#Ressources : Introduction à RCopier le lien

#Livres de référenceCopier le lien

• R for Data Science (Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund) : la référence pour la pipeline import → tidy → visualiser → modéliser, gratuite en ligne, et la source des reflexes tidyverse enseignés dans ce module.
• Advanced R (Hadley Wickham) : la mécanique interne du langage (environnement, évaluation paresseuse, S3), pour aller au-delà de l'usage quotidien.
• ggplot2: Elegant Graphics for Data Analysis (Hadley Wickham) : le livre officiel de ggplot2, à lire après la section Visualisation.

#En ligne et interactifCopier le lien

• Posit Cloud : RStudio dans le navigateur, pour travailler sans rien installer.
• swirl (install.packages("swirl")) : tutoriel interactif dans la console R, cours « R Programming » et « Getting and Cleaning Data ».
• Cheatsheets officieles : fiches pense-bête dplyr, ggplot2, tidyr, purrr — à garder ouvertes pendant les TP.

#Documentation et aideCopier le lien

• CRAN : le dépôt central (plus de 20 000 packages) et les manuels officiels « An Introduction to R » et « R Data Import/Export ».
• ?fonction dans la console : la documentation locale, souvent plus rapide qu'une recherche web.
• Stack Overflow, tag r : la plupart des messages d'erreur R y ont déjà une réponse.

#Entraînement conseilléCopier le lien

• Refaire les ateliers des sections Manipulation, Visualisation et Modèles sur le jeu notes.csv, puis sur un jeu public (palmerpenguins est idéal).
• Reproduire un graphique d'article ou de presse avec ggplot2 : décomposer la grammaire avant d'écrire la première ligne.