R à Québec 2019, présenté par Intact Assurance, vous offre l’opportunité d’offrir un atelier de formation sur le sujet de votre choix à un public néophyte, intermédiaire ou avancé. Une dizaine d’ateliers seront sélectionnés. Ils pourront porter sur:

• un package ou un ensemble de packages,
• une technique de programmation avancée,
• une introduction à certains aspects de la programmation en R,
• l’utilisation de R dans une discipline en particulier,
• toute autre proposition intéressante!

Les ateliers seront d’une durée de 3 heures (un avant-midi ou un après-midi), 6 heures (une journée complète) ou 12 heures (deux journées complètes), seront donnés en français et offriront des exercices aux participants qui devront amener un portable.

Les personnes dont les ateliers seront sélectionnés se verront offrir gracieusement l’accès au reste du Colloque. La date limite pour soumettre une proposition d’atelier est le 6 janvier 2019.

Venez partager votre expérience avec le langage R en présentant une conférence. Les thèmes recherchés sont les suivants :

• statistique,
• analyse et traitement de données,
• visualisation et graphiques,
• modélisation, optimisation et simulation,
• calcul de haute performance,
• apprentissage automatique,
• forage de données,
• analyse spatiale,
• actuariat, finance et économétrie,
• écologie, biologie, bioinformatique et biostatistique,
• épidémiologie, médecine, psychologie et criminologie,
• sociologie, démographie, géographie et géomatique, 
• applications en recherche, en enseignement ou dans les secteurs public ou privé.

Les présentations se dérouleront en français et seront de deux formats: les conférences traditionnelles, d’une durée de 20 minutes, et les conférences éclairs, d’une durée de 3 minutes. Une trentaine de conférences traditionnelles seront retenues et seulement une dizaine de conférences éclair seront présentées.

Vous avez jusqu’au 17 février pour soumettre une proposition de conférence.

Voir le programme complet

• Douglas Bates

  

  Professeur émérite au département de statistiques de l'Université du Wisconsin - Madison.

  Le professeur Bates est particulièrement connu pour ses travaux sur l'estimation des paramètres des modèles mixtes linéaires, des modèles mixtes non linéaires, et des modèles mixtes linéaires généralisés. Il est co-auteur des ouvrages de référence Mixed-Effect Models in S and S-Plus et Nonlinear Regression Analysis and its Applications. Membre de R Core, il a contribué au développement de plusieurs packages, notamment nlme, lme4, et Matrix.

  En savoir plus sur Douglas Bates...

The Evolution of Languages for Data Analysis

« I recently realized that it has been 50 years since I had my first (and only) course in computer science and my first (and only) undergraduate course in statistics. Well, there have been a few changes during those 50 years. I have been fortunate to participate in some of the development of the S language and later the development of R. I was also an early user of Python. For the last 5 years I have been developing Julia packages. In this talk I will look back on the evolution of languages for data analysis and offer some suggestions on where we might expect the field to go. »

Le comité organisateur de R à Québec 2019 est fier de vous proposer deux classes de maître présentées par deux sommités de la communauté R internationale. Ces classes auront lieu le jeudi après la journée de conférence. Contrairement aux autres activités de R à Québec 2019 (à l’exception de la conférence d’ouverture), ces classes de maître, ayant la forme d’ateliers pratiques, auront lieu en anglais.

ATTENTION: La classe de maître « Mixed-effects models in R using the lme4 package » est complète.

• Beyond linear-type models: general purpose maximum likelihood estimation in R

  Benjamin M. Bolker

  In ecology and evolution, we often encounter problems where we want to use particular nonlinear functions or response distributions that can't be simplified for use in linear or generalized mixed models: for example, functional response curves in predator-prey systems or von Mises distributions for turning angles in animal movement. This master class will cover typical uses of general nonlinear maximum likelihood estimation in R. We'll start with a *brief* review of maximum likelihood theory and of nonlinear optimization, then go through practical examples - mostly using the bbmle package and focusing on troubleshooting the many technical problems that can occur in real-life problems. We will touch on the challenges of combining mixed models with general nonlinear estimation.

• Mixed-effects models in R using the lme4 package

  Douglas Bates

  Mixed-effects models are a powerful technique to deal with multiple sources of variability in observed responses. Specialized versions of these models are known as repeated measures models, multilevel models, or hierarchical linear models. The lme4 package for R has been a mainstay for fitting these models over the years, providing methods for fitting both linear mixed-effects models (LMMs) and generalized linear mixed-effects models (GLMMs). In particular, it allows for fitting models with random effects for crossed or partially crossed grouping factors such as subject and item. This workshop will provide the statistical background on the form of the models and hands-on experience in using lme4 to fit and evaluate LMMs and GLMMs.