Data Scientist R

Futur statisticien ou chercheur appliqué qui travaille en R.

La chaîne complète de l'analyse en R, de l'import à la publication reproductible, puis la régression moderne, les GLM et l'inférence bayésienne.

514heures de cours

52semaines à 10 h

3étapes

18cours

3universités

Compétences visées

Statistical AnalysisData ScienceStatistical InferenceR ProgrammingModel EvaluationStatistical Hypothesis TestingPredictive ModelingMachine LearningRegression AnalysisStatistical MethodsStatisticsData Analysis

Intitulés de compétences repris de Coursera.

Métiers visés

Data scientist R
Biostatisticien junior
Chargé d’études quantitatives

Progression

Spécialisation · 10 cours

Data Science

293 h

Johns Hopkins UniversityDébutantR, RStudio, GitHub, R Markdown, knitr, Shiny, Leaflet

Prérequis annoncés : Some programming experience (any language); mathematics up to algebra

Voir les 10 cours

Cours	Niveau	Durée	Note (avis)
The Data Scientist's Toolbox	—	18 h	4,6 (34 111)
R Programming	Intermédiaire	58 h	4,5 (22 379)
Getting and Cleaning Data	—	20 h	4,5 (8 081)
Exploratory Data Analysis	—	56 h	4,7 (6 092)
Reproducible Research	—	8 h	4,6 (4 188)
Statistical Inference	—	55 h	4,2 (4 456)
Regression Models	—	54 h	4,4 (3 377)
Practical Machine Learning	—	8 h	4,5 (3 269)
Developing Data Products	—	10 h	4,6 (2 266)
Data Science Capstone	—	6 h	4,5 (1 242)

Spécialisation · 3 cours

Statistical Modeling for Data Science Applications

127 h

University of Colorado BoulderIntermédiaireR, Jupyter Notebookscrédits universitaires

Prérequis annoncés : Calculus, basic linear algebra and probability theory

Voir les 3 cours

Cours	Niveau	Durée	Note (avis)
Modern Regression Analysis in R	Intermédiaire	45 h	4,3 (40)
ANOVA and Experimental Design	Intermédiaire	40 h	4,0 (23)
Generalized Linear Models and Nonparametric Regression	Intermédiaire	42 h	4,2 (26)

Spécialisation · 5 cours

Bayesian Statistics

94 h

University of California, Santa CruzIntermédiaireR, Microsoft Excel

Voir les 5 cours

Cours	Niveau	Durée	Note (avis)
Bayesian Statistics: From Concept to Data Analysis	Intermédiaire	11 h	4,6 (3 233)
Bayesian Statistics: Techniques and Models	Intermédiaire	30 h	4,8 (498)
Bayesian Statistics: Mixture Models	Intermédiaire	22 h	4,5 (63)
Bayesian Statistics: Time Series Analysis	Intermédiaire	19 h	4,3 (18)
Bayesian Statistics: Capstone Project	Avancé	12 h	4,5 (10)

Avec Coursera Plus

Ce parcours représente 514 heures, soit environ 12 mois à 10 heures par semaine. L’abonnement Coursera Plus donne accès à la plupart de ses cours pendant cette période.

Découvrir Coursera Plus

Projets à réaliser

Après l’étape 1

Rapport reproductible

Publier une analyse complète en Quarto ou R Markdown sur un jeu de données ouvert, du code au graphique final.

Après l’étape 2

Modèle de comptage

Modéliser un nombre d’accidents ou de cas avec un GLM de Poisson, puis vérifier la surdispersion.

Après l’étape 3

Essai comparatif bayésien

Comparer deux traitements avec un modèle bayésien et tester la sensibilité du résultat aux lois a priori.

Manuels gratuits

R for Data Science, 2nd ed.H. Wickham, M. Çetinkaya-Rundel, G. GrolemundGratuit, CC BY-NC-ND 3.0

OpenIntro StatisticsD. Diez, M. Çetinkaya-Rundel, C. BarrPDF gratuit

Bayesian Data Analysis, 3rd ed.A. Gelman et al.PDF gratuit, usage non commercial