- Faculté
- Faculté des lettres, Section des sciences du langage et de l’information, Université de Lausanne
- Niveau
- Bachelor
- Semestre
- Printemps 2026
- Langue
- Français
- Séances
- 12
- Prérequis
- Méthodes Quantitatives 1 à 3, aucune connaissance préalable de R
- Outils
- R, RStudio, Quarto
Chaque session est accompagnée d’un notebook Quarto, consultable en ligne ou téléchargeable avec ses sources et ses données, et d’une série d’exercices avec son corrigé.
Session 1 : Introduction à R et RStudio
Date : 19 février 2026
Prise en main de R et de RStudio : types de données, vecteurs, data frames, importation de fichiers CSV et Excel, et premières fonctions.
I. Introduction à R et RStudio : notebook
Session 2 : Le Tidyverse I
Date : 26 février 2026
Introduction au tidyverse : le pipe, la manipulation de tableaux avec dplyr et leur restructuration avec tidyr, appliquées à un jeu de données sociolinguistiques.
Session 3 : Le Tidyverse II et les statistiques uni- et bi-variées
Date : 5 mars 2026
Suite du tidyverse (jointures, regroupements, résumés), puis calcul des statistiques descriptives uni- et bi-variées sur un jeu de données de marqueurs pragmatiques.
III. Le Tidyverse II et les statistiques : notebook
Session 4 : Les graphiques en R
Date : 12 mars 2026
La grammaire des graphiques avec ggplot2 : histogrammes, boîtes à moustaches, nuages de points, facettes et personnalisation, avec une ouverture sur les graphiques interactifs.
IV. Les graphiques en R : notebook
Session 5 : Introduction à LaTeX
Date : 19 mars 2026
Rédiger un rapport scientifique avec LaTeX : structure d’un document, formules mathématiques, figures, tableaux et bibliographie.
Session 6 : Le calcul matriciel, l’aléatoire et les tests statistiques
Date : 26 mars 2026
Le calcul matriciel en R, la génération de nombres aléatoires et la simulation, puis les tests statistiques classiques appliqués à un jeu de données phonétiques.
VI. Calcul matriciel, aléatoire et tests : notebook
Session 7 : La régression linéaire et logistique
Date : 2 avril 2026
Régression linéaire simple et multiple, diagnostic du modèle et sélection de variables, puis régression logistique pour les variables binaires.
Session 8 : Les méthodes factorielles
Date : 16 avril 2026
L’analyse en composantes principales et l’analyse des correspondances avec FactoMineR, de l’exécution à l’interprétation des graphiques.
VIII. Les méthodes factorielles : notebook
Session 9 : Le clustering
Date : 23 avril 2026
Classification hiérarchique et k-means, choix du nombre de groupes et validation des partitions, sur les programmes des partis politiques.
Session 10 : Méthodes factorielles avancées
Date : 30 avril 2026
L’analyse des correspondances multiples et l’analyse factorielle de données mixtes, pour des tableaux mêlant variables catégorielles et numériques.
X. Méthodes factorielles avancées : notebook
Session 11 : Introduction au machine learning
Date : 7 mai 2026
Les concepts du machine learning (apprentissage supervisé, généralisation, validation croisée), puis la régression logistique régularisée avec glmnet sur des données médicales.
XI. Introduction au machine learning (slides)
XI. Régression logistique régularisée : notebook
Session 12 : Analyse de réseaux
Date : 21 mai 2026
Représenter et analyser des réseaux avec igraph et ggraph : mesures de centralité, détection de communautés et visualisation.