce processus nécessite par conséquent que les employés, cadres de ces organisations soient exposés, initiés à ensemble d’outils susceptibles de les aider à mieux orienter les décisions prises à l’interne par les gestionnaires de ces institutions. Conscient de cela l’entreprise SIPDEC (Statistique Et Informatique Pour La Prise De Décision) offre à des cadres œuvrant dans des secteurs variés tels que la santé, l’économie, la banque, etc., un séminaire de formation de 30 heures en Analyse de donnée avec R. R étant un langage de programmation et logiciel libre largement utilisé mondialement et destiné à la statistique et à la science des données.

L’approche pédagogique adoptée sera de présenter un ensemble de concept à l’aide en faisant des présentations magistrales, accompagnées d’exemples, puis de les illustrer grâce à des applications tirées du contexte haïtien. Ces exercices seront réalisés par les participants en salle ou à la maison avec l’assistance du formateur.

Contenu de la formation

1        Les bases de R

1.1      L’utilisation de R

1.2      Les objets dans R

1.3      Les vecteurs, les facteurs

1.4      Les data frames et les listes

1.5      Tableau croisé dans R (introduction)

2        Visualisation de données

2.1      Graphiques de base dans R

2.2      Introduction à ggplot

3        La Programmation dans R

3.1      Les structures de contrôle

3.2      Les fonctions dans R

3.3      La famille des fonctions apply

3.4      Introduction au calcul parallèle avec R

4        Le traitement avancé des données

4.1      Le package data.table

4.2      Le package dplyr et tidyverse

5        Présentations des résultats et Rmarkdown

5.1      Créer un document avec Rmarkdown

5.2      Les fonctionnalités de base de Rmarkdown