Materiales de clase

En el curso usaremos diversos tipos de materiales, los principales son:

• Slides : las transparencias (o slides) que usaré durante las clases.

• Tutoriales : digamos que son los apuntes/libro oficial del curso. Algunas de las tareas a hacer en casa consistirán en leer secciones de estos tutoriales.

• Guiones de clase/Ejemplos/Ejercicios : cada sesión (o grupo de sesiones) del curso tendrá un guión asociado con los materiales a usar en esa clase. Los iré colgando conforme avancen las clases.

• Actualizaré los materiales, principalmente los guiones de clase, conforme avance el curso

Slides

• Slides-00: Presentación

• Slides-01: Tema 1

• Slides-02: Primeros pasos

• Slides-03: R base

• Slides-04: Importar y exportar datos

• Slides-05: Data munging

• Slides-06(A): ggplot2 (primeras ideas)

• Slides-06(B): ggplot2 (más elementos)

• Slides-06(C): ggplot2 (distintos tipos de gráficos)

• Slides-07(A): Rmarkdown (primeras ideas, bye bye)

• Slides-07(B): Intro a Quarto

• Slides-07(C): Webs con Quarto

Tutoriales

• Prefacio

• Tutorial 01: Introducción

• Tutorial 02: Workflow

• Tutorial 03: R base

• Tutorial 04: Cargar datos

• Tutorial 05: Data munging

• Tutorial 06: ggplot2

• Tutorial 07: Rmarkdown

• Tutorial 08: Tablas con Rmarkdown

• Tutorial 09: Introducción a GIS con R

• Tutorial 10: Un poco de EDA y modelos

Guiones de clase

• Guión 01

• Guión 02

Plantillas para los trabajos

(Colgaré las plantillas cuando estéis preparados para iniciar los trabajos)

Bibliografía

• Hadley Wickham, Mine Çetinkaya-Rundel, and Garrett Grolemund (2023): R for Data Science (2e). https://r4ds.hadley.nz/

• Grolemund, G., Wickham, H. (2019): R para Ciencia de Datos. https://es.r4ds.hadley.nz/

• 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/

• James, G., Witten, E., Hastie T. y Tibshirani, R. (2015): An Introduction to Statistical Learning with applications in R. http://www-bcf.usc.edu/~gareth/ISL/

• Rafael A. Irizarry: Introduction to Data Science (Data Analysis and Prediction Algorithms with R). http://rafalab.dfci.harvard.edu/dsbook/

• Albert Rapp, Yet Again: R + Data Science, https://yards.albert-rapp.de/

• John P. Helveston: Curso Intro to Programming for Analytics. https://p4a.seas.gwu.edu/2023-Spring/

• Chester Ismay & Albert Y. Kim: Statistical Inference via Data Science (A ModernDive into R and the Tidyverse). https://moderndive.com/index.html

• Curso Data Science in a box. https://datasciencebox.org/

• B. S. Baumer, D. T. Kaplan, and N. J. Horton: Modern Data Science with R. https://mdsr-book.github.io/mdsr3e/

Más bibliografía/Recursos

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….

Recursos para buscar inspiración para tus proyectos

• 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.

• Kaggle: plataforma para aprender ML. Encontrarás datos y análisis de estos.

• Tidy Tuesday: cada semana lanzan una competición de visualización con unos datos.

Más recursos

• Quick-R

• r-statistics.co

• Modern Drive: un libro, en realidad un bookdown, que me gusta.

• 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.

Propuestas para aprender R

• How to get started with Data Science using R

• Tutorials for learning R

Necesito un paquete para …

• Listado sencillo

• Listado completo de CRAN agrupado por temática

• AWESOME list de pkgs

• Listado de pkgs agrupados por fase del análisis

Awesome list

Mucha gente hace sus propias listas de recursos R, aquí tienes algunas:

• Awesome R Learning Resources

• Learning R resources

• www.learnr4free.com