Discussion :

[Lycaon50]

Bonjour,

J'ai découvert très récemment R, le vaste monde de ses contributeurs et le potentiel incroyable des packages.
N'ayant pas de "tuteur", je risque de me perdre en tant que débutant dans la multitude des ressources accessibles sur le net.

Je me suis fixé comme objectif de savoir :
- analyser les séries temporelles
- cartographier des coordonnées x,y en csv, sur des cartes vectorielles ou matricielles, dont cartes marine
- utiliser à bon escient les méthodes d'analyse dites prédictives et interpréter correctement leurs résultats

Je me rends compte qu'on peut perdre son temps à rechercher des heures la réponse à une question "basique", lorsqu'on a pas assez de recul, de vision globale et/ou d'expérience pratique de la matière.
Et le temps, nous en manquons !

Avez-vous des conseils avisés sur la méthode d'apprentissage, les étapes primordiales, les packages à maîtriser, des exercices pertinents, des sites au top pédagogiquement parlant, etc ... Je suis noyé dans l'abondance de ressources !

Merci

En attendant, je vais tâcher de suivre les discussions et d'apprendre.

[Supernul]

Bonjour,

vos attendus me semblent très vagues même si vous précisez quelques grandes lignes. Vous dites que vous débutez avec R mais vous demandez des informations sur des thèmes déjà avancés. Avec vous des bases solides avec R ?

Avec une orientation vers la géographie, cet ouvrage pourrait vous intéressé : https://framabook.org/r-et-espace/ notamment sur la partie cartographie.

Vous pouvez aussi aller voir:
http://www.statmethods.net/index.html

Il faut surtout savoir où vous en êtes sur les connaissances théoriques que vous possédez, notamment pour l'analyse prédictive. Je rencontre un certain nombre d'utilisateurs (surtout des étudiants et très jeunes professionnels) de R et python qui utilisent divers outils et méthodes d'analyse prédictive sans en connaître le fonctionnement et les limites, ce qui peut aboutir à des "horreurs". Comprendre un outil ou une méthode est différent de savoir utiliser R pour l'appliquer.

Bonne journée

[Lycaon50]

Bonsoir,

Merci pour vos liens et vos conseils.

Je possède quelques connaissances théoriques en R : les fonctions statistiques "usuelles", les sorties graphiques élémentaires, analyses factorielles (ACP, ACM), classification hiérarchique hclust HCPC /non-hiérarchique k-means, régressions lm glm log, bibliothèques de carto dismo rgdal tiff raster cartography ggmaps ...

Il me faut maîtriser ceci : analyses de variance ANOVA ANCOVA, arbres de décision, knn, analyses discriminantes lda qda, courbes ROC, time series.

Excepté pour faire le point sur les connaissance a priori acquises et celles à approfondir, cet inventaire n'a aucun sens en soi car comme vous le soulignez avec raison, c'est la compréhension fine des méthodes que je recherche et non leur reproduction au petit bonheur la chance. Je dois absolument me frotter à des exercices pratiques corrigés.

Comme je vous le disais, je crains de perdre un temps fou à m'égarer dans des ressources obsolètes, non pertinentes, sujettes à caution, trop techniques pour moi (aucune formation scientifique). J'ai récupéré bien trop de données indistinctement sur le net !

Je recherche peut-être une chronologie d'apprentissage progressif et logique, des conseils sur les packages reconnus, les algo "basiques", les docs de qualité, bref ... Peut-être des programmes de formations universitaires ou privées spécifiques me seraient utiles ? Ça me paraît être une bonne idée.

[Supernul]

Bonjour,

en fait, cet inventaire est utile dans le sens où il permet de remonter aux concepts et grandes familles de méthodes. Une approche qui peut vous être utile :
- lister les outils et méthodes que vous souhaitez apprendre
- utiliser wikipedia pour obtenir des informations générales (relevant de l'apprentissage supervisé ou non, test paramétrique ou non, variable quanti/quali/mixte, ...) et avec papier/crayon dresser un joli tableau ou diagramme de synthèse (très utile par la suite pour choisir le test, se rappeler de toutes ses caractéristiques et sa fonction dans R)
- rechercher dans un moteur de recherche le "nom de la méthode + cours" pour tomber sur les liens des universités. Cette étape vous permet de comprendre le test. Il vous faudra sans doute visiter et lire plusieurs liens
- rechercher dans un moteur de recherche le "nom de la méthode + R" pour tomber sur des exemples et si besoin "nom de la méthode + R + analysis" et "nom de la méthode + R + interpretation"

L'idéal serait de pouvoir accéder à une bibliothèque universitaire (soit vous êtes étudiants soit vous avez des amis étudiants qui peuvent emprunter pour vous)

Pour le côté scientifique, vous n'y couperez pas mais rien ne vous oblige à connaitre par coeur et comprendre tous les détails de chaque méthode. Le plus important est d'en connaître le fonctionnement général. J'utilise certains de ces outils sans en connaître par coeur les formule et algorithmes mais je sais quand les utiliser ou pas, leurs avantages et limites ...

En espérant vous être utile.

[Lycaon50]

Oui, effectivement, la visualisation des techniques via un diagramme ou un graphe me parle ! Je dispose des outils pour le faire et d'une impression grand format si besoin.

Je vais suivre vos conseils pour le construire pas à pas.

Merci et au plaisir