| auteurrices | titre | mots_cles |
|---|---|---|
| François Husson, Pauline Vaissié, Astrid Monge | Graphiques interactifs en analyse de données avec Factoshiny | |
| Benoit Thieurmel | visNetwork : création et visualisation intéractives de réseaux | |
| Madalina Olteanu, Nathalie Villa-Vialaneix | Classification et visualisation de graphes avec SOMbrero | |
| Marie De Antonio | Un package R pour modéliser la survie en tenant compte des effets centres et des risques compétitifs | |
| Frédérique Letué, Caroline Bazzoli, Marie-José Martinez | Une étude de cas en biomécanique avec la fonction lme de R pour modéliser des structures complexes d'effets aléatoires et de matrice de variance-covariance des erreurs | |
| Florent Chuffart, Helene Duplus-Bottin, Daniel Jost, Gaël Yvert | A General Method to map Single-cell Probabilistic Trait Loci of the Genome | |
| Julien Péron | An extension to generalized pairwise comparisons for prioritized outcomes with censoring | |
| Michael Gb Blum | abc : un paquetage R pour le calcul bayésien approché | |
| Eric Matzner-Lober, Pierre-André Cornillon | ibr: un paquet R pour la réduction itérative de biais | |
| Robin Genuer, Adrien Todeschini | Compétitions d'apprentissage automatique avec le package rchallenge | |
| Vincent Guyader | Datacamp : Apprendre R, en faisant du R, dans R...et en français. | |
| Philippe Courcoux | FreeSortR : un package pour l'analyse de données de tri libre. | |
| Sébastien Plutniak | L'histoire en miettes : analyse de graphes avec R pour l'étude de la fragmentation des objets archéologiques | |
| Adrien Mazoyer, Stéphane Despreaux, Bernard Ycart | Modèles de mutations : étude probabiliste et estimation paramétrique | |
| Hugo Varet, Jean-Yves Coppée, Marie-Agnès Dillies | SARTools : un pipeline complet pour l'analyse différentielle de données RNA-Seq | |
| Antoine Schorgen, Nadine Hilgert | Validation de données en phénotypage végétal | |
| Marie Chavent, Marc Fuentes | Clustering divisif monothétique. La package divclust | |
| Evelyne Vigneau, El Mostafa Qannari | Classification de variables avec possibilité de mettre à l'écart des variables atypiques ou de bruit. Implémentation dans le package ClustVarLV. | |
| Florent Langrognet | Etude de la robustesse de RMixmod (package de classification par modèles de mélanges) en cas de chevauchement de classes | |
| Didier Girard | An experimental assessment of the "Gibbs-Energy and Empirical-Variance" estimating equations (via Kalman smoothing) for Matérn processes | |
| Artemis Toumazi, Kenneth Knoblauch, Henry Kennedy, Martin Privat | Bayesian Analysis of Connectivity in Macaque Cerebral Cortex using JAGS and Stan | |
| FranÇois Bartolo, Sébastien Déjean, Benoit Gautier, Ignacio González, Florian Rohart, Kim-Anh Lê Cao | Computational optimisation for mixOmics, the R package dedicated to 'omics' data integration | |
| Magali Berland, Emmanuelle Le Chatelier, Edi Prifti, Nicolas Pons, Anne-Sophie Alvarez, Ndeye Gaye, Jean-Michel Batto, Vincent Ducrot, Kévin Juilly, Sébastien Monot, Thierry Goubier, Nahid Emad, Dusko Ehrlich | Identifier des biomarqueurs en métagénomique quantitative : la promesse du Big Data | |
| Clement Abbatecola, Kenneth Knoblauch, Peggy Gerardin, Henry Kennedy | Maximum likelihood conjoint measurement: From GLM to GAM | |
| Aurore Archimbaud, Anne Ruiz Gazen, Klaus Nordhausen | Packages R pour la détection d'observations atypiques multivariées. | |
| Benoit Liquet | BIG-SIR a Sliced Inverse Regression Approach for Massive Data | |
| Iyad Alshabani, Jean-Michel Batto, Magali Berland, Denis Caromel, Ndeye Aram Gaye, Emmanuelle Le Chatelier, Laurent Pellegrino, Nicolas Pons, Edi Prifti, Fabien Viale | PARConnector : sans détour du Langage R au Cloud Big Data - Application à l'analyse Metagenomique | |
| Serge Iovleff | Rtkpp: Un package pour faire l'interface entre R et la bibliothèque STK++ | |
| David Gohel | Reporting automatisé avec ReporteRs et rtable | |
| Emmanuel Rousseaux, Gilbert Ritschard | The Rsocialdata.network extension: Handling and analysing egocentric network survey data in R | |
| Juhui Wang, Hervé Monod, Robert Faivre, Hervé Richard | «MTK» : un package pour unifier les démarches d'exploration numérique de modèles | |
| Gérard Grégoire, Jean-Pierre Imbert | ClustInvest : outils pour l'analyse et l'interprétation de classifications nonsupervisées avec variables binaires. Application à des données d'accidents de décompression | |
| Alexis Arnaud, Florence Forbes, Benjamin Lemasson, Emmanuel Barbier | Paquet R pour l'estimation d'un mélange de lois de Student multivariées à échelles multiples. | |
| Amaury Labenne, Marie Chavent, Vanessa Kuentz-Simonet, Jérôme Saracco | Le package ClustGeo : Classification ascendante hiérarchique avec contraintes de proximité géographique | |
| Charles Bouveyron, Julien Jacques | funFEM: an R package for functional data clustering | |
| Christophe Genolini | kmlShape : un algorithme de partitionnement des données longitudinales basé sur la forme des trajectoires | |
| Brice Ozenne | MRIaggr : un package pour la gestion et le traitement de données multivariées d'imagerie | |
| Olivier Francois | LEA : un package R pour la génomique des populations |
Les 4e Rencontres R ont eu lieu à Grenoble du 24 au 26 juin 2015 (site web).
Conférenciers invités
- Timothée Giraud (Paris géographe, UMS RIATE) : Représentation et traitement de l’information géographique avec R
R permet de simplifier les chaînes de traitements d’analyse spatiale et de cartographie qui nécessitait auparavant l’utilisation de nombreux logiciels (souvent propriétaires). A partir d’exemples nous illustrerons les différentes étapes du traitement de l’information géographique (acquisition et mise en forme, traitements, représentations). Nous aborderons notamment l’utilisation d’API de cartographie, la manipulation et la représentation de données géographiques (flux, stocks…), les opérations classiques de géotraitement ainsi que des traitements plus poussés faisant notamment appel aux méthodes de lissage spatial.
- Thibault Laurent (Toulouse School of Economics, GREMAQ/CNRS) : Statistique spatiale
L’analyse statistique de données spatiales fait appel à des méthodes d’exploration et de modélisation qui sont propres à la nature «spatiale » des données. A partir d’études de cas, on essaiera de montrer un aperçu des méthodes et librairies R qui traitent des trois principaux courants de la statistique spatiale : l’économétrie spatiale (spdep, [Bivand et al., 2013]), les processus ponctuels spatiaux (spatstat, [Baddeley et Turner, 2005]) et la géostatistique (geoR, [Diggle et Ribeiro, 2007])
- Erwan Le Pennec (Ecole Polytechnique, responsable du DSSP) : R, Data Science… et Formation
L’objectif de cet exposé est de montrer comment R peut être utilisé pour présenter (quasi) tous les aspects de la science des données : récupération des données, nettoyage, traitement statistique etvisualisation. Je m’appuierai pour cela sur deux programmes deformations récemment créés : le parcours Data Science du M2 Mathématique et applications Paris Saclay et le Data Science Starter Program, une formation continue proposée par l’École polytechnique.
- Floréal Morandat (Laboratoire Bordelais de Recherche en Informatique Institut Polytechnique de Bordeaux) : De la concision à l’efficacité, le cauchemar d’un informaticien
R est devenu la lingua-franca de nombreux domaines grâce à sa concision, ses NAs, ses objets et la possibilité d’exprimer symboliquement des formules. Les informaticiens n’y ont vu jusqu’à récemment qu’un outil pour tracer des graphes et non un langage. A l’origine (et encore aujourd’hui), les programmes sont développés en R, puis optimisés en C. Ceci requiert des doubles compétences de la part des programmeurs, augmente le risque d’erreur dans le code tout en le rendant difficilement maintenable.
En tant qu’informaticien notre rôle n’est pas de juger le langage mais d’offrir des performances acceptables pour l’utilisateur final tout en préservant sa sémantique qui est malheureusement non spécifiée. Pour extraire cette sémantique, il nous a fallu regarder sous le capot, et c’est ainsi que le cauchemar a commencé …
- Jeroen Ooms (University of California Los Angeles, OpenCPU, RAppArmor, …) : jsonlite and mongolite
Tutoriels
Romain François : Introduction à Rcpp
Christophe Genolini : Programmation orientée objet sous R