Wickham, Çetinkaya-Rundel et Grolemund
R for Data Science, 2e édition
Référence principale pour le tidyverse, l'importation, la transformation, la visualisation, les dates, les jointures et la communication.
Références du cours
Livres et lectures
Les lectures du cours renvoient vers des ressources ouvertes et durables. Les livres sont séparés des sites web, guides, articles et aides de fonctions.
Livres
Ces livres peuvent servir de références de fond pour R, la statistique, la visualisation, la reproductibilité et le projet de session.
Çetinkaya-Rundel et Hardin
Introduction to Modern Statistics
Complément pour l'exploration numérique, l'inférence, l'intuition statistique et l'interprétation appliquée.
Diez, Cetinkaya-Rundel et Barr
OpenIntro Statistics
Référence ouverte pour revoir les bases statistiques et les raisonnements d'incertitude.
Silge et Robinson
Text Mining with R
Référence du module 10 pour transformer du texte en données tidy, compter des mots et construire des analyses lexicales.
Bryan, STAT 545 TAs et Hester
Happy Git and GitHub for the useR
Guide pratique pour connecter RStudio, Git et GitHub, comprendre les commits, pousser le travail et collaborer dans un dépôt.
Alexander
Telling Stories with Data
Référence pour construire une analyse complète: question, données, préparation, modélisation, communication et démarche reproductible.
Ismay, Kim et Valdivia
Statistical Inference via Data Science
Complément pour relier visualisation, transformation, régression et raisonnement statistique avec les outils tidyverse.
Chang
R Graphics Cookbook, 2e édition
Recettes concrètes pour améliorer des graphiques ggplot2 sans devoir relire toute la théorie à chaque blocage.
Wilke
Fundamentals of Data Visualization
Référence ouverte pour choisir des graphiques adaptés et repérer les choix visuels fragiles.
Autres lectures et aides
Cette section regroupe les sites web, articles, guides, documentations et aides de fonctions qui soutiennent des gestes précis.
Broman et Woo
Data Organization in Spreadsheets
Article de référence pour structurer un tableur avant l'importation, garder les données brutes intactes et documenter les corrections.
tidytext
Documentation unnest_tokens()
Documentation de la fonction qui transforme une colonne de texte en tokens dans un tableau tidy.
tidytext
Documentation bind_tf_idf()
Documentation de la fonction qui calcule et ajoute TF, IDF et TF-IDF à un tableau de comptes.
Posit
Documentation flexdashboard
Documentation pour organiser plusieurs visualisations et sorties R dans une page de tableau de bord.
Posit
Using Shiny with flexdashboard
Guide court pour ajouter des entrées interactives et des sorties réactives dans un tableau de bord flexdashboard.
Posit
Shiny Basics
Introduction à la structure d'une application interactive et au rôle des entrées et sorties réactives.
Tidyverse
The Tidyverse Style Guide
Guide pour écrire du code R lisible, cohérent et plus facile à réviser.
Posit
Documentation Quarto
Documentation officielle pour créer, rendre et publier des documents, rapports et sites Quarto.
GitHub
GitHub Docs
Documentation officielle pour les dépôts, commits, branches, issues et workflows GitHub.
Tidyverse
Documentation rvest
Documentation officielle pour lire une page HTML, sélectionner des éléments, extraire du texte et convertir des tableaux.
MDN Web Docs
robots.txt
Repère technique pour comprendre le rôle d'un fichier robots.txt dans les consignes données aux robots d'exploration.
Google Search Central
Introduction to robots.txt
Guide complémentaire pour situer ce que robots.txt peut et ne peut pas contrôler dans l'exploration web.
rOpenSci
Documentation robotstxt
Documentation du package R utilisé pour vérifier si un chemin est autorisé par les règles robots.txt d'un site.
R Core Team
Documentation lm()
Documentation de la fonction R qui ajuste des modèles linéaires et sert de base aux prédictions du module 9.
R Core Team
Documentation predict.lm()
Documentation de la méthode R qui produit des prédictions à partir d'un modèle linéaire ajusté.
Gouvernement du Canada
Guide sur la prise de décisions automatisée
Repère institutionnel pour discuter la transparence, la responsabilité et les limites des systèmes de décision automatisée.
Schwartz et al.
NIST SP 1270
Référence pour identifier et gérer les biais possibles dans les systèmes d'intelligence artificielle.
Royal Statistical Society
Best Practices for Data Visualisation
Guide pratique pour rendre les graphiques lisibles, honnêtes et adaptés au message statistique.
Ressource PDF
Graphics Principles Cheat Sheet
Aide-mémoire pour revoir les principes de conception graphique et améliorer la lisibilité des visualisations.
Ressource PDF
Conception graphique
Diaporama sur les principes de conception graphique utiles pour produire des figures plus claires et plus défendables.
Gouvernement du Québec
Anonymisation
Repères institutionnels pour discuter les renseignements personnels, la protection et la publication de données.
CNIL
L'anonymisation de données personnelles
Référence utile pour distinguer anonymisation, pseudonymisation et risques résiduels.
Ressource vidéo
Guide de la Loi 25
Capsule vidéo pour situer les obligations liées à la protection des renseignements personnels au Québec.
Ressource HTML
Techniques de base en anonymisation de données
Page de travail sur la suppression des identifiants, la pseudonymisation, les quasi-identifiants et la réduction du risque de réidentification.
Document de cours
Pratique responsable en statistique et science des données
Aide-mémoire synthétique pour vérifier les enjeux éthiques liés à la conception, la collecte, l'analyse, la diffusion et l'utilisation des résultats.
Wilkinson et al.
FAIR Guiding Principles
Article de référence sur les principes Findable, Accessible, Interoperable et Reusable.
Lectures par module et projet
Cette synthèse aide à retrouver rapidement les références appelées dans les plans d'apprentissage et les ressources utiles pour le projet de session.
Module 01
R for Data Science pour situer le flux de travail et Quarto pour comprendre le rapport HTML.
Module 02
R for Data Science pour visualisation, transformation, exploration et tableurs; Broman et Woo pour organiser les fichiers Excel avant l'analyse.
Module 03
R for Data Science: chaînes de caractères, facteurs, recodage et repères pour les variables catégorielles.
Module 04
R for Data Science pour importation, données tidy, valeurs manquantes, facteurs, tableurs, JSON et données imbriquées; Broman et Woo pour les fichiers tabulaires.
Module 05
R for Data Science pour EDA, dates, visualisation et valeurs manquantes; Introduction to Modern Statistics pour l'exploration numérique; R Graphics Cookbook pour raffiner un graphique.
Module 06
GitHub Docs et Happy Git pour dépôts, issues, pull requests et conflits; Quarto pour code inline et options d'exécution; R for Data Science pour les jointures.
Module 07
R for Data Science pour la communication, Wilke, le guide RSS, Graphics Principles Cheat Sheet, Conception graphique et R Graphics Cookbook pour la visualisation responsable, puis Québec, CNIL, Guide de la Loi 25, Techniques de base en anonymisation de données, l'aide-mémoire éthique et FAIR pour l'anonymisation, la confidentialité et la réutilisation des données.
Module 08
R for Data Science pour HTML, fonctions et itération, rvest pour l'extraction, puis MDN, Google Search Central et robotstxt pour les limites de collecte.
Module 09
Introduction to Modern Statistics et ModernDive pour la régression simple et multiple, lm() et predict.lm() pour l'implémentation R, puis le guide du Canada et NIST SP 1270 pour la discussion des biais et des décisions automatisées.
Module 10
Text Mining with R pour le format tidy text, le sentiment et le TF-IDF, unnest_tokens() et bind_tf_idf() pour les fonctions clés, puis flexdashboard, Shiny avec flexdashboard et Shiny Basics pour le tableau de bord interactif.
Projet de session
Telling Stories with Data pour la démarche complète, Happy Git pour le dépôt, Broman et Woo pour les données tabulaires et Quarto pour la communication reproductible.
Sources des visuels
Les couvertures reprises ici servent à reconnaître rapidement les ressources principales du cours.