Introducción (Tema 1)

class: inverse, center, middle

<br>

#### Programación y manejo de datos con R (slides 01)

## Introducción (Tema 1)

<br>

### Pedro J. Pérez

#### e-mail: [pedro.j.perez@uv.es](mailto:pedro.j.perez@uv.es)

---
class: inverse, center, middle

### 1. Para analizar datos, ¿realmente necesito aprender R?

<br>

#### Bueno ... estamos en la era del Big Data y para hacer "Ciencia de Datos" es necesario programar.

#### Además, R es, junto con Phyton, el principal lenguaje para hacer DS.

---

##### Era del Big Data

- Estamos inmersos en una época de cambio tecnológico acelerado, conocida como la **era del Big Data**.

- Una parte importante de esos avances están relacionados con la **abundancia de datos**.

- Los datos masivos han posibilitado grandes avances en un campo de investigación como es el **Machine Learning/Deep Learning** ... y finalmente los LLM's

<br>

##### Datos másivos (Big data)

- "The world’s **most valuable resource** is no longer oil, but **data**" (The Economist, 2017).

- Necesidad de convertir datos en información que aporte valor a las corporaciones.

- Ha llevado a la aparición de un nuevo campo de conocimiento que está irrumpiendo con fuerza en muchos planes de estudio: la **Ciencia de Datos**

---

##### IA, ML y DL

- Los datos masivos han posibilitado grandes avances en un campo de investigación como es el **Machine Learning/Deep Learning**.

- La idea fundamental en que se basa la **Inteligencia Artificial** es conseguir que una computadora resuelva un problema complejo como lo haría un humano

- 3 etapas: inicios, sistemas expertos y ML/DL

- En ML/DL no hay que codificar las reglas, sino que se provee a un algoritmo con suficientes datos y este **encuentra las reglas por si mismo**; es decir, en cierto sentido "aprende".

- Este enfoque ha posibilitado que muchas tareas "humanas" se hayan **automatizado**.

- Un sistema/programa de ML es entrenado más que explícitamente programado.

- **Deep Learning** es un subconjunto del ML. Utiliza técnicas/algoritmos más complejas en términos computacionales y, por lo tanto, necesitan para aprender un mayor volumen de datos, pero su filosofía es la misma: proveer datos para que el ordenador aprenda a resolver y automatizar una tarea concreta.

---

##### ¿Qué es la Ciencia de Datos?

- Disciplina cuyo objetivo es **obtener información/conocimiento** de los datos que genere valor.

- Más simple: "usar datos para contestar preguntas" (!!)

- Pero ...  ¿ese no es también el objetivo de la estadística?

---

##### para nosotros la DS será ...

- Todo el proceso, todo lo que ocurre, desde que se importan unos datos hasta que se presentan los resultados.

---

##### DS es un buen trabajo?

- "The **data scientist** is the **sexiest job** of the century" : [Harvard Business Review (2012)](https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century).

- Según [este artículo de HBR](https://hbr.org/2022/07/is-data-scientist-still-the-sexiest-job-of-the-21st-century), parece que **en 2022** todavía sigue siendo un empleo muy demandado.

<br>

##### para ser "científico de datos", ¿qué necesito saber?

- Para un data scientist son muy importantes las hackings skills (programación)

---

##### ¿Que sotfware usar? ¿Point & click programs o lenguajes de programación?

.pull-left[
- **Con menús**: facilidad de uso; sin embargo, ...

<br>

- By the way, 🇷 [tiene muchas GUI's](https://r4stats.com/2022/02/09/r-graphical-user-interface-comparison/): programas con menús similares a SPSS.

]

.pull-right[

- **Con código**: 🇷eproducibilidad y flexibilidad, y ..., pero ...

]

---

.pull-left[

##### Una pequeña broma. Broma pero ...

<br>

]

.pull-right[
##### Programar cuesta (al principio), pero permite hacer muchas cosas nuevas

- Por ejemplo, [estos trabajos](https://perezp44.github.io/intro-ds-21-22-web/07-trabajos.html) se elaboraron como trabajos de una asignatura optativa del grado de Economía.

- Tenéis que visitar estas 2 páginas:

- [R weekly](https://rweekly.org/)
    
    - [R-bloggers](https://www.r-bloggers.com/)

- Más recursos:

- [CRAN package by task](https://cran.r-project.org/web/views/) y [II](https://github.com/cran-task-views/ctv)

- ["Top-40" new CRAN R packages](https://rviews.rstudio.com/2021/03/19/february-2021-top-40-new-cran-packages/)

- [Awesome list of R resources](https://github.com/iamericfletcher/awesome-r-learning-resources)

- [Otra Awesome R list](https://github.com/qinwf/awesome-R)

- [Big Book of R](https://www.bigbookofr.com/)

]

---

.pull-left[
##### OK, medio convencido, pero ... ¿de verdad que tengo que aprender a programar?

- **SÍ**. Todo lo que puedas.

- Una de las competencias importantes en DS es saber programar, pero … **requiere tiempo**; y  .orange2[al principio] te sientes **inútil**

<br>

<br>

]

.pull-right[
##### OK, medio convencido. Aunque ...

<div class="figure" style="text-align: center">
<img src="data:image/png;base64,#../imagenes/ss_00_R--excel.png" alt="From https://twitter.com/kareem_carr/status/1371836385133531155" width="100%" />
<p class="caption">From https://twitter.com/kareem_carr/status/1371836385133531155</p>
</div>
]

---
class: inverse, center, middle

### 2. OK, convencido, pero ... ¿por qué R?

<br>

#### Sacrílego!!!!  🧙🧙 🔥🔥

#### [Por muchas cosas!!!](https://mobile.twitter.com/tanya_shapiro/status/1516212841761681415) Lo mejor de 🇷 [su comunidad](https://twitter.com/WillBall12/status/1495068050118389768)!!

---

##### ¿por qué R?

- **R is the data language**: en Ciencia de datos it’s THE language to beat.

- Sólo tiene un rival serio: **Phyton**. Si no me crees puedes leer sobre ello [aquí](http://nadaesgratis.es/fernandez-villaverde/r), [aquí](https://www.r-bloggers.com/why-r-is-the-best-data-science-language-to-learn-today/), o [aquí](https://shirinsplayground.netlify.com/2017/09/ode_to_r/)

- Entre las **compañías que usan R** están: Google, Facebook, Twitter, Microsoft, IBM, Uber, Ford, Airbnb, American Express, Barclays Bank, Bank of America ...  Puedes encontrar un listado más completo [aquí](https://www.listendata.com/2016/12/companies-using-r.html)

- Evidentemente, no a todo el mundo le gusta R; por ejemplo [aquí](http://arrgh.tim-smith.us/) o el clásico [R-inferno](http://www.burns-stat.com/documents/books/the-r-inferno/)

<br>

##### Pero ... ¿y Phyton?

- Hay muchas opiniones sobre el debate **R vs Phyton**, por ejemplo: [esta](http://mchow.com/posts/data-science-cbk/),  [esta](https://twitter.com/bhanukjhingan/status/1395410754929520644), [esta](https://www.youtube.com/watch?v=wWABGUGv-Bg&feature=youtu.be) o [esta](https://www.youtube.com/watch?v=JAEs5IAhAYY).

- Phyton es un lenguaje de programación más general, **R is more domain specific**. Puedes consultar algunas **clasificaciones** [aquí](https://blog.revolutionanalytics.com/2018/06/pypl-programming-language-trends.html)

---

.pull-left[

##### by the way ... parece que seguimos creciendo!!

]

.pull-right[

##### además, yo me fio de Elmo!!!

<img src="data:image/png;base64,#../imagenes/ss_00_Elmo.png" width="75%" style="display: block; margin: auto;" />
]

---
class: inverse, center, middle

### 3.Primeras ideas , ¿qué es esto de R?

<br>

#### Conviene saber algunas cosas sobre el universo 🇷

#### (R, RStudio, paquetes, tidyverse, Rmarkdown, Rprojects ... Quarto)

---
background-image: url(imagenes/ss_00_RR_icono.jpeg)
background-position: 99% 1%
background-size: 6%

##### ¿qué es R?

- Es un **entorno** para hacer **análisis estadísticos**; de hecho, la página oficial de R se llama [The R Project for Statistical Computing](https://www.r-project.org/)

- También es un **lenguaje de programación**

- R se distribuye bajo la licencia GNU GPL; o sea, es **software libre**

<br>

##### ¿cuando fue creado?

- En 1993, por **R. Ihaka** y **R. Gentleman** de la Universidad de Auckland

- En 1997 el desarrollo de R se traspasó a un grupo de programadores conocidos como **"The R-core team"** ...

- ... pero actualmente, el entorno R es el resultado de la colaboración de la **comunidad de usuarios de R**

---
background-image: url(imagenes/ss_00_RStudio.png)
background-position: 99% 1%
background-size: 6%

##### ¿qué es RStudio?

- Técnicamente es un **IDE** (Integrated development environment) diseñado especialmente para R

- Intuitivamente es un **programa que nos facilita dar nuestras ordenes a R**.

- RStudio fue [creado en 2011](https://www.rstudio.com/blog/rstudio-new-open-source-ide-for-r/)

##### Diferencias entre R y RStudio

- Es importante entender la diferencia entre R y RStudio: R es un entorno/programa para hacer análisis estadísticos y también es un lenguaje de programación; mientras que RStudio es un programa que sirve para poder usar R de manera más cómoda y eficiente.

---
class: inverse, center, middle

### 4. Historia reciente de R

<br>

### R-base  vs.  tidyverse

---

##### a kind of revolution in 🇷: Hadley y el tidyverse

- R **era** un lenguaje "oscuro" para estadísticos y académicos, pero ...

- ... recientemente ha habido una especie de **revolución** en el universo 🇷

.pull-left[

- [Hadley Wickham](http://hadley.nz/), científico jefe de RStudio, [revolucionó el universo](https://priceonomics.com/hadley-wickham-the-man-who-revolutionized-r/?utm_campaign=Data%2BElixir&utm_medium=email&utm_source=Data_Elixir_46) 🇷, creando el '*Hadleyverse*'

]

.pull-right[

- El '*Hadleyverse*', se ha convertido en el [tidyverse](https://www.tidyverse.org/) gracias a un grupo de desarrolladores, por ejemplo:

<img src="data:image/png;base64,#../imagenes/ss_02_img_08_gente-tidyverse.jpg" width="95%" style="display: block; margin: auto;" />
]

---
background-image: url(imagenes/ss_05_img_03_tidyverse-hex.png)
background-position: 99% 1%
background-size: 6%

##### ¿qué es el tidyverse?

- Una nueva forma de escribir código y afrontar el análisis de datos con R.

- Según su propia página web, el [tidyverse](https://www.tidyverse.org/) es:

- **Traducido**, es un grupo de paquetes que se han diseñado con los mismos principios y que, por tanto, trabajan bien juntos y que han cambiado mucho, y a mejor, la forma de programar y afrontar el análisis de datos con R.

- Ahora mismo, el **tidyverse** [ya es el estándar](https://twitter.com/R_Hisp/status/1399635575712399360)

---
background-image: url(imagenes/ss_05_img_03_tidyverse-hex.png)
background-position: 99% 1%
background-size: 6%

##### R-base vs. tidyverse

- Podemos pensar que hay 2 formas de escribir código en 🇷: R-base y tidyverse.

- Nosotros escribiremos, principalmente, **à la tidyverse**.

- Escribir *à la tidyverse* [tiene ventajas](https://twitter.com/andrewheiss/status/1359583543509348356?ref_src=twsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1359583543509348356%7Ctwgr%5E%7Ctwcon%5Es1_&ref_url=file%3A%2F%2F%2Fhome%2Fpjpv%2FEscritorio%2Fslides_curso-R_2021_ok%2Fslides_01_intro_a.html1) y, además, es que [ya es el estándar](https://twitter.com/R_Hisp/status/1399635575712399360)

<br>

##### tiene ventajas, p. ej ... la claridad y facilidad a la hora de leer el código.

- **R-base way**:

``` r
leave_house(get_dressed(get_out_of_bed(wake_up(me, time = "8:00"), side = "correct"), 
                        pants = TRUE, shirt = TRUE), car = TRUE, bike = FALSE)
```

- **à la tidyverse** (el operador %>% se llama "the pipe"):

``` r
me %>% 
  wake_up(time = "8:00") %>% 
  get_out_of_bed(side = "correct") %>% 
  get_dressed(pants = TRUE, shirt = TRUE) %>% 
  leave_house(car = TRUE, bike = FALSE)
```

---
class: inverse, center, middle

### 5. Investigación reproducible y Rmarkdown

<br>

#### En mi opinión R está(ba) varios pasos por delante en cuanto a investigación reproducible

---
background-image: url(imagenes/ss_00_new_logo_rmd.png)
background-position: 99% 1%
background-size: 5%

##### Tidyverse workflow e investigación reproducible

- Realizaremos **todas las etapas con R**, sin cambiar de programa; y además, como queremos que nuestros análisis sean **reproducibles** usaremos ...

<br>

#####  usaremos ...

- [Rprojects](https://support.rstudio.com/hc/en-us/articles/200526207-Using-Projects)

- [Rmarkdown](https://rmarkdown.rstudio.com/) o [Quarto](https://quarto.org/) para hacer informes o documentos reproducibles.

---
class:: inverse2

### Antes de abrir RStudio: sé que todos somos mayores y que casí sois Graduados pero aún así ... un consejo

<br>

#####  En serio!! Completamente en serio!!

---
class: center

###  1. Es muy-muy importante la actitud!!!

--
.pull-left[

##### Hay que intentar no agobiarse ...

<br>

.small[**Errores tontos**, we will have [a few](https://twitter.com/cogscimom/status/1354508785365078016/photo/1), well ... [a lot](https://twitter.com/WeAreRLadies/status/1523777331386458178). Es un poco frustante, pero [completamente normal](https://twitter.com/allison_horst/status/1213275783675822080?ref_src=twsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1213275783675822080%7Ctwgr%5E%7Ctwcon%5Es1_&ref_url=https%3A%2F%2Fperezp44.github.io%2Fintro-ds-21-22-web%2Ftutoriales%2Ftt_02_primeros-pasos-con-R.html) !!!!!!]

]

--
.pull-right[

#### ... mejor dejarse llevar

<img src="data:image/png;base64,#../imagenes/ss_03_img_02_baby-surf.jpg" width="95%" style="display: block; margin: auto;" />
]

.pull-right[

]

---
background-image: url(data:image/png;base64,#../imagenes/ss_03_img_02_baby-surf.jpg)
background-size: cover

### Vengaaaa, vamos allá!!!!