3.2Technologie de soutienSession 3 · Deep Learning & Applied Machine Learning

Programmation avec R pour l'analyse et la visualisation de données

20classes60htotalTH2 · PR2 · PNW2pondération par classe

Déroulé classe par classe

20 classes

TH = théorie · PR = pratique · PNW = travail personnel. Ce sont des codes de pondération du ministère (et non des heures) servant à répartir les minutes de chaque classe. La durée d'une classe = heures du cours ÷ nombre de classes ; les trois plages horaires ci-dessous totalisent toujours cette durée.

Progression des quiz

0 sur 0 classes tentées

2 premières classes gratuites avec un parrainage 19 de plus avec l'inscription180 min par classeThéorie 60mPratique 60mTravail personnel 60m

Pourquoi R compte encore dans un flux d'IA agentique

GratuitTH2PR2PNW2

Un analyste de données ou d'affaires qui couple la puissance d'analyse de R avec des agents bâtis en Python peut évaluer et visualiser ce que l'agent fait réellement.

Théorie60m

Le rôle de R aux côtés de Python dans une pile d'IA : analyse, stats, visualisation
Quand utiliser R vs Python dans un projet GenAI
La mentalité tidyverse pour l'analyse des sorties d'agent

Pratique60m

Installez R + RStudio et exécutez un premier script
Chargez un échantillon de journaux de questions-réponses d'agent dans un data frame

Travail personnel60m

Rédigez une courte note sur la place de R dans votre projet d'IA agentique type
Micro-tâche : remettre votre note

Bases de R — vecteurs, data frames et blocs d'analyse

VerrouilléTH2PR2PNW2

Aperçu de classe verrouillée

Un gestionnaire d'intégration d'IA qui lit les data frames R peut inspecter les journaux et sorties qu'un agent produit

Inscrivez-vous pour déverrouiller chaque classe de ce cours — le déroulé complet, le tuteur IA et le quiz.

Programmation avec R pour l'analyse et la visualisation de données

Déroulé classe par classe

Pourquoi R compte encore dans un flux d'IA agentique

Bases de R — vecteurs, data frames et blocs d'analyse

Le tidyverse — dplyr pour le nettoyage des données d'agent

Importer et ranger les données — journaux, JSON et sorties d'agent

Statistiques descriptives dans R — résumer le comportement de l'agent

Bases de ggplot2 — visualiser les métriques d'agent

Visualiser les distributions — où se regroupent les sorties d'agent

Analyser la qualité de récupération RAG avec R

Visualiser les espaces de plongement — voir ce que l'agent « sait »

Corrélation et relations dans les données d'agent

Comparer des groupes — l'agent A est-il meilleur que l'agent B ?

Analyse de texte dans R — compter les mots dans les réponses d'agent

Analyse de sentiment et de ton des sorties d'agent

Bâtir un tableau de bord de performance d'agent dans R

Rapports reproductibles avec RMarkdown — documenter l'analyse d'agent

Connecter R aux pipelines d'agent Python

Évaluation statistique de la qualité d'agent — au-delà des moyennes

Mini-projet — analyser et visualiser la performance d'un agent GenAI

Séries temporelles des métriques d'agent — suivre le comportement dans le temps

Présenter et réfléchir — votre récit d'analyse d'agent

Déverrouiller les 20 classes