Chapitre 1 : Premiers pas avec R
1.1 Introduction à R et RStudio
1.2 Installation de R
1.3 Installation de RStudio
1.4 Premiers pas avec RStudio

Chapitre 2 : Analyse des données avec R
2.1 Saisie et enregistrement des données
2.2 Combinaison de plusieurs variables en une seule à l'aide de la fonction data.frame()
2.3 Création de nouvelles variables par le biais d'opérations sur les variables
2.4 Création de variables à l'aide d'instructions conditionnelles
2.5 Synthétiser les données numériquement
2.6 Extraction des données
2.6.1 Extraction de données à l'aide des conditions d'extraction de lignes et de colonnes d'un cadre de données
2.6.2 Extraction de données à l'aide de la fonction subset()
2.7 Tri des données
2.7.1 Tri des données dans R (1) : Utilisation des commandes de base
2.7.2 Tri des données dans R (2) : Utilisation du package dplyr
2.8 Exportation et importation de données
2.8.1 Création et importation de fichiers CSV
2.8.2 Création et importation de fichiers Excel
2.9 Installation des packages R à l'aide de la boîte de dialogue

Chapitre 3 : Analyse de données à l’aide de graphiques R
3.1 Création d'un graphique à barres
3.2 Création d'un histogramme
3.3 Création d'un diagramme circulaire
3.4 Création d'un graphique linéaire
3.5 Création d'un diagramme en boîte
3.6 Comparaison de plusieurs graphiques sur un seul écran

Chapitre 4 : Analyse des mégadonnées relatives aux bilans de santé
4.1 Préparation des données des examens de santé publique
4.2 Modification des noms de variables
4.3 Création d'un nouveau cadre de données avec des variables
4.4 Création de la variable IMC et classification de l'obésité
4.5 Génération de statistiques descriptives
4.6 Gestion des valeurs manquantes
4.6.1 Identification des valeurs manquantes
4.6.2 Suppression de toutes les observations comportant des valeurs manquantes
4.6.3 Remplacement des valeurs manquantes par la moyenne d'une variable
4.7 Comparaison des moyennes, des fréquences et des proportions par groupe
4.8 Tableau croisé (1) : Présentant les niveaux d’obésité selon le sexe et l’âge
4.9 Tableau croisé (2) : prenant en compte le sexe, l’âge et le niveau d’obésité

Chapitre 5 : Analyse de la visualisation des mégadonnées
5.1 Visualisation et analyse des données d'informations relatives aux bilans de santé à l'aide de ggplot2
5.1.1 Graphique à barres
5.1.2 Histogramme
5.1.3 Graphique en lignes brisées
5.1.4 Diagrammes circulaires et diagrammes en anneau
5.1.5 Diagramme de dispersion
5.1.6 Graphique à bulles
5.1.7 Tableau des rubans
5.1.8 Diagrammes en boîte
5.2 Analyse des tendances des temps d'attente par service à l'aide de cartes thermiques
5.3 Visualisation de la répartition des cliniques dentaires à l'aide d'une carte arborescente

Chapitre 6 : Analyse des données avec R
6.1 Tests d'hypothèses statistiques
6.2 Test t pour échantillons appariés
6.3 Test t pour échantillons indépendants
6.4 Test du chi carré
6.5 ANOVA à un facteur
6.6 Analyse de corrélation
6.7 Analyse de régression simple
6.8 Analyse de régression multiple
6.9 Analyse de régression multiple utilisant des variables catégorielles
6.10 Aperçu de l'apprentissage automatique et méthodes d'apprentissage
6.10.1 Différences entre les techniques statistiques et d'apprentissage automatique
6.10.2 Méthodes d'apprentissage automatique : apprentissage supervisé, apprentissage non supervisé et apprentissage par renforcement
6.11 Algorithme d'apprentissage automatique (1) : Machine à vecteurs de support
6.12 Algorithme d'apprentissage automatique (2) : Arbre de décision
6.13 Évaluation des performances du modèle à l'aide des courbes ROC et de l'AUC
6.13.1 Évaluation des performances des modèles de machines à vecteurs de support
6.13.2 Évaluation des performances des modèles d'arbres de décision

Dans la société moderne, il est nécessaire de pouvoir extraire des informations pertinentes des vastes quantités de données massives générées en permanence dans divers domaines, notamment la santé, la finance, le marketing et l'ingénierie, et de prendre de manière répétée des décisions optimales.
De nombreux chercheurs et analystes utilisent R comme outil représentatif d'analyse statistique et de visualisation des données à cette fin.

Ce livre est structuré pour vous enseigner systématiquement comment installer et utiliser R et RStudio, en commençant par l'utilisation de base, puis en abordant la saisie et l'organisation des données, l'exploration visuelle, l'analyse statistique et les techniques d'apprentissage automatique.
Le chapitre 1 explique comment installer R et RStudio, comment configurer l'environnement et comment les utiliser de manière basique.
Au chapitre 2, vous apprendrez les principes de base de l'analyse des données à petite échelle, et au chapitre 3, vous apprendrez à résumer et à visualiser efficacement les données à travers différents graphiques.
Au chapitre 4, nous apprendrons à prétraiter, synthétiser et analyser des données massives issues de données de santé publique portant sur un million de personnes. Le chapitre 5 explique comment visualiser ces données de manière plus intuitive et riche grâce au package ggplot2.
Enfin, le chapitre 6 présente les techniques de test d'hypothèses statistiques et les méthodes d'analyse d'apprentissage automatique, vous guidant vers l'acquisition efficace des techniques d'analyse des mégadonnées et d'apprentissage automatique dans le domaine de la santé.

À la fin de chaque chapitre de ce manuel, nous proposons des exercices pratiques pour vous aider à réviser vos connaissances et à améliorer vos compétences en analyse pratique.
Les données utilisées dans le manuel sont des données fictives créées à partir de situations réelles possibles.
Vous serez en mesure de surmonter les contraintes pratiques, telles que la complexité des données réelles et la protection de la vie privée, et de comprendre et de mettre en pratique avec précision diverses méthodes d'analyse.
Les données, les livres et les informations connexes utilisés dans les exemples de ce texte peuvent être téléchargés ou consultés sur la salle de données du site Web de Free Academy (www.freeaca.com).

Enfin, je tiens à exprimer ma gratitude à tout le personnel de la Jayu Academy qui a travaillé dur pour publier ce livre, ainsi qu'à tous ceux qui m'ont aidé jusqu'à présent.
À travers ce livre, j'espère poser les bases de l'analyse des mégadonnées et de l'apprentissage automatique, et les développer davantage afin de développer des compétences en résolution de problèmes axées sur les données.