Ciencia de Datos con R

Objetivos:

1. Expresiones y Asignación
2. Objetos
3. Datos Básicos en R

• Logical
• Numeric
• Integer
• Character

Objetivos:

1. Coerción

2. Valores Especiales

• Inf y -Inf
• NaN
• Na Guía Estilo R 

3. Guía Estilo R

En este módulo aprenderás las partes mas importantes del IDE RStudio. Examinaremos el visualizador de datos, la pestaña del entorno, la pestaña del historial, como establecer y obtener nuestro directorio de trabajo, analizaremos el panel de gráficos, navegaremos por la pestaña de ayuda y más cosas.

Objetivos:

Después de estudiar este módulo, deberíamos:

• Conocer las principales estructuras de datos que proporciona R.
• Ser capaces de crear las distintas colecciones en R.
• Saber manipular las diferentes conjuntos de datos que aporta R.

Objetivos:

1. Creación de Vectores

2. Longitud

3. Tipos Fundamentales de Vectores Atómicos

• Logical
• Numeric
• Character

4. Manipulación de Vectores Atómicos

• Funciones para Comprobar el Tipo
• Coerción
• Nombre de los Elementos
• Operaciones Vectorizadas
• Reciclado de Vectores y Repetición
• Selección de Elementos

Objetivos:

1. Creación de Matrices
2. Filas, Columnas y Dimensión
3. Nombres de las Filas, Columna y Dimensiones
4. Operaciones con Matrices
5. Selección de Elementos
6. Agregar Filas y Columnas
7. Eliminar Filas y Columnas

Objetivos:

1. Creación de Listas
2. Selección de Elementos

Objetivos:

1. Creación de dataframes
2. Filas, Columnas y Dimensión
3. Nombres de las Filas y Columnas
4. Selección de Elementos
5. Attach y Detach
6. Eliminar Columnas y Filas
7. Añadir Filas y Columnas
8. Ordenar dataframes
9. Cambiar la Forma de un dataframe: formato wide y long

• Uso de stack() para dataframes con Estructuras Simples
• Transformar dataframes con Estructuras Complejas

Resumen de los conceptos más importantes tratados en este módulo

Guía de Referencia Estructura de Datos en formato pdf que resume los conceptos más importantes tratados en este módulo.

En este módulo examinaremos las características que ofrece el IDE para programar de forma mas eficiente y divertida. Por ejemplo, veremos como las características de autocompletado y diagnostico de código pueden ayudarnos a detectar errores en nuestra sintaxis y estilo de nuestro código. Aprenderemos trucos para usar cursores múltiples, a colapsar el código para una mejor visibilidad y por último, a dominar las herramientas que nos ofrece RStudio para la depuración del código.

Objetivos:

Después de estudiar este módulo, deberíamos:

• Ser capaces de controlar el flujo de ejecución con la ayuda de las estructuras
  condicionales.
• Estar capacitados para ejecutar bloques de código repetidamente mediante estructuras
  iterativas

Objetivos:

1. if
2. if-else
3. if-else anidados
4. if Vectorizado
5. Selección Múltiple con switch()

Objetivos:

1. Bucle for

2. Bucles for anidados

3. Bucle while

4. Bucle repeat

5. Cláusula break

6. Cláusula next

7. Alternativas al Uso de Bucles en R

• Vectorización
• El conjunto de funciones de la familia apply
• El paquete purr

8. Consejos para el Uso de Bucles en R

Objetivos

Después de estudiar este módulo, deberíamos:

• Conocer lo básico de los paquetes en R: que son los paquetes y porqué deberíamos
  incorporar su uso en el trabajo con R y dónde encontrarlos.
• Ser capaces de instalar y usar paquetes: cómo podemos instalar paquetes desde
  CRAN, servidores espejo CRAN, Bioconductor o GitHub. Además, aprenderemos el
  uso de la función install.packages() , la manera de actualizarlos, eliminarlos, etc.
• Dominar las características que nos ofrece RStudio para la manipulación y gestión de paquetes.
• Entender la diferencia entre un paquete y una librería.
• Saber como utilizar la documentación, los archivos DESCRIPTION y
  otras fuentes de documentación.
• Tener conocimiento de cómo escoger el paquete correcto para nuestro análisis.

Objetivos:

Después de estudiar este módulo deberíamos:

• Conocer los diferentes formatos y fuentes de datos que podemos encontrarnos.
• Saber como importar Datos a R de diferentes formatos y fuentes.
• Tener la habilidad de importar datos con la ayuda de RStudio.
• Conocer y dominar la nueva pestaña "Conection" de RStudio para establecer conexiones a bases de datos.

Lectura de Archivos en Formato Tabular:

1. Lectura de Archivos de Texto con readr
2. Lectura de Archivos Excel con realxl

Lectura de Archivos Estadísticos con el paquete haven:

1. Lectura de Archivos SPSS
2. Lectura de Archivos Stata
3. Lectura de Archivos SAS