AccueilMasterÉconomieEnseignementsLogiciel pour économistes III

Master ÉconomieUE Logiciel pour économistes III

Contenu

Cette unité d’enseignement (UE) a pour but de donner les bases fondamentales de l’utilisation du logiciel R (ou RStudio) et de la programmation R. Les séances de TD seront illustrées au moyen d’exercices réalisés sous l’environnement statistique R (http://www.r-project.org/) qui est libre, gratuit et multiplateforme, ou via l’IDE RStudio. L’organisation générale du cours rend progressive l’acquisition des connaissances et la maîtrise de l’outil statistique R. Il vise à rendre l’étudiant autonome face à un problème classique de modélisation ou d’analyse statistique de données que l’on peut retrouver notamment en économie.

Plan du cours détaillé :

  • Introduction (historique).
  • Manipulations élémentaires (traitement des données sous R).
  • Créations de fonctions R.
  • Boucles, tests, calcul vectoriel.
  • Les graphiques sous R.
  • Applications à la modélisation (régression/classification).

Compétences visées

  • Acquérir les bases de l’utilisation du logiciel R et de la programmation R.
  • Savoir manipuler, analyser des données sous R, créer des fonctions et générer des graphiques.
  • Découvrir de nouvelles notions d’analyse de données et/ou Machine Learning.
  • Acquérir une autonomie dans l’apprentissage et l’utilisation de R face à des problèmes d’applications en Science des Données.

Langue utilisée

Langue principale utilisée par cet enseignement : Anglais.

Bibliographie

Références :

  • Paradis, E. (2002). R pour les débutants.
  • Goulet, V. (2014). Introduction à la programmation en R.
  • Kopp, M. (2013). Introduction à R.
  • Lafaye de Micheaux, P., Drouilhet, R., & Liquet, B. (2011). Le logiciel R : Maîtriser le langage - effectuer des analyses statistiques. Springer.
  • Charpentier, A. (2014). Computational actuarial science with R. Chapman and Hall.
  • James, G., Witten, D., Hastie, T., Tibshirani, R. (2013). An introduction to statistical learning with applications in R. Springer Texts in Statistics.
  • Wickham, H. (2009). ggplot2 : Elegant graphics for data analysis. Springer.
  • Chang, W. (2013). R graphics cookbook. O’Reilly Media, Incorporated.

Sites internet :

www.edx.org Formation Data Science : R Basics.

www.kaggle.com Section « Learn » : Formations R orientées sciences des données.

www.datacamp.com R for Data Science.

Pré-requis obligatoires

Savoir apprendre de façon autonome et régulière.

Pré-requis recommandés

  • Connaissance de l’IDE RStudio et ses fonctionnalités (RMarkdown, Shiny par exemple…).
  • La formation Data Science : R Basics de Harvard University (disponible en ligne gratuitement).
  • Les formations R proposées sur www.kaggle.com

Modalités d'organisation

18HTD en apprentissage inversé. Les séances seront une occasion de proposer des exercices aux étudiants. Elles permettront aux étudiants, d’échanger, de poser des questions à l’enseignant, à la fois pour faire état de leur avancée dans la résolution des exercices mais également d’enrichir leurs connaissances acquises pendant leur apprentissage. Les étudiants seront vivement encouragés à se former en ligne.

Volume des enseignements

  • Travaux dirigés : 18 heures