Ressources : widgets, tutoriels, packages et applications

Widgets interactifs en accès libre, tutoriels, packages R et applications Shiny pour comprendre et pratiquer la data science avec R.

Ressources

Widgets, tutoriels, packages et applications pour pratiquer la data science avec R.

Widgets

Ces widgets sont issus de mes formations. Ils sont en accès libre : vous pouvez les utiliser, les intégrer tels quels dans vos propres pages et les citer, sous licence CC BY-NC-ND 4.0. Chaque page indique comment les intégrer et les citer.

R² : visualisation de la variance expliquée

Machine Learning

Évaluation

Régression

Visualisez le R² comme une part de variance expliquée : variance totale, résidus et quatre scénarios de modèle.

Seuil de décision : précision, recall et matrice de confusion

Machine Learning

Évaluation

Classification

Déplacez le seuil de décision d’un classifieur et observez le compromis entre précision et recall, avec la matrice de confusion.

Surapprentissage : régression polynomiale

Machine Learning

Évaluation

Régression

Faites varier le degré d’un polynôme et observez comment le modèle passe du sous-apprentissage au surapprentissage.

Validation croisée à k plis

Machine Learning

Évaluation

Choisissez le nombre de plis k et parcourez les itérations d’une validation croisée pour voir comment les données sont réparties entre entraînement et test.

Tutoriels

Opening the Black Box: Interpreting Machine Learning Models with SHAP Values in R

Interprétabilité

Conférence

Hands-on tutorial given at uRos2026 (Use of R in Official Statistics), Paris, 18 November 2026: interpreting machine learning models with SHAP values in R.

Packages

datapyranhia

Données

Package R qui rassemble les jeux de données utilisés dans les formations Pyranhia.

verdict

Métriques

tidymodels

Package R qui étend yardstick pour évaluer les modèles de classification multiclasse.

Applications Shiny

Application SHAP de uRos2026

Interprétabilité

Démo

Application Shiny de démonstration du tutoriel SHAP de uRos2026 : quatre onglets pour lire les contributions des variables d’un modèle.

MLstartR

Pédagogie

tidymodels

Application Shiny pédagogique pour s’initier pas à pas au machine learning supervisé avec tidymodels.

Retour à l’accueil

Découvrir les formations