Programmation et data reporting en R

Enseignants

Bugli Céline; El Ghouch Anouar;

Langue
d'enseignement

Français

Préalables

Les étudiants doivent disposer d’une formation préalable en probabilités et en statistique, incluant : la maîtrise des statistiques descriptives, des principales distributions de probabilité, ainsi que des fondements de l’inférence statistique, de la régression linéaire simple ou multiple, et de l’analyse de la variance. 
Les étudiants doivent également être en mesure d’utiliser couramment un ordinateur personnel dans un cadre académique : gestion de fichiers, organisation d’un répertoire de travail, utilisation élémentaire de Windows, Word, Excel, d’un navigateur web et de la plateforme Moodle. Ils doivent pouvoir installer un logiciel, naviguer dans une interface, et gérer des documents numériques de manière autonome. 
Aucune connaissance préalable de R ou d’un autre langage de programmation n’est requise ; le cours est conçu pour accompagner progressivement l’acquisition de ces compétences.

Thèmes abordés

Ce cours s’adresse à des étudiants disposant ou non de bases en programmation et souhaitant développer des compétences opérationnelles dans ce domaine. Il vise à offrir une progression structurée vers la maîtrise de la programmation statistique en R, en mobilisant les concepts fondamentaux du langage, les bonnes pratiques de développement et les outils modernes de production scientifique. 
L’objectif pédagogique central est de permettre à chaque étudiant d’acquérir une autonomie réelle dans la conception, l’implémentation et la diffusion d’analyses statistiques reproductibles. À l’issue du cours, l’étudiant devrait être capable de mobiliser ces compétences pour, entre autres :

• traiter et transformer des données de manière efficace ;
• réaliser des graphiques de qualité adaptés à la communication scientifique ;
• programmer ses propres fonctions R ;
• concevoir et structurer un package R ;
• produire des rapports automatisés et dynamiques en utilisant Quarto et/ou Shiny.

Le cours repose sur un travail personnel et autonome, soutenu, tout au long du processus, par l’équipe enseignante.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Eu égard au référentiel AA du programme « Le master en statistique, orientation biostatistique», , cette activité permet aux étudiants de maîtriser De manière prioritaire les AA suivants: 1.3, 2.2, 2.5, 3.3, 4.3 De manière secondaire les AA suivants: 3.2, 3.4, 3.5 Eu égard au référentiel AA du programme de « Le master en statistique, orientation générale», cette activité permet aux étudiants de maîtriser De manière prioritaire les AA suivants : 1.3, 2.2, 2.5, 3.3, 4.4, 5.3 De manière secondaire les AA suivants : 3.2, 3.4, 4.1, 4.2

Contenu

• Introduction à R et RStudio : scripts, répertoires de travail, gestion de projets, installation et utilisation des packages.
• Bases du langage R : vecteurs, matrices, facteurs, data frames, listes, types d’objets et opérations fondamentales
• Manipulation et traitement de données : importation, nettoyage, transformations, fusion et réorganisation des jeux de données avec R base et le tidyverse
• Programmation en R : structures de contrôle (boucles, conditions), fonctions, bonnes pratiques de programmation (efficacité, debugging, etc.)
• Visualisation de données : graphiques avec R base et ggplot2, introduction aux graphiques statistiques.
• Quarto : création de rapports reproductibles, documents dynamiques et notebooks.
• Développement de packages R : structure d’un package, documentation, tests, gestion des dépendances.
• Introduction à Shiny (si le temps le permet) : création d’interfaces interactives et applications web simples.

Méthodes d'enseignement

Le cours combine des exposés magistraux, enrichis de démonstrations de programmation statistique en R, et des séances d’exercices destinées à développer une autonomie maximale chez les étudiants.
Chaque étudiant progresse à son propre rythme, en s’appuyant sur des documents évolutifs conçus pour favoriser la pratique, l’expérimentation et la maîtrise progressive des outils.

Modes d'évaluation
des acquis des étudiants

L'évaluation consiste en un examen écrit sur ordinateur pendant la session des examens.

Faculté ou entité
en charge

> LSBA