Langage R et science des données

Secteur
Intelligence artificielle | Technologies de l’information
Maîtrisez le langage R pour extraire, traiter et analyser vos données, appliquer des méthodes d’apprentissage machine supervisé et non supervisé, et exploiter efficacement les outils R et R Studio afin de prendre des décisions éclairées en entreprise. 

Pour information :

Service à la clientèle
819 378-4911
services.entreprises@cegeptr.qc.ca

Inscription

Un groupe sera planifié sous peu. Nous vous invitons à vous inscrire sur la liste d'intérêt pour obtenir l'information lorsque la formation sera disponible.

Pour les entreprises, des options sur mesure peuvent s'offrir à vous. Veuillez communiquer avec notre équipe.

Liste d'intérêt

Objectifs

2
3

Le cours a pour but de donner aux étudiants la capacité de manipuler des données à l’aide du langage R.  Le cours consiste en l’extraction, la normalisation et la présentation de données. Plusieurs méthodes d’apprentissage machine (intelligence artificielle) seront également enseignés.  Par exemple, des algorithmes de régression et des réseaux de neurones (MLP), d’arbre de décision et de forêts aléatoires seront vus dans le cadre de l’apprentissage supervisée. Des algorithmes de réduction de dimensionalité, et de regroupement (clustering) sont aussi vus dans le cadre d’apprentissage non supervisé. Le tout grâce au langage R et l’éditeur R Studio qui sont des outils spécialisés en science des données.

Contenu

2
3

Cours 1: Survol du cours et discussions

  • Présentation du formateur et de la Cellule d’expertise robotique et intelligence artificielle
  • Présentation du plan de cours.
  • Science des données
  • Big Data
  • Langage R et de R Studio.
  • Tour d’horizon RStudio et “Hello World”
  • “Hello World” avec R sous Colab
  • Quiz
  • Pratique: Installez RStudio et familiarisez-vous avec RStudio et Colab

Cours 2: Langage R

  • Structures de contrôle
  • Structures de données.
  • Code R sous Python
  • Diverses notions du langage R. sous Colab
  • Présentation de Kaggle et des datasets de R
  • Quiz

Cours 3: Manipulation et prétraitement des données.

  • Utilisation des différents types de graphiques.
  • Sélection, regroupement et tri des données.
  • Prétraitement des données (Slide)
  • Prétraitement de données (Colab)
  • Version Orange
  • Quiz

Cours 4: Algorithmes d’intelligence artificielle – 1ère partie.

  • Régression linéaire
  • Régression linéaire multiple
  • Régression logistique
  • MLP (réseaux de neurones)
  • Distributions
  • Version Orange
  • Quiz

Cours 5: Algorithmes d’intelligence artificielle – 2è partie.

  • Clustering
  • Réduction de dimensionnalité
  • Arbre de décision bayésien
  • Random Forest
  • PCA
  • Version Orange
  • Quiz

 Exercices pratiques

Tout au long du cours, je vous suggère d’utiliser vos propres données et ou les données de votre entreprise pour faire vos tests.  Choisissez-les selon les besoins de votre entreprises et vos intérêts. Vous êtes des travailleurs en entreprise pour la grande majorité et votre niveau de programmation devrait être suffisant pour faire votre propre projet, sans balise de l’enseignant. N’hésitez pas à demander de l’aide à l’enseignant.

Public cible

2
3

À venir.

Méthodes d'enseignement

2
3
  • Présentations magistrales des sujets par l’enseignant.

Conditions d'admission

2
3
  • Connaissance en programmation, peu importe le langage utilisé,  ou
  • Avoir suivi le cours : Initiation à la programmation Python et à l’intelligence artificielle.

Le démarrage des cours est conditionnel à un nombre suffisant d’inscriptions. Les dates peuvent varier. Vous serez avisé des changements s’il y a lieu. Certaines conditions s’appliquent pour les formations de courte durée financées par Services Québec.

Assurez-vous d’être sur le territoire canadien pour suivre nos formations en ligne.

Abonnez-vous à notre infolettre

You have Successfully Subscribed!