1 Presentación
R pre-introductorio es idóneo para personas que nunca han programado pero están interesadas en aprender Data Science.
Hay excelentes recursos para perfeccionar R (más adelante yo mismo voy a proponer un plan de estudio). Esos libros son mucho más completos, detallados, eruditos… e inevitablemente más abrumadores.
R pre-introductorio se lee en poco tiempo y cumple el objetivo de transmitir todo lo necesario para familiarizarse con R.
University of Arizona, USA | Instagram: uarizona
R es la lengua franca entre quienes practican Data Science, y este libro es -you guessed it- aún menos que una introducción a R. Aquí vamos a estudiar una gota de código nada más, pero eso será suficiente para dar el paso más difícil de todo este proceso: comenzar.
¿A quiénes sirve este libro?
R pre-introductorio le sirve especialmente a aquellas personas sin experiencia en programación pero con ganas de aprender Data Science.
Lo escribí para apoyar la promoción de R en América Latina. Creo firmemente que popularizar estas habilidades puede tener un efecto transformador en nuestras sociedades. Aprender a programar no sólo mejora los horizontes laborales de las personas, también agudiza su pensamiento y su toma de decisiones.
La mayoría de recursos para aprender R están escritos en inglés. Esta barrera del idioma no se puede derribar por completo (ni sería deseable hacerlo: ¡Hay que aprender inglés!). Sin embargo, confío en que acercar estos insumos en español propicie que más personas en América Latina desarrollen interés por la programación orientada a Data Science.
R pre-introductorio busca que más personas se den por fin la oportunidad de instalar R y cogerle cariño. Por eso su estilo es narrativo, informal, a veces sacrificando la exactitud en pos de la claridad.
¿Cómo se organiza este libro?
R pre-introductorio se divide en tres secciones:
- El camino incluye una serie de capítulos en los que presento los conceptos, los recursos y los hábitos más determinantes para aprender R exitosamente. Esta sección sólo da resultado si se pone a prueba, o sea, si la persona va produciendo el código por su cuenta mientras va leyendo el texto (absténgase de copiar-y-pegar).
- Casi nada de estadística aborda ciertas ideas fundamentales de análisis estadístico y las ilustra mediante código. De nuevo, esto funciona sólo si se le mete mano a R.
- Code drills es una colección de ejercicios, un menú de demostraciones para fortalecer habilidades específicas.
Los materiales de R pre-introductorio se descargan aquí, para que cada quien los trabaje por su cuenta. Si acceden mediante GitHub Classroom, yo les podré dar asistencia y seguimiento (es gratis; pídanme más información al correo electrónico).
Contacto
R pre-introductorio es un proyecto en constante transformación. Estaré agregándole secciones, capítulos y correcciones. Es de esperar que las primeras versiones sean particularmente inestables.
La actual versión es: 2023-03-14 16:40:03.
Son bienvenidas todas las sugerencias y opiniones. Me interesa conversar sobre cualquier criterio dividido que pueda generar el texto. Agradeceré especialmente que me alerten de imprecisiones, códigos mejorables o propuestas de nuevos temas.
Puedo ofrecer talleres de programación (grupales, gratis) para personas estudiantes radicadas en América Latina. Pero hay reglas. Mejor me escriben. También estoy disponible para sesiones de mentorship académico general.
- Email: ealvaradomena@arizona.edu
El autor
Edwin Alvarado-Mena. Computational Social Scientist & PhD Student, University of Arizona, USA. Ha sido profesor de la Universidad de Costa Rica, el Instituto Centroamericano de Administración Pública y la Facultad Latinoamericana de Ciencias Sociales (FLACSO). Ex asesor del Gobierno de la República de Costa Rica (2016-2021). Publica una columna mensual en la revista Divergentes.
Seis temas en los que está trabajando ahora mismo:
- Computational Social Science.
- Policy Analysis & Evaluation.
- Causal Inference.
- Political Economy of Development.
- Urban Studies.
- R Education.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 3.0 United States License.