R pour les utilisateurs SAS
Data Value
Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
1980 €
Durée
Nous contacter
Niveau visé
Non diplômante
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
Objectifs
Objectifs
Apprendre à réécrire sous R un programme SAS faisant appel à des étapes de manipulation, de traitement, d'analyse et de visualisation de données
Compétences visées
- Comprendre les principales différences et similitudes entre SAS et R
- Découvrir les principales fonctions R natives et celles des packages incontournables pour le traitement et l'analyse de données
- Transformer un code SAS en R
Apprendre à réécrire sous R un programme SAS faisant appel à des étapes de manipulation, de traitement, d'analyse et de visualisation de données
Compétences visées
- Comprendre les principales différences et similitudes entre SAS et R
- Découvrir les principales fonctions R natives et celles des packages incontournables pour le traitement et l'analyse de données
- Transformer un code SAS en R
Programme
- Introduction
Présentation de R et son interface R Studio
Spécificités de l'approche R (par rapport à SAS)
Spécificités de la syntaxe R (par rapport à SAS)
- Manipulations de base sous R
Généralités sur le langage R "historique"
Installation et chargement de packages
Types de données sous R
Importer des fichiers sous R (textes bruts, Excel, dataset SAS)
Récupérer les caractéristiques d'un objet (équivalent procédure CONTENTS)
Calculer des indicateurs statistiques, et comparaison par rapport aux procédures type MEANS / FREQ de SAS
Pratique : importer un fichier SAS depuis R, le décrire et calculer des statistiques descriptives
- Traitement de données sous R
Le dataframe et ses manipulations courantes : équivalent sous R des dataset SAS
Package dyplr : manipuler les données dans une logique similaire à celle des étapes data / proc SQL
Autres packages du tidyverse : manipulations sur les dates, facteurs, chaînes de caractère, transpositions de données
Pratique : manipuler sous R un fichier de données
- Visualisations
Présentation succincte des fonctions natives de visualisation sous R
Package ggplot2 : principes, syntaxe et comparaison par rapport aux procédures GPLOT et SGPLOT
Pratique : produire sous R différentes visualisations graphiques
- Analyse de données et machine learning
Tests statistiques et ACP : mise en oeuvre sous R et interprétation des sorties
Régression linéaire : comparaison des approches et sorties de R par rapport à SAS (proc REG)
Introduction rapide au machine learning sous R
Pratique : mettre en oeuvre une régression et / ou une ACP sous R et comparer les sorties obtenues avec celles de SAS
- Aperçu des possibilités de R avec des packages additionnels
Packages SQL : pour rester dans la syntaxe d'une proc SQL
Markdown : pour générer des fichiers de sortie html / pdf dans la logique des sorties ODS de SAS
Shiny et/ou plotly : pour aller plus loin dans la visualisation interactive
Caret : pour aller plus loin dans le machine learning
Pratique : avoir un aperçu concret de ce que permettent ces packages à partir d'exemples déjà fournis
- Programmation sous R
Boucles et conditions sous R
Fonctions sous R : une alternative au macro langage de SAS
Fonctions de type apply : une autre alternative au macro langage
Pratique : transposer une macro SAS existante en un traitement automatisé sous R
- Cas pratique récapitulatif : transposer un code SAS en R
Réécrire sous R un programme SAS constitué de plusieurs étapes data, de macros / macro-variables et de procédures de visualisations
Etudier les différentes alternatives possibles sous R
- Conclusion
Forces et faiblesses de R par rapport à SAS
Récapitulatif des équivalents R sur les principales procédures SAS
Bonnes pratiques à acquérir et pratiques issues de SAS à bannir
Présentation de R et son interface R Studio
Spécificités de l'approche R (par rapport à SAS)
Spécificités de la syntaxe R (par rapport à SAS)
- Manipulations de base sous R
Généralités sur le langage R "historique"
Installation et chargement de packages
Types de données sous R
Importer des fichiers sous R (textes bruts, Excel, dataset SAS)
Récupérer les caractéristiques d'un objet (équivalent procédure CONTENTS)
Calculer des indicateurs statistiques, et comparaison par rapport aux procédures type MEANS / FREQ de SAS
Pratique : importer un fichier SAS depuis R, le décrire et calculer des statistiques descriptives
- Traitement de données sous R
Le dataframe et ses manipulations courantes : équivalent sous R des dataset SAS
Package dyplr : manipuler les données dans une logique similaire à celle des étapes data / proc SQL
Autres packages du tidyverse : manipulations sur les dates, facteurs, chaînes de caractère, transpositions de données
Pratique : manipuler sous R un fichier de données
- Visualisations
Présentation succincte des fonctions natives de visualisation sous R
Package ggplot2 : principes, syntaxe et comparaison par rapport aux procédures GPLOT et SGPLOT
Pratique : produire sous R différentes visualisations graphiques
- Analyse de données et machine learning
Tests statistiques et ACP : mise en oeuvre sous R et interprétation des sorties
Régression linéaire : comparaison des approches et sorties de R par rapport à SAS (proc REG)
Introduction rapide au machine learning sous R
Pratique : mettre en oeuvre une régression et / ou une ACP sous R et comparer les sorties obtenues avec celles de SAS
- Aperçu des possibilités de R avec des packages additionnels
Packages SQL : pour rester dans la syntaxe d'une proc SQL
Markdown : pour générer des fichiers de sortie html / pdf dans la logique des sorties ODS de SAS
Shiny et/ou plotly : pour aller plus loin dans la visualisation interactive
Caret : pour aller plus loin dans le machine learning
Pratique : avoir un aperçu concret de ce que permettent ces packages à partir d'exemples déjà fournis
- Programmation sous R
Boucles et conditions sous R
Fonctions sous R : une alternative au macro langage de SAS
Fonctions de type apply : une autre alternative au macro langage
Pratique : transposer une macro SAS existante en un traitement automatisé sous R
- Cas pratique récapitulatif : transposer un code SAS en R
Réécrire sous R un programme SAS constitué de plusieurs étapes data, de macros / macro-variables et de procédures de visualisations
Etudier les différentes alternatives possibles sous R
- Conclusion
Forces et faiblesses de R par rapport à SAS
Récapitulatif des équivalents R sur les principales procédures SAS
Bonnes pratiques à acquérir et pratiques issues de SAS à bannir
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
Formation au métier de Data Analyst (Power BI, SQL, certification...
LILLE, GRENOBLE, MARSEILLE ET 11 AUTRE(S) LOCALITÉ(S)
Offre spéciale
Avis du centre
