Etherpad: durante el curso escribiremos código R. Esta etherpad nos permitirá compartir el código.
RStudio Cloud Project. Si todo va bien, si todos venís a clase con los programas instalados, no nos hará falta y no lo usaremos.
Durante el curso usaremos diferentes materiales (tutoriales, slides, ejemplos y casos), los tenéis disponibles en la sección Materiales.
Dos fantásticos libros:
Grolemund, G., Wickham, H. (2016): R for Data Science, OReilly. https://r4ds.had.co.nz/
Peng, R. D. (2016): Exploratory Data Analysis with R. Lean Publishing. https://bookdown.org/rdpeng/exdata/
Dos agregadores de blogs sobre R:
R-weekly: cada semana envían un archivo con los mejores análisis hechos con R esa semana. Tienes que apuntarte aquí.
R-bloggers: Un agregador de blogs relacionados con R.
La comunidad R es muy dinámica y en general comparte sus materiales, lo que hace que los recursos para aprender R sean, exagerando un poco, casi infinitos. Es imposible abarcarlo todo, es una avalancha continúa de nuevas paquetes, análisis, cursos, libros, etc….
Mas abajo tenéis un listado de recursos, pero, de todas formas, mira lo que dice Jesse Mostipak sobre aprender #rstats:
My #rstats learning path:
— Jesse Mostipak (@kierisi) August 18, 2017
1. Install R
2. Install RStudio
3. Google “How do I [THING I WANT TO DO] in R?”
Repeat step 3 ad infinitum.
swirl: swirl teaches you R programming and data science interactively, at your own pace, and right in the R console!
R views: Un blog de la comunidad R editado por RStudio. Cada mes saca un post con los mejores 40 paquetes de ese mes; por ejemplo, aquí tienes el de julio de 2020.
Stack Overflow: si al final acabas utilizando R para tus análisis, seguramente acabarás utilizando Stack Overflow. Es una comunidad de programadores, en la que muchas veces resolverás las dudas que te puedan surgir en tu aprendizaje sobre R.
Mucha gente hace sus propias listas de recursos R, aquí tienes algunas:
If you see mistakes or want to suggest changes, please create an issue on the source repository.
Text and figures are licensed under Creative Commons Attribution CC BY 4.0. Source code is available at https://github.com/perezp44/curso_R_SFPIE_2021, unless otherwise noted. The figures that have been reused from other sources don't fall under this license and can be recognized by a note in their caption: "Figure from ...".