R pour les utilisateurs SAS

Objectifs Apprendre à réécrire sous R un programme SAS faisant appel à des étapes de manipulation, de traitement, d'analyse et de visualisation de données Compétences visées - Comprendre les principales différences et similitudes entre SAS et R - Découvrir les principales fonctions R natives et celles des packages incontournables pour le traitement et l'analyse de données - Transformer un code SAS en R

- Introduction Présentation de R et son interface R Studio Spécificités de l'approche R (par rapport à SAS) Spécificités de la syntaxe R (par rapport à SAS) - Manipulations de base sous R Généralités sur le langage R "historique" Installation et chargement de packages Types de données sous R Importer des fichiers sous R (textes bruts, Excel, dataset SAS) Récupérer les caractéristiques d'un objet (équivalent procédure CONTENTS) Calculer des indicateurs statistiques, et comparaison par rapport aux procédures type MEANS / FREQ de SAS Pratique : importer un fichier SAS depuis R, le décrire et calculer des statistiques descriptives - Traitement de données sous R Le dataframe et ses manipulations courantes : équivalent sous R des dataset SAS Package dyplr : manipuler les données dans une logique similaire à celle des étapes data / proc SQL Autres packages du tidyverse : manipulations sur les dates, facteurs, chaînes de caractère, transpositions de données Pratique : manipuler sous R un fichier de données - Visualisations Présentation succincte des fonctions natives de visualisation sous R Package ggplot2 : principes, syntaxe et comparaison par rapport aux procédures GPLOT et SGPLOT Pratique : produire sous R différentes visualisations graphiques - Analyse de données et machine learning Tests statistiques et ACP : mise en oeuvre sous R et interprétation des sorties Régression linéaire : comparaison des approches et sorties de R par rapport à SAS (proc REG) Introduction rapide au machine learning sous R Pratique : mettre en oeuvre une régression et / ou une ACP sous R et comparer les sorties obtenues avec celles de SAS - Aperçu des possibilités de R avec des packages additionnels Packages SQL : pour rester dans la syntaxe d'une proc SQL Markdown : pour générer des fichiers de sortie html / pdf dans la logique des sorties ODS de SAS Shiny et/ou plotly : pour aller plus loin dans la visualisation interactive Caret : pour aller plus loin dans le machine learning Pratique : avoir un aperçu concret de ce que permettent ces packages à partir d'exemples déjà fournis - Programmation sous R Boucles et conditions sous R Fonctions sous R : une alternative au macro langage de SAS Fonctions de type apply : une autre alternative au macro langage Pratique : transposer une macro SAS existante en un traitement automatisé sous R - Cas pratique récapitulatif : transposer un code SAS en R Réécrire sous R un programme SAS constitué de plusieurs étapes data, de macros / macro-variables et de procédures de visualisations Etudier les différentes alternatives possibles sous R - Conclusion Forces et faiblesses de R par rapport à SAS Récapitulatif des équivalents R sur les principales procédures SAS Bonnes pratiques à acquérir et pratiques issues de SAS à bannir

Attestation de suivi de présence

Connaissance du langage SAS