Módulo 1:

Objetivo: sesión inicial del curso donde se presentan los temas a abordar y la instalación de R y RStudio.

Contenido:

• Por qué R
• Ciclo de un proyecto de análisis de datos
• Entornos de Programación
• Instalar R según sistema operativo
• RStudio: proyecto, estructura, ventanas, directorios de trabajo,RStudio en línea.
• R Vs. RStudio
• Proyectos de Trabajo: crear proyecto, ambiente, directorio de trabajo, estructura de proyectos, ventanas. Consumo de memoria
• Archivos: Scripts R y Rmd.

Ejercicio práctico: Crear un proyecto y dentro del proyecto un script “hello word.R”

Módulo 2:

Objetivo: Comprender el entorno de programación. Aprender a instalar paquetes, cargarlos.

Contenido:

• Crear objetos, variables, nombres variables
• Fundamentos básicos de programación en R. Funciones precargadas
• Consola / Script
• Crear scripts.
• Archivos: R, Rmd, Quarto, RData y RMD.
• Rbase

Ejercicio práctico:

• Crear vectores de distintos tipos

Módulo 3:

Objetivo: Conocer la estructura de datos denominada “vector”

Contenido:

• Paquetes: instalación y carga de paquetes
• Repositorios de paquetes
• Vectores: logical, character, integer, numeric, date. Función mode
• Cómo pedir ayuda

Ejercicio práctico:

• Crear vectores de distintos tipo “mode”

Módulo 4:

Objetivo: Seguir conociendo las principales estructuras de datos que se manejan dentro de R

Contenido:

• “Coerce” dentro de los vectores. Función class
• Trabajando Factores
• Matrices
• Listas
• Acceder a elementos de vectores, listas: índices y atributos. Función print

Ejercicio práctico:

• Practicar elementos de coerce, accesos a elementos de listas.

Módulo 5:

Presentación: Conocer la estructura de datos Data Frame y sus atributos

Objetivo:

• Data Frames
• Importar datos 1- Función read_csv
• Acceso elementos Data Frame
• Visualizar parcial o totalmente, función view
• Funciones str, summary y tabulaciones cruzadas

Ejercicio práctico:

• Crear una Data Frame

Módulo 6:

Objetivo: Comprender cómo obtener subconjuntos condicionados sobre vectores o Data Frames

Contenido:

• Operadores lógicos, tabla de la verdad
• Programación funcional
• Subsets
• Presentación dplyr
• Aplicación de filtros via dplyr filter

Ejercicio práctico:

• Subsets y Filter de Data Frames precargadas

Módulo 7:

Objetivo: Procesamientos de datos encadenados e introducción a la generación de reportes

Contenido:

• Encadenamiento en los procesamientos: operador pipe %>%
• Carga de datos desde excel
• Gráfico de frecuencia de una variable, Análisis Exploratorio de datos
• Aplicación filtros en data frames por funciones máx, min, mean
• Preparar un reporte estático e interactivo

Ejercicio práctico:

• Crear un reporte con un subset de datos

Módulo 8:

Objetivo: Creando datos derivados- mutate aplicado a datos de tipo fechas

Contenido:

• Data Frames aplicar mutate -1
• Trabajando con fechas: month, day, year, convertir formatos POSIX

Ejercicio práctico:

• Crear columnas con día, mes y año en una Data Frame

Módulo 9:

Objetivo: Creando datos derivados- mutate aplicado a datos de tipo “string”

Contenido:

• Data Frames aplicar mutate -2
• Trabajando con strings: str_detect, str_split, str_squish, entre otras.
• Expresiones regulares
• Separate

Ejercicio práctico:

• Usar separate dentro de una data frame vs mutate

Módulo 10:

Objetivo: Comprender funciones condicionales vectorizadas

Contenido:

• Binds por columa o por fila.
• Función ifelse
• Función case_when
• Arrange

Ejercicio práctico:

• Lectura de datos, juntar Data Frames y aplicar condicional.

Módulo 11:

Objetivo: Comprender un flujo completo de importar y transformar los datos con el pipe operator

Contenido:

• Función select
• Aplicación de un pipeline compuesto

Ejercicio práctico:

• Aplicar lo aprendido en Modulos del 7 al 11.

Módulo 12:

Objetivo: agrupación de datos dentro de una Data Frame y obtención de valores sumarios

Contenido:

• Agrupación de datos: group-by
• Presentación estructura tibble
• Sumarizar datos: summarise
• Desagrupar

Ejercicio práctico:

• Agrupar una Data Frame por variable categórica y obtener valores sumarios

Módulo 13:

Objetivo: comprender los datos representados en formatos wide o longer

Contenido:

• Pivoteo de datos
• Formatos de datos long
• Formatos de datos wide

Ejercicio práctico:

• Transformar de formato wide a long una Data Frame

Módulo 14:

Objetivo: comprender las familia de las funciones vectorizadas apply

Contenido:

Programación funcional:

• sapply
• lapply
• apply
• tapply

Ejercicio práctico:

• Aplicar lapply sobre subset de columnas de una Data Frame

Módulo 15:

Objetivo: Introducción al análisis exploratorio de datos e imputación de datos faltantes.

Contenido:

• Lectura de datos JSON
• Inspección de datos
• Introducción Análisis Exploratorio de Datos
• Imputación de datos faltantes

Ejercicio práctico:

• Realizar un reporte y análisis exploratorio sobre un conjunto de datos no mayor 5 variables

Módulo 16:

Objetivo: Abordar las estructuras de control y los ciclos

Contenido:

• Estructuras de control if, else
• Loops, whiles
• Gráficos en Plotly

Ejercicio práctico:

• Mediante un loop generar distintos gráficos y guardarlos.

Módulo 17:

Objetivo: comprender la lógica de las funciones

Contenido:

• Crear funciones: argumentos, default, return
• Vectorizados Vs. Ciclos

Ejercicio práctico:

• Crear dos funciones que contengan una estructura de control

Módulo 18:

Objetivo: Comprender los tipos de gráficos y sus usos. Introducción al sistema ggplot2.

Contenido:

Sistema gráfico ggplot2: grammar of graphics 1

• Tipos de gráficos
• Leyendas

Ejercicio práctico:

• Crear 2 gráficos: 1 de barra, 1 de líneas

Módulo 19:

Objetivo: Comprender los tipos de gráficos y sus usos. Introducción al sistema ggplot2.

Contenido:

Sistema gráfico ggplot2: grammar of graphics 2

• Facets
• Adaptación colores

Ejercicio práctico:

• Crear facets con paleta de colores personalizada.

Módulo 20:

Objetivo: familia de funciones vectorizadas 2

Contenido:

• Funciones vectorizadas purrr
• Bind_rows, bind_cols
• Lecturas en bucle

Ejercicio práctico:

• Lectura de datos en bucle y conformación de una estructura de datos unificada.

Módulo 21:

Objetivo: Comprender la lógica de joins (unión) de Data Frames.

Contenido:

• joins de datos
• Regresión lineal

Ejercicio práctico:

• Aplicar un join de datos y obtener una regresión lineal por grupo de datos

Módulo 22:

Objetivo: Aspectos generales de recursos en línea

Contenido:

• Trabajando con repositorios de códigos
• Control de Versiones
• Cómo pedir ayuda
• Dónde pedir ayuda

Ejercicio práctico:

• Según dinámica de las sesiones previas

Modulo 23:

Objetivo: Introducción al machine learning supervisado y no supervisado

Contenido:

Introducción al machine learning con paquete caret.

• Aprendizaje supervisado: Arboles de decisión
• Aprendizaje no supervisado: clustering

Ejercicio práctico:

• Crear clusters sobre un conjunto de datos

Módulo 24:

Objetivo: crear aplicaciones web interactivas con Shiny 1

Contenido:

Introducción a Shiny 1: Aplicaciones web interactivas

• Estructura UI – Server
• Principios de programación reactiva

Ejercicio práctico:

1. 1. crear una aplicación web interactiva mínima.

Módulo 25:

Objetivo: crear aplicaciones web interactivas con Shiny 2

Contenido:

Introducción a Shiny 2: Aplicaciones web interactivas

• Sliders, inputs de texto, inputs numéricos, render de tablas y gráficos

Ejercicio práctico:

• Continúa de sesión anterior: crear una aplicación web interactiva mínima 2