Analyse Spatiale Avancée avec R et Python
Maîtrisez les packages R (sf, tmap, spdep) et Python (geopandas, folium, PySAL) pour des analyses spatiales avancées : modèles de régression spatiale, clustering géographique, cartographie interactive.
- Format : Hybride
- Durée : 45 heures
- Niveau avancé
- Certificat inclus
- Langue : Français
Présentation
Au-delà de QGIS, la puissance de l'analyse spatiale réside dans la programmation. R et Python permettent d'automatiser les traitements, de construire des modèles de régression spatiale et de produire des cartes interactives publiables sur le web.
Vous apprendrez à manipuler des données vectorielles et raster, à détecter des clusters spatiaux avec les statistiques de Moran et LISA, à modéliser l'autocorrélation spatiale et à produire des tableaux de bord géographiques interactifs. Les LLM accélèrent l'écriture des scripts.
Objectifs
- Manipuler des données spatiales avec sf (R) et geopandas (Python)
- Produire des cartes interactives avec tmap, leaflet et folium
- Calculer et interpréter les statistiques d'autocorrélation spatiale
- Ajuster des modèles de régression spatiale (SAR, CAR)
- Intégrer des données raster (population, NDVI, accessibilité)
- Déployer une carte interactive en ligne
Public concerné
- Épidémiologistes quantitatifs
- Data scientists en santé publique
- Chercheurs en géographie de la santé
- Consultants en données pour ONG
Programme
4 modules, 16 leçons.
Module 1 : Introduction et fondamentaux
- Présentation du programme 51 min
- Concepts de base 59 min
- Environnement de travail 51 min
- Ressources et bibliographie 45 min
Module 2 : Mise en pratique
- Exercice guidé 1 37 min
- Exercice guidé 2 28 min
- Cas pratique 36 min
- Quiz de validation 27 min
Module 3 : Approfondissement
- Techniques avancées 47 min
- Études de cas réels 43 min
- Projet pratique 22 min
- Correction et feedback 35 min
Module 4 : Évaluation et certification
- Révision générale 32 min
- Examen final 45 min
- Présentation des résultats 38 min
- Remise des certificats 50 min
Prérequis
- R ou Python intermédiaire
- Avoir suivi QGIS ou avoir des notions de SIG