Overview

For more information you can visit this link.

Teachers:

Assistant teacher:

All materials and classes were in Spanish.

Propaganda

Resolución de aprobación Facultad de Ciencias Agrarias

Programa completo

Programación en R para análisis de datos

Tema 1

Generalidades y nociones de programación. R e interfaz de Rstudio. Trabajo con proyectos. Paquetes. Programación orientada a objetos. Cómo obtener ayuda. Tipos de datos. Acceso a los elementos de los diferentes tipos de datos. Funciones. Estructuras de control. Programación modelo tidyverse y uso del operador %>%. Nociones de programación funcional y uso del paquete purrr. Ejercicios de aplicación

Tema 2

Manipulación de datos. Ingreso de datos. Datos ordenados (tidy data). Paquetes tidyr y dplyr. Funciones select(), filter(), mutate(), summarise(), arrange(), group_by(). Otras funciones de dplyr. Ejercicios de aplicación

Tema 3

Visualización de datos. Visualización efectiva. Función plot() y qplot(). Gramática de gráficos. Paquete ggplot2. Capas de un gráfico: datos, parámetros estéticos, parámetros geométricos, uso de facets, estadísticas, coordenadas, temas. Ejercicios de aplicación. Breve introducción a la visualización interactiva con el paquete Plotly y a web-apps con el paquete Shiny. Mapas.

Tema 4

Modelización. Generalidades de la modelización de datos. Nociones de regresión y clasificación. Ejercicios de aplicación. Uso del paquetes para modelización de datos en tidymodels.

Tema 5

Documentación y ciencia reproducible. El camino hacia la ciencia reproducible: algunas prácticas deseables al momento de generar código para nuestras publicaciones. Reportes en RMarkdown y una introducción al control de versiones. Comunidades de usuarios.

Bibliografía

  • Bryan, J. (2015) How to name files. Disponible en https://speakerdeck.com/jennybc/how-to-name-files Visitado el 20/06/2019
  • Bryan, J. (2017) Happy Git and GitHub for useR. Disponible en https://happygitwithr.com/ Visitado el 20/06/2019.
  • Bryan, J. (2019) What they forgot to teach you about R. Disponible en https://whattheyforgot.org/ Visitado el 20/06/2019.
  • Gandrud, C. (2016). Reproducible research with R and R studio. Chapman and Hall/CRC.
  • Grolemund, G; Wickham, H. (2017) R for data science. O’Reilly. Disponible en https://r4ds.had.co.nz/
  • Grolemund, G. (2014) Hands on programming with R. Write your own functions and simulations. O’Reilly. Disponible en https://rstudio-education.github.io/hopr/
  • Hicks, S C y Peng, R D. (2019) Elements and Principles of Data Analysis. arXiv. Disponible en https://arxiv.org/pdf/1903.07639.pdf
  • Ismay C. y Kim A.Y. (2019) Statistical Inference via Data Science: A moderndive into R and the tidyverse. Disponible en: https://moderndive.com/index.html
  • Matloff, N. (2011). The art of R Programming. A tour of statistical software design. No Starch Press.
  • Peng, R.D. (2014) R Programming for data science. Lulu.com
  • R Core Development Team (2000) Introducción a R. Notas sobre R: Un entorno de programación para Análisis de Datos y Gráficos. Disponible en https://cran.r-project.org/doc/contrib/R-intro-1.1.0-espanol.1.pdf
  • ROpenSci Reproducibility in Science. A Guide to enhancing reproducibility in scientific results and writing. Disponible en http://ropensci.github.io/reproducibility-guide/ Visitado el 20/06/2019
  • Santana, J.S; Farfán, E.M. (2014) El arte de programar en R. Un lenguaje para la estadística. Disponible en https://cran.r-project.org/doc/contrib/Santana_El_arte_de_programar_en_R.pdf
  • Wickham, H. (2009) ggplot2. Elegant graphics for data analysis. Springer.
  • Wickham, H. (2014) Tidy data. Journal of statistical software. doi: 10.18637/jss.v059.i10
  • Wickham, H. (2019) Advanced R. Second Edition. CRC Press. Disponible en https://adv-r.hadley.nz/
  • Wilke, C. O. (2019) Fundamentals of Data Visualization: A primer on making informative and compelling figures. O’Reilly. Disponible en https://serialmentor.com/dataviz/
  • Wilson, G., Aruliah, D. A., Brown, C. T., Hong, N. P. C., Davis, M., Guy, R. T., … & Waugh, B. (2014). Best practices for scientific computing. PLOS Biology doi: 10.1371/journal.pbio.1001745
  • Wilson, G.; Bryan, J., Cranston,K., Kitzes, J., Nederbragt, L., Teal, T. (2017). Good enough practices in scientific computing. PLOS Computational Biology. doi: 10.1371/journal.pcbi.1005510
  • Xie Y; Allaire J.J., Grolemund G. (2019) R Markdown: The Definitive Guide. CRC Press. Disponible en https://bookdown.org/yihui/rmarkdown
  • Zumel, N., Mount, J. (2016) Practical Data Science with R. Manning Publications.

Last updated on Jun 9, 2020

Edit this page