Retrouvez le calendrier de toutes les formations à venir.
Vous pouvez affiner votre recherche en sélectionnant une catégorie de formations dans la liste ci-dessous.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Titre
L’inférence bayésienne est une alternative à la méthode conventionnelle de modélisation statistique, apportant des avantages multiples, notamment la spécification de connaissance a priori dans le calcul. A l’issue de cette formation, les participants ont l’intuition philosophique de l’inférence bayésienne, connaissent ses avantages par rapport aux méthodes conventionnelles et sont capables de construire des modèles statistiques et de les exploiter par les méthodes de calcul bayésien.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Titre
La régression PLS est une approche qui dans la pratique remplace souvent la régression linéaire ordinaire. Cette méthode s’applique quand le nombre de variables est plus important que le nombre d’observations, ou encore lorsqu’il existe une forte multicolinéarité entre les variables explicatives. Elle s’applique également en présence de données manquantes. Il s’agit d’une technique puissante, communément utilisée pour le traitement des données spectrales.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Titre
La régression PLS est une approche qui dans la pratique remplace souvent la régression linéaire ordinaire. Cette méthode s’applique quand le nombre de variables est plus important que le nombre d’observations, ou encore lorsqu’il existe une forte multicolinéarité entre les variables explicatives. Elle s’applique également en présence de données manquantes. Il s’agit d’une technique puissante, communément utilisée pour le traitement des données spectrales.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Titre
R Markdown est un langage permettant de construire différents types de documents dynamiques et interactifs pouvant renfermer à la fois du texte et des sorties de code R. A la suite de cette formation, les participants seront capables de personnaliser et générer leurs propres rapports dynamiques avec R Markdown.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Titre
R Markdown est un langage permettant de construire différents types de documents dynamiques et interactifs pouvant renfermer à la fois du texte et des sorties de code R. A la suite de cette formation, les participants seront capables de personnaliser et générer leurs propres rapports dynamiques avec R Markdown.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Titre
L’inférence bayésienne est une alternative à la méthode conventionnelle de modélisation statistique, apportant des avantages multiples, notamment la spécification de connaissance a priori dans le calcul. A l’issue de cette formation, les participants ont l’intuition philosophique de l’inférence bayésienne, connaissent ses avantages par rapport aux méthodes conventionnelles et sont capables de construire des modèles statistiques et de les exploiter par les méthodes de calcul bayésien.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Titre
La régression PLS est une approche qui dans la pratique remplace souvent la régression linéaire ordinaire. Cette méthode s’applique quand le nombre de variables est plus important que le nombre d’observations, ou encore lorsqu’il existe une forte multicolinéarité entre les variables explicatives. Elle s’applique également en présence de données manquantes. Il s’agit d’une technique puissante, communément utilisée pour le traitement des données spectrales.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Titre
La régression PLS est une approche qui dans la pratique remplace souvent la régression linéaire ordinaire. Cette méthode s’applique quand le nombre de variables est plus important que le nombre d’observations, ou encore lorsqu’il existe une forte multicolinéarité entre les variables explicatives. Elle s’applique également en présence de données manquantes. Il s’agit d’une technique puissante, communément utilisée pour le traitement des données spectrales.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Titre
La régression PLS est une approche qui dans la pratique remplace souvent la régression linéaire ordinaire. Cette méthode s’applique quand le nombre de variables est plus important que le nombre d’observations, ou encore lorsqu’il existe une forte multicolinéarité entre les variables explicatives. Elle s’applique également en présence de données manquantes. Il s’agit d’une technique puissante, communément utilisée pour le traitement des données spectrales.
Titre
L’inférence bayésienne est une alternative à la méthode conventionnelle de modélisation statistique, apportant des avantages multiples, notamment la spécification de connaissance a priori dans le calcul. A l’issue de cette formation, les participants ont l’intuition philosophique de l’inférence bayésienne, connaissent ses avantages par rapport aux méthodes conventionnelles et sont capables de construire des modèles statistiques et de les exploiter par les méthodes de calcul bayésien.
Titre
R Markdown est un langage permettant de construire différents types de documents dynamiques et interactifs pouvant renfermer à la fois du texte et des sorties de code R. A la suite de cette formation, les participants seront capables de personnaliser et générer leurs propres rapports dynamiques avec R Markdown.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Titre
L’inférence bayésienne est une alternative à la méthode conventionnelle de modélisation statistique, apportant des avantages multiples, notamment la spécification de connaissance a priori dans le calcul. A l’issue de cette formation, les participants ont l’intuition philosophique de l’inférence bayésienne, connaissent ses avantages par rapport aux méthodes conventionnelles et sont capables de construire des modèles statistiques et de les exploiter par les méthodes de calcul bayésien.
Titre
R Markdown est un langage permettant de construire différents types de documents dynamiques et interactifs pouvant renfermer à la fois du texte et des sorties de code R. A la suite de cette formation, les participants seront capables de personnaliser et générer leurs propres rapports dynamiques avec R Markdown.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Titre
R Markdown est un langage permettant de construire différents types de documents dynamiques et interactifs pouvant renfermer à la fois du texte et des sorties de code R. A la suite de cette formation, les participants seront capables de personnaliser et générer leurs propres rapports dynamiques avec R Markdown.
Titre
La régression PLS est une approche qui dans la pratique remplace souvent la régression linéaire ordinaire. Cette méthode s’applique quand le nombre de variables est plus important que le nombre d’observations, ou encore lorsqu’il existe une forte multicolinéarité entre les variables explicatives. Elle s’applique également en présence de données manquantes. Il s’agit d’une technique puissante, communément utilisée pour le traitement des données spectrales.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Titre
ggplot2 est le package de visualisation de référence pour le langage R. Il permet à la fois d’explorer rapidement des données à l’aide de graphiques simples et faciles à construire, ainsi que de réaliser des graphiques complexes et élaborés pour des publications ou rapports.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Titre
ggplot2 est le package de visualisation de référence pour le langage R. Il permet à la fois d’explorer rapidement des données à l’aide de graphiques simples et faciles à construire, ainsi que de réaliser des graphiques complexes et élaborés pour des publications ou rapports.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Titre
ggplot2 est le package de visualisation de référence pour le langage R. Il permet à la fois d’explorer rapidement des données à l’aide de graphiques simples et faciles à construire, ainsi que de réaliser des graphiques complexes et élaborés pour des publications ou rapports.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Titre
ggplot2 est le package de visualisation de référence pour le langage R. Il permet à la fois d’explorer rapidement des données à l’aide de graphiques simples et faciles à construire, ainsi que de réaliser des graphiques complexes et élaborés pour des publications ou rapports.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Statistiques Descriptives
Justifier de l’importance des statistiques descriptives ; savoir définir la nature de chacune des variables ; choisir les statistiques et les graphiques adaptés pour décrire les données ; réaliser une analyse descriptive complète sur un fichier de données.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.
Apprendre les bases du langage R
Devenir autonome dans la manipulation des données, la réalisation d’analyses simples et l’élaboration de graphiques dans R.
Apprendre à coder avec R Studio
Présentation de méthodes statistiques adaptées à la valorisation de vastes ensembles de données issues d’enquêtes ponctuelles ou d’exploitations de bases de données ; l’accent est mis sur les procédures de type Data Mining permettant de synthétiser, de la manière la plus objective possible, les données à analyser.
Apprendre à programmer en langage R
Programmer efficacement en R après avoir acquis les bases, écrire ses propres fonctions, utiliser des sources de données diverses, se connecter à des bases de données, réaliser des visualisations efficaces..
Maîtriser le langage de programmation R
Développer des packages, écrire de la documentation technique avec roxygen2, faire du versioning de script avec Git, utiliser devtools pour le développement, mettre des tests automatiques avec testthat, faire de l’intégration avec Travis et AppVeyor.