Jesús Zavala
Jesús Zavala
 

Introducción a RStudio

Presentación

Programa Analítico del Curso

 Introducción a RStudio

(Teoría y Práctica)

 Abierto

Horario: Lunes y Miércoles de 10:00 a 12:00 y Martes de 20:00 a 22:00 hr

Salón: En línea, vía Google Meet

Inscripción: por correo electrónico o Telegram: @jzavalar


profr: dr. Jesús Zavala Ruiz

jzr@xanum.uam.mx

Telegram: @jzavalar

 

 Introducción

R es un lenguaje de programación especializado en el cálculo estadístico que tiene múltiples aplicaciones, incluyendo el cómputo geográfico.

Este pequeño curso es una introducción a R utilizando RStudio como ambiente integrado de desarrollo (IDE). Pretende proporcionar las bases para preparar los datos como una base de datos relacional.

Este curso no es una UEA. Más bien es un curso abierto que pretende proporcionar las bases teórico-prácticas para que los alumnos manejen el RStudio como una herramienta de análisis estadístico y que les permitan explorar por su cuenta este vasto mundo del cómputo estadístico y geográfico con R.

 

Objetivos

Generales

Que al final del curso los alumnos sean capaces de

Aprender el uso de RStudio como el ambiente de desarrollo más potente de R.  

Aprender los principios generales de la preparación y limpieza de datos, antes del análisis, con el paquete Tidyverse y otros.

Unidad 0. Presentación

0.1. Presentación del curso

0.2. Presentación de los participantes

Unidad 1. Bases 1: RStudio

1.1. Instalación de R y RStudio

1.2. Configuración de RStudio

1.3. Uso básico de RStudio

1.4. Práctica 1: Instalación de R y RStudio y su configuración

Descargue R y RStudio de aquí e instálelo según la guía.

Unidad 2. Bases 2: Paquetes y Datos

2.1. Instalación de paquetes

2.2. Carga de datos

2.3. Práctica 2: De importación y exportación de datos (url).

Instale tidyverse en RStudio (guía en el libro R for Data Science o en la versión en español).

Importe datos (cap 11 del libro R for Data Science) (traducción).

Exporte datos (cap 11 del libro R for Data Science) (traducción).

Unidad 3. Limpieza 1: Tablas de Datos

3.1. Limpieza de columnas y exploración de filas

3.2. Creación de nuevas variables

3.3. Práctica 3: Transfomación de datos (url)

3.4. Práctica 4: De frameworks a tibbles (url)

Unidad 4. Limpieza 2: Bases de Datos

4.1. De tablas a bases de datos

4.2. Práctica 5: Datos ordenados (url)

4.3. Bases de datos relacionales

4.4. Práctica 6: Datos relacionales (url)

Unidad 5. Proyecto

5.1. Flujo de trabajo (url)

5.2. Proyectos (url)

Bibliografía Obligatoria:

  • RYouWithMe. (url).
  • Ruiz, E. (2018, May 25). Usando R para la ciencia de datos. [video]. RStudio. (url).
  • Wickham, A., & Grolemund, G. (2017). R for data science: Import, tidy, transform, visualize, and model data. O’Reilly Media. (traducción al español) (url).

Bibliografía Complementaria:

  • Ruiz, E. (2018, May 25). Usando R para la ciencia de datos. [video]. RStudio. (url).
  • Reunion del Grupo de Usuarios R San Carlos (2017, Apr 6). Tidyverse: una breve introducción. [video]. YouTube (url).
  • Rhys, H. I. (2020). Tidying, manipulating, and plotting data with the tidyverse. In Machine learning with R, Tidyverse, and Mlr (pp. 22-52). Manning Publications.
  • RStudio. (url).
  • RStudio online. (url).
  • Tidyverse. (url). 

 

Modalidades de Conducción del Proceso de Enseñanza-Aprendizaje

 

El proceso de enseñanza-aprendizaje se llevará a cabo de una manera dinámica. El profesor será conductor de este proceso y promoverá la participación activa de los alumnos.

En las clases se realizarán exposiciones temáticas, en líneas, por parte del profesor, acompañadas de la participación activa y fundamentada de los alumnos y la compartición de su experiencia. El profesor explicará el desarrollo de conceptos, técnicas o procesos, presentará ejemplos y abrirá un espacio para plantear preguntas y dudas. Se impulsará la reflexión de los alumnos y la expresión de sus ideas, dudas y puntos de vista, mediante preguntas y comentarios. Se aclararán las dudas surgidas. Se profundizarán los aspectos requeridos y se ampliará la información necesaria haciendo un esfuerzo por llegar a conclusiones. Además de otras modalidades que proponga el profesor y que serán dadas a conocer al inicio del curso. El profesor promoverá el uso de la lógica y la creatividad.

Se harán ejercicios o problemas, de manera individual, en equipo y en el grupo en su conjunto, resolverán poniendo en práctica los conocimientos adquiridos. El alumno realizará los ejercicios y las prácticas de manera colaborativa y auto-organizada de tal forma que las lecturas y materiales de apoyo se conviertan en un apoyo para aprender, previamente a la clase. Se realizarán exposiciones individuales, en linea, por parte de los alumnos u otras estrategias que resulten pertinentes para el proceso de enseñanza-aprendizaje, según el contexto del tema y el material disponible. Se desarrollarán prácticas grupales con la ayuda de problemarios y videos.

 

Modalidades de Evaluación

Evaluación

Dada la proporción mayoritaria de la práctica, es importante la participación activa clase a clase y previamente a la clase.

Ponderación de calificación

Factor

Porcentaje

Observaciones

Prácticas

0%

Es prerrequisito para la presentación del examen.

Examen en línea

50%

El examen será la resolución de un problema práctico que integrará todas las unidades , con evaluación oral.

Proyecto

50%

La última semana

Total

100%


 

La evaluación global se realizará el lunes 13 de julio de 2020 con un examen teórico-práctico que versará sobre la totalidad de las unidades. La reposición de la evaluación global será el miércoles 15 de julio de 2020.

 

Número de visitas: 1

Última actualización: 27 de agosto de 2020, 3:55 CST.