Analyse Big data avec R

OBJECTIFS :

• Connaître et apprendre à utiliser l’environnement R pour l’exploration des données issues de différentes sources
• Être capable de visualiser les données en utilisant des graphiques et des nuages de points
• Comprendre comment transformer et nettoyer des ensembles de données
• Être capable de construire et évaluer les modèles de régressions
• Être en mesure de créer, marquer et déployer des modèles de partition
• Savoir utiliser R dans les environnements SQL Server et Hadoop

PROGRAMME DE FORMATION :

Microsoft R server et R client

• Définition d’un serveur Microsoft R
• Utilisation du client Microsoft R
• Les fonctions ScaleR

Explorer de grandes données

• Comprendre les sources de données ScaleR
• Lecture de données dans un objet XDF
• Résumer des données dans un objet XDF

Visualisation d’un grand nombre de données

• Visualisation des données en mémoire
• Visualisation d’un grand nombre de données

Traitement d’un grand nombre de données

• Transformer un grand nombre de données
• Gestion d’un ensemble de données

Opérations d’analyse en parallèle

• Utilisation du contexte de calcul RxLocalParallel avec rxExec
• Utilisation du package revoPemaR

Création et évaluation de modèles de régression

• Clustering Big Data
• Générer des modèles de régression et faire des prédictions

Création et évaluation de modèles de partitionnement

• Création de modèles de partitionnement basés sur des arbres de décision
• Tester les modèles de partitionnement en effectuant et en comparant des prédictions

Traitement d’un grand nombre de données dans sql server et hadoop

• Utilisation de R dans SQL Server
• Utilisation de Hadoop Map / Reduce
• Utilisation de Hadoop Spark

INFORMATIONS COMPLÉMENTAIRES :

PUBLIC VISÉ

• Analystes
• Statisticiens
• Gestionnaires de bases de données

PRÉ-REQUIS

• Connaissances de base en programmation
• Connaissances de base en techniques statistiques

RESSOURCES

• Supports pédagogiques
• 30% de théorie
• 70% de pratique

MODALITÉS D’ACCÈS

• Présentiel
• A distance
• Interentreprises
• Intra-entreprise

MÉTHODES PÉDAGOGIQUES

• Apport magistral et interactivité
• Travaux pratiques

ÉVALUATION

• Exercices pratiques
• Mise en situation