Programme complet – R à Québec 2019

Lundi 13 mai – Ateliers
Pavillon Desjardins
Il y aura une pause de 30 minutes le matin (10h) et l’après-midi (15h).

07:30 – 08:30

08:30 – 12:00

  • Visualisation de données avec ggplot2

    Salle 3464 – 3e étage

    Cet atelier montrera les principes de base de la grammaire graphique implémentée dans ggplot2.

  • Traitement de nuages de points LiDAR avec lidR

    Salle 1304 – Rez de chaussée

    L'atelier montrera comment utiliser le package lidR pour visualiser des nuages de points LiDAR aéroporté, classifier des points sols, identifier des cimes d'arbre, extraire des métriques et produire des catalogues de tuiles.

  • Introduction shiny app

    Salle 2326 – 2e étage

    Dans cet atelier, nous aborderons l'anatomie d'une shiny app ainsi que la structure des fichiers pour créer une shiny app en quelques minutes.

  • Traitement du langage naturel en R (groupe A)

    Salle 3342 – 3e étage

    Cette formation de niveau intermédiaire présentera certaines des techniques les plus récentes pour traiter le langage naturel dans un contexte d'apprentissage machine.

12:00 – 13:30

  • Dîner

    Le dîner inclus sera servi à l'Espace Jardin au rez-de-chaussée du pavillon Desjardins.

13:30 – 17:00

  • R parallèle sur serveurs de calcul

    Salle 2326 – 2e étage

    Vous apprendrez comment passer d'un script R en série à un script R parallèle afin de diminuer votre temps de calcul et augmenter votre capacité à analyser des données.

  • Dynamique de réputation d’entreprises avec le package sentometrics

    Salle 1304 – Rez de chaussée

    Analyse textuelle des sentiments pour le suivi de la réputation d'une entreprise au moyen des packages sentometrics, data.table, ggplot2, quanteda, stm, et stringi.

  • Shiny app intermédiaire

    Salle 3464 – 3e étage

    Dans cet atelier nous allons aller plus loin avec les shiny apps. Nous allons voir ensemble comment rendre votre app plus utile et plus user-friendly pour vos utilisateurs.

  • Traitement du langage naturel en R (groupe B)

    Salle 3347 – 3e étage

    Cette formation de niveau intermédiaire présentera certaines des techniques les plus récentes pour traiter le langage naturel dans un contexte d'apprentissage machine.

Mardi 14 mai – Ateliers
Pavillon Desjardins
Il y aura une pause de 30 minutes le matin (10h) et l’après-midi (15h).

07:30 – 08:30

08:30 – 12:00

  • Visualisation avancée dans R avec le package grid (1/2)

    Salle 3342 – 3e étage

    Cet atelier montrera comment utiliser le package grid pour créer des graphiques ou des illustrations avancés dans R.

  • Avoir une présence en ligne: Outils pour la diffusion rapide et reproductible de la recherche (1/2)

    Salle 3425 – 3e étage

    Cet atelier présentera les outils essentiels d'un plan de travail reproductible. Vous apprendrez à structurer vos scripts d'analyse, à créer des documents dynamiques (Rmarkdown), à suivre les changements apportés à l'analyse (Git) et à créer un site web (blogdown).

  • Apprentissage profond avec TensorFlow pour R (1/2)

    Salle 2300 – 2e étage

    Cet atelier a pour objectif de présenter les différentes interfaces (Keras, Estimators, Core API) permettant la mise en oeuvre de solutions à base d'apprentissage profond avec l'outil TensorFlow sous R.

  • Initiation à R (1/2)

    Salle 3347 – 3e étage

    Cette formation de niveau débutant, qui durera une journée, est destinée à tous ceux désirant s'initier à R. Elle sera axée sur la compréhension et la pratique permettant de maîtriser les rudiments de cet environnement de programmation.

12:00 – 13:30

  • Dîner

    Le dîner inclus sera servi à l'Espace Jardin au rez-de-chaussée du pavillon Desjardins.

13:30 – 17:00

  • Les tests automatisés en R

    Salle 2326 – 2e étage

    Cet atelier vise à initier l'utilisateur, au moyen du package testthat, au concept des tests automatisés, aux bonnes pratiques d'écriture de code informatique ainsi qu'à l'importance de la maintenabilité d'un code R.

  • Les modèles mixtes en R

    Salle 3464 – 3e étage

    Cet atelier présentera la spécification et l'estimation de modèles linéaires mixtes pour une variable réponse continue et de modèles linéaires mixtes généralisés pour une variable réponse dichotomique avec les paquets nlme et lme4.

  • Visualisation avancée dans R avec le package grid (2/2)

    Salle 3342 – 3e étage

    Cet atelier montrera comment utiliser le package grid pour créer des graphiques ou des illustrations avancés dans R.

  • Avoir une présence en ligne: Outils pour la diffusion rapide et reproductible de la recherche (2/2)

    Salle 3425 – 3e étage

    Cet atelier présentera les outils essentiels d'un plan de travail reproductible. Vous apprendrez à structurer vos scripts d'analyse, à créer des documents dynamiques (Rmarkdown), à suivre les changements apportés à l'analyse (Git) et à créer un site web (blogdown).

  • Apprentissage profond avec TensorFlow pour R (2/2)

    Salle 2300 – 2e étage

    Cet atelier a pour objectif de présenter les différentes interfaces (Keras, Estimators, Core API) permettant la mise en oeuvre de solutions à base d'apprentissage profond avec l'outil TensorFlow sous R.

  • Initiation à R (2/2)

    Salle 3347 – 3e étage

    Cette formation de niveau débutant, qui durera une journée, est destinée à tous ceux désirant s'initier à R. Elle sera axée sur la compréhension et la pratique permettant de maîtriser les rudiments de cet environnement de programmation.

  • 17:00 - 20:00

    Cocktail dînatoire

    Atrium

    Dans l'Agora centrale du pavillon Desjardins au rez-de-chaussée. Le cocktail est ouvert à toutes les personnes qui sont inscrites à R à Québec 2019.

Mercredi 15 mai – Conférences
Pavillon Desjardins
Il y aura une pause de 30 minutes le matin et l’après-midi.

Grand Salon (2e étage)

  • 08:30 - 08:50

    Mots de bienvenue

  • 08:50 - 09:50

    The Evolution of Languages for Data Analysis

    Douglas Bates

    Conférence d'une heure par l'auteur des ouvrage de référence "Mixed-Effect Models in S and S-Plus" et "Nonlinear Regression Analysis and its Applications". Contrairement à toutes les autres, cette conférence sera donnée en anglais.

Grand Salon (2e étage)

Analyse prédictive

Le Cercle (4e étage)

Développement

12:00 – 13:30

  • Dîner

    Le dîner inclus sera servi à l'Espace Jardin au rez-de-chaussée du pavillon Desjardins.

Grand Salon (2e étage)

Modélisation économique

Le Cercle (4e étage)

Pédagogie et bonnes pratiques

Salle 2326 (2e étage)

Traitement de données

Grand Salon (2e étage)

Analyse de
données spatiales

Le Cercle (4e étage)

Représentation de données et production de rapports

Grand Salon (2e étage)

Jeudi 16 mai – Classes de maîtres
Pavillon La Laurentienne
Il y aura une pause de 30 minutes le matin (10h) et l’après-midi (15h).
Le dîner sera servi de 12h00 à 13h30 à la salle à manger Le Quatre-Vingt-Dix au rez-de-chaussée du pavillon.

  • 08:30 - 17:00

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

    Salle 1435 – Pavillon La Laurentienne

    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.

  • 08:30 - 17:00

    Mixed-effects models in R using the lme4 package

    Salle Power Corporation (3452) – Pavillon La Laurentienne

    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.