Plan du cours
I. Introduction et préliminaires
1. Vue d'ensemble
- Rendre R plus convivial, R et les interfaces graphiques disponibles Rstudio Logiciels et documentation associés R et statistiques Utiliser R de manière interactive Une session d'introduction Obtenir de l'aide sur les fonctions et fonctionnalités Commandes R, respect de la casse, etc. Rappel et correction des commandes précédentes Exécuter des commandes ou détourner la sortie vers un fichier Permanence des données et suppression d'objets Gode pratique de programmation : scripts autonomes, bonne lisibilité, par exemple scripts structurés, documentation, installation de packages markdown ; CRAN et bioconducteur
2. Lecture des données
- Fichiers txt (read.delim) Fichiers CSV
3. Manipulations simples ; nombres et vecteurs + tableaux
- Vecteurs et affectation Arithmétique vectorielle Génération de séquences régulières Vecteurs logiques Valeurs manquantes Vecteurs de caractères Vecteurs d'index ; sélectionner et modifier des sous-ensembles d'un ensemble de données
Listes Construire et modifier des listes Concaténer des listes
- Trames de données Création de trames de données
6. En savoir plus sur la lecture des données
- Fichiers XLS, XLSX packages readr et readxl SPSS, SAS, Stata,… et autres formats de données Exportation de données vers txt, csv et autres formats
6. Regroupement, boucles et exécution conditionnelle
- Expressions groupées Instructions de contrôle Exécution conditionnelle : instructions if Exécution répétitive : boucles for, répétition et introduction while dans apply, lapply, sapply, tapply
7. Fonctions
- Création de fonctions Arguments optionnels et valeurs par défaut Nombre variable d'arguments Portée et ses conséquences
8. Graphiques simples dans R
- Création d'un graphique Graphiques de densité Graphiques à points Graphiques à barres Graphiques linéaires Graphiques à secteurs Diagrammes en boîte Nuages de points Graphiques de combinaison
II. Analyse statistique en R
- 1. Distributions de probabilité
R comme ensemble de tableaux statistiques Examen de la distribution d'un ensemble de données
2. Test des hypothèses
- Tests sur une population Test du rapport de vraisemblance moyen Tests sur un et deux échantillons Test du chi carré Go Test d'adéquation de Kolmogorov-Smirnov Statistique sur un échantillon Test de rang signé de Wilcoxon Test sur deux échantillons Test de somme de rangs de Wilcoxon Mann-Whitney Test de Kolmogorov-Smirnov
3. Tests multiples d'hypothèses
- Erreur de type I et courbes FDR ROC et procédures de tests multiples AUC (BH, Bonferroni, etc.)
4. Modèles de régression linéaire
- Fonctions génériques pour extraire des informations sur le modèle Mise à jour des modèles ajustés Modèles linéaires généralisés Familles La fonction glm()
Régression logistique de classification
- Analyse discriminante linéaire
III. Problèmes travaillés en bioinformatique
- Brève introduction au package Limma Workflow d'analyse de données de micropuces Téléchargement de données depuis GEO : https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE1397 Traitement des données (CQ, normalisation, expression différentielle) Tracé de volcan Exemples de Custering + cartes thermiques
Nos Clients témoignent (9)
The trainer was so knowledgeable and included areas I was interested in
Mohamed Salama
Formation - Data Mining & Machine Learning with R
The pace was just right and the relaxed atmosphere made candidates feel at ease to ask questions.
Rhian Hughes - Public Health Wales NHS Trust
Formation - Introduction to Data Visualization with Tidyverse and R
Le contenu, car je l'ai trouvé très intéressant et je pense qu'il m'aidera dans ma dernière année d'études à l'université.
Krishan - NBrown Group
Formation - From Data to Decision with Big Data and Predictive Analytics
Traduction automatique
very tailored to needs
Yashan Wang
Formation - Data Mining with R
Good real world examples, reviews of existing reports
Ronald Parrish
Formation - Data Visualization
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Formation - Data Science for Big Data Analytics
I learned a lot - not only in theoretical knowledge but I also applied that knowledge during the training and therefore I really understood what process mining is and how it works. Thanks a lot!
Julia Dörre - Techniker Krankenkasse
Formation - Process Mining
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Formation - Data Vault: Building a Scalable Data Warehouse
Je me sens plus confiant en ce qui concerne le codage. Je ne l'avais jamais fait auparavant, mais maintenant je comprends que ce n'est pas sorcier et que je peux le faire quand c'est nécessaire.
Anna - Birmingham City University
Formation - Foundation R
Traduction automatique