Análisis con R
Aprende a analizar datos con R desde cero. Es un curso de iniciación: no necesitas saber programar ni haber usado R antes. En unas 55 horas pasarás de instalar R y RStudio a importar datos reales, limpiarlos y transformarlos con el tidyverse, resumirlos, hacer gráficos claros con ggplot2 y presentar tu análisis en un informe reproducible con Quarto.
Qué incluye: 8 temas, 2 entregas y un trabajo final
- Módulo 1 · Primeros pasos con R — Tema 1 R y RStudio: tu primera sesión de trabajo · Tema 2 Vectores, tipos de datos y funciones básicas · Tema 3 Data frames: trabajar con tablas · Entrega 1: vectores y tablas en R base
- Módulo 2 · Manejo de datos con el tidyverse — Tema 4 Importar y exportar datos · Tema 5 Transformar datos con dplyr y tidyr · Entrega 2: importar, limpiar y resumir datos reales
- Módulo 3 · Visualización e informes — Tema 6 Visualización de datos con ggplot2 · Tema 7 Resúmenes descriptivos y comparación de grupos · Tema 8 Informes reproducibles con Quarto · Trabajo final: informe reproducible de análisis exploratorio
A quién va dirigido. A cualquier persona que trabaje con datos en una hoja de cálculo y quiera dar el salto a una herramienta más potente y reproducible: estudiantes de grado o de máster de cualquier rama, investigadores, técnicos de la administración, analistas de negocio, profesionales de la salud o de las ciencias sociales. También es la preparación recomendada para los cursos Probabilidad y estadística y Estadística Avanzada, que usan R.
Requisitos previos. Ninguno de programación. Basta con saber usar el ordenador (instalar programas, manejar carpetas y ficheros), tener soltura con una hoja de cálculo y recordar la aritmética y los porcentajes de secundaria. Este curso enseña el lenguaje y el análisis básico de datos; la teoría estadística (probabilidad, inferencia) se estudia en los cursos de estadística.
Metodología. Cada tema trae un PDF propio con explicaciones paso a paso, ejemplos con datos reales y errores frecuentes, un notebook de entrenamiento con ejercicios autocorregibles y su solución, y una autoevaluación que desbloquea lo siguiente. Las dos entregas son notebooks cortos con datos públicos y el trabajo final es un informe Quarto con tu propio análisis.
Trabajarás con R 4.4 o posterior y RStudio, en tu ordenador o en Google Colab sin instalar nada; la página de entorno te guía paso a paso. Paquetes: readr, readxl, dplyr, tidyr, forcats y ggplot2, con datos públicos como los pingüinos de Palmer o Gapminder. Dedicación estimada: 55 horas (unas 6 horas semanales durante 9 semanas) más una hora de presentación.