Partie I : Aménager son environnement de travail et gérer ses projets
Chapitre 1 Comprendre les projets R 1.1 Créer un projet R 1.2 Avantages des projets R 1.3 Quand utiliser un projet R ?
Chapitre 2 : Gestion de versions et collaboration avec Git et GitHub 2.1 Présentation de Git et GitHub 2.2 Installation et configuration du projet 2.3 Fonctionnalités de Git 2.4 Fonctions de base de Git 2.5 Processus de collaboration avec GitHub

Partie II : Programmation avec R
Chapitre 3 : Comprendre les environnements et la portée 3.1 Notions de base des environnements et des chemins de recherche 3.2 Règles de portée et structure des environnements 3.3 Comprendre l’environnement d’exploitation et les appels de fonction
Chapitre 4 : Implémentation d’algorithmes numériques avec R 4.1 Comprendre les algorithmes numériques 4.2 Principes de programmation pour l’implémentation d’algorithmes 4.3 Comprendre le processus d’implémentation à travers les algorithmes de tri 4.4 Algèbre linéaire numérique : Élimination de Gauss
Chapitre 5 : Comprendre l’implémentation et la modularisation des algorithmes complexes 5.1 Nécessité de la conception et de la modularisation des algorithmes 5.2 Comprendre les modèles de régression spline 5.3 Conception modulaire pour l’implémentation de l’ajustement de modèles de régression spline 5.4 Implémentation de l’ajustement de modèles de régression spline avec R 5.5 Gestion et exécution du code modularisé
Chapitre 6 Programmation orientée objet en R 6.1 Fondements de la programmation orientée objet en R 6.2 Classes et attributs 6.3 Fonctions génériques 6.4 Implémentation des fonctions et méthodes génériques 6.5 Exemple : Méthode de tracé de fonctions de base splines

Partie III Outils de programmation utiles
Chapitre 7 Guide de débogage R 7.1 Fonctions d'exemple 7.2 Débogage avec Traceback() 7.3 Débogage avec Browser() 7.4 Débogage avec Debug() et Debugonce()
Chapitre 8 Intégration de R et des langages externes 8.1 Raisons de l'intégration avec des langages externes 8.2 Intégration de R et C++ à l'aide de Rcpp 8.3 Intégration de R et Python à l'aide de reticulate
Chapitre 9 : Comprendre et développer des packages R 9.1 Pourquoi étudier le développement de packages R ? 9.2 Structure et métadonnées des packages 9.3 Documentation et gestion des espaces de noms avec Roxygen2 9.4 Développement de packages avec Rcpp 9.5 Comprendre le processus de distribution des packages

Partie IV Projet de programmation R
Chapitre 10 Projet I : Implémentation d’un package d’ajustement par régression spline 10.1 Fonctionnalités et structure du package 10.2 Implémentation d’un ajustement par régression spline 10.3 Gestion des métadonnées 10.4 Ajout d’exemples de données 10.5 Rédaction et diffusion d’un manuel
Chapitre 11 Projet II : Implémentation du package Lasso Regression Fit 11.1 Comprendre le modèle de régression Lasso 11.2 Comprendre l’algorithme de descente de coordonnées 11.3 Implémentation avec R 11.4 Implémentation avec Rcpp 11.5 Déploiement et mise à l’échelle

Partie V Communication et développement d'applications
Chapitre 12 : Notions de base de R Markdown et Quarto 12.1 Comprendre R Markdown et Quarto 12.2 Premiers pas avec R Markdown et Quarto 12.3 Notions de base de R Markdown 12.4 Changements lors de l’utilisation de Quarto
Chapitre 13 : Applications Web avec Shiny 13.1 Déploiement d’applications et présentation de Shiny 13.2 Premiers pas avec Shiny 13.3 Structure et code de base d’une application Shiny 13.4 Projet : Analyse des données et synthèse des résultats Développement de l’application

Partie VI Annexe
Chapitre 14 : Notions de base pour utiliser R et RStudio 14.1 Installation de R et RStudio et installation des packages 14.2 Gestion des chemins d’accès 14.3 Objets R 14.4 Boucles et instructions conditionnelles 14.5 Définition et appel de fonctions
Chapitre 15 : Gestion des répertoires et des tâches en R 15.1 Fonctions de base relatives aux fichiers et aux répertoires 15.2 Création et gestion des répertoires 15.3 Gestion des chemins et des fichiers 15.4 Exécution de scripts et gestion des tâches
Chapitre 16 : Exécution de R dans le terminal 16.1 Exécution de R dans le terminal 16.2 Commandes fréquemment utilisées dans un environnement serveur 16.3 Installation des packages et configuration des chemins d’accès aux bibliothèques 16.4 Résumé

Références

préface

R est un outil puissant qui bénéficie d'une longue histoire dans le domaine de l'analyse statistique et de la science des données.
R est un outil largement utilisé pour l'apprentissage de l'analyse de données, et les ressources de base et les ouvrages d'introduction associés sont facilement disponibles en librairie ou sur Internet.
De nombreuses personnes font leurs premiers pas en apprenant la syntaxe de base et les méthodes d'analyse de données élémentaires de R grâce à ces ressources.


Cependant, il existe un manque relatif de ressources couvrant les compétences et les connaissances de programmation de niveau intermédiaire nécessaires pour résoudre des problèmes du monde réel au-delà des bases de R.
Il y a une raison pour laquelle il existe si peu de livres destinés aux utilisateurs intermédiaires.
À ce stade, les utilisateurs sont capables d'acquérir de manière indépendante les connaissances nécessaires à partir de documents spécialisés tels que des documents officiels, des articles et des ouvrages originaux, et sont souvent capables de résoudre des problèmes dans la direction souhaitée en obtenant des sources sur Internet et en effectuant quelques recherches.
Cependant, ce processus n'est pas naturel pour tous les apprenants.
Il est également fréquent de voir des personnes perdre le cap ou leur intérêt et ne pas parvenir à surmonter les pièges des joueurs intermédiaires.

Si vous ne parvenez pas à acquérir des compétences et des connaissances allant au-delà des notions de base, vous rencontrerez des difficultés pour accroître votre productivité lors de l'analyse de données ou de la recherche sur le terrain.
Si vous comprenez les bases de la grammaire, vous pouvez comprendre le code simple ou les résultats d'analyse d'autres personnes, mais vous n'avez pas la pratique de produire quelque chose vous-même.
Ceci est également lié à la nature linguistique de R.
Puisqu'un langage de programmation est, après tout, un langage, on ne peut se familiariser avec lui qu'après avoir dépassé le stade de la grammaire de base et être passé par le processus de son utilisation concrète.

Ce livre couvre les connaissances intermédiaires en programmation pour une application pratique dans le cadre d'un flux de travail de projet.
Ce cours est conçu pour les étudiants, les chercheurs et les praticiens qui maîtrisent déjà les bases de R, et vise à fournir des techniques et des méthodes d'application immédiatement applicables à des projets concrets.
Cela permettra aux lecteurs soit de mettre en œuvre les fonctionnalités dont ils ont besoin pour leurs propres projets, soit de les comprendre et de les adapter à d'autres outils.

Le texte se compose de cinq parties.
Dans la première partie, vous apprendrez les bases de la mise en place d'un environnement de travail et de la gestion de projets.
Les parties II à IV constituent le cœur de ce livre.
Le contenu de ce livre est basé sur des cours de R dispensés à des étudiants de troisième cycle, des étudiants chercheurs de premier cycle et des groupes de développeurs.
L'une des difficultés rencontrées par de nombreux apprenants qui progressent vers le niveau intermédiaire réside dans la compréhension et l'utilisation des capacités du langage de programmation R.
Contrairement aux logiciels statistiques tels que SPSS, R est un langage de programmation qui permet d'implémenter et de gérer directement diverses fonctions et caractéristiques.
Ces sujets sont traités en détail dans les parties II et III.
Dans la partie IV, nous allons coder directement un package pour l'inférence statistique.
La partie V traite de la communication et de la diffusion des résultats d'analyse et de programmation.
La partie VI contient des annexes qui peuvent être utiles pour comprendre le texte.

Afin de transmettre des connaissances pratiques, ce livre évite délibérément une structure de type dictionnaire.
Dresser la liste de la grammaire de base et des principaux packages de R pourrait créer un manuel volumineux semblable à un dictionnaire, mais apprendre la programmation par cette méthode revient à étudier la conversation anglaise à l'aide d'un dictionnaire anglais.
Pour éviter cet écueil, cet ouvrage minimise les explications de grammaire de base, se concentre sur les concepts clés et fournit des références lorsque cela s'avère nécessaire.
Nous avons donc inclus des exemples illustrant l'intégralité du flux de travail, les chapitres relatifs aux projets étant placés après les parties principales afin de vous aider à comprendre comment le contenu est réellement utilisé.

Les principaux exemples de code inclus dans le livre se trouvent dans le dépôt GitHub (https://github.com/kybak90/R_programming_workflow_book) et seront utiles pour apprendre en pratiquant ou en suivant le flux du code.
Veuillez noter que toute modification apportée après la publication sera affichée dans la salle de données du site web de Free Academy (www.freeaca.com).

J'espère que ce livre vous aidera à aller au-delà de la simple utilisation de R et à entamer votre parcours pour développer vos compétences en tant que data scientist en l'utilisant pour résoudre les différents défis que vous rencontrerez dans ce domaine.