Diplômes intégrant cet élément pédagogique :
- Master Mathématiques et informatique appliquées aux sciences humaines et sociales (MIASHS)
- Master Mathématiques et applications
Descriptif
Le cours se divise en deux parties : R et Python
Partie R : Le R est un système de programmation dont l’apprentissage dans ce cours se déclinera en deux modes :
- En mode utilisateur: Environnement de travail; Notion de package (installation, utilisation); Introduction des natures et structures R de base; Extraction de données avec application sur données réelles.
- En mode développeur: Programmation fonctionnelle; Création de package; Programmation orientée objet (S3); Introduction au package RCpp pour booster les exécutions des codes R.
Partie Python : En plus d’être un langage de programmation très versatile, Python est très populaire depuis une dizaine d’année en science des données. En particulier, de nombreuses bibliothèques d’apprentissage statistique et profond sont fournies en Python. De plus, le facilité de manipulation des fichiers texte et tableaux en font un outil de choix aussi bien académiquement qu’en entreprise.
Pré-requis recommandés
Maîtrise de base d’un ordinateur
Compétences visées
Partie R : Avoir une très bonne connaissance du fonctionnement du langage R qui permettra de se sentir à l’aise dans une session de travail en R en vue de produire ses analyses statistiques. En niveau plus avancé, savoir programmer en R (fonctions et objets) afin d’étendre ses propres outils.
Partie Python : Être capable de lire et manipuler des fichiers à partir de scripts Python. Manipuler des tableaux de données et appeler des bibliothèques d’apprentissage statistique. Produire des figures et des résultats formatés.
Bibliographie
- Wickham, Hadley. Advanced r. CRC press, 2019. (https://adv-r.hadley.nz)
- LAFAYE DE MICHEAUX, Pierre, DROUILHET, Remy, et LIQUET, Benoit. Le logiciel R, Maitriser le langage, Effectuer des analyses statistiques. 2010.
- SWINNEN, Gérard. Apprendre à programmer avec Python. O'Reilly, 2005.
- Python pour le Data Scientist, Emmanuel Jakubowicz
Informations complémentaires
Méthode d'enseignement : En présenceLieu(x) : Grenoble
Langue(s) : Français
En bref
Période : Semestre 7Crédits : 6
Volume horaire
- CM : 24h
- TP : 24h
Contact(s)
Remy Drouilhet
Etudiants internationaux
Crédits : 6.0