Capítulo 6 R que R

He intentado mostrar en esta brevísima introducción a R, las funcionalidades básicas de este lenguaje de Programación estadística y algunas de las aplicaciones posibles. Esto ha sido sólo una muestra para despertar el apetito. Uno de los aspectos más positivos de este lenguaje es, precisamente, la activa comunidad de usuarios que existe a su entorno, gracias a la cual es muy fácil obtener soporte para problemas específicos y seguir aprendiendo mediante infinitud de recursos, muchos de ellos gratuitos.

A continuación os dejo una lista de recursos para seguir aprendiendo R que R.

6.1 Tutoriales

Algunos materiales interesantes para seguir aprendiendo son:

  • El libro R for Data Science de Hadley Wickham, experto neozelandés que trabaja en RStudio. Toda una referencia actual en el desarrollo de este lenguage de programación y creador e integrador de gran cantidad de paquetes que facilitan todo el proceso analítico.

  • An Introduction to Statistical Learning with Applications in R (ISLR) de los profesores de Stanford Trevor Hastie y Rob Tibshirani. Mucho conocimiento transmitido de un modo muy cálido y relajado.

  • Variance Explained de David Robinson videos cortos, super claros y explicativos.

  • El libro Tidy Textmining, escrito por Julia Silge y David Robinson.

  • R-bloggers, blog curado por Tal Galili, Doctor de la Universidad de Tel Aviv. Enrorme repositorio de posts de miembros de de la comunidad de R a nivel mundial.

  • twotorials de Anthony Damico una introducción muy ágil y divertida a R (videos de 2 minutos usando R en bruto ¡sin Rstudio!).

  • Data Science Central de Vincent Granville.

  • KDnuggets de Gregory Piatetsky.

  • Kirk Borne científico de datos principal en la consultora pionera BoozAllen.

  • Analytics Vidhya blog de un equipo muy activo de analistas de Bombay, liderados por Kunal Jail y que son además excelentes comunicadores y están siempre a la última de los avances en análisis de datos y Machine Learning, lenguajes de programación, etc. Como la gente de Rstudio y Datacamp, también publican útiles “chuletas” o Cheat Sheets Para principiantes pero también para usuarios más avanzados.

  • François Husson, análisis de datos multivariantes y técnicas de clusterización con R.

  • Para trabajar con predicciones en series temporales es muy útil el trabajo del profesor Rob J Hyndman de la Monash University, creador del paquete Forecast.

Otros recursos abiertos y gratuitos útiles son:

  • Los excelentes materiales del curso CSI E-109 del Harvard Distance Education, impartido por los porfesores de Harvard _professors Joe Blitzstein, Hanspeter Pfister y Verena Kaynig-Fittkau.

  • Inventarios de recursos intersantes como Data Science Masters de Clare Corthell de Summer.ai

  • Learn Data Science de Nitin Borwankar.

  • Kaggle Plataforma, red social de científicos de datos y entorno para competiciones de proyectos de minería de datos, aprendizaje automático y modelos predicitivos, creada por Anthony Goldbloom.

Datacamp, Coursera y Udacity, entre otros ponen al alcance de todos el poder iniciarse en ciencia de datos y R.

Finalmente, existen numerosos blogs personales de doctorandos, practitioners o usuarios apasionados de R que muestran modos de analizar datos para casos específicos. También es sumamente útil encontrar notebooks donde se conjugan scripts de código y explicaciones de los mismos.

6.2 Obtener ayuda

Ya vimos que podemos obtener ayuda sobre una función o un objeto usando ? o help(). Para acceder a la ayuda general en R podemos escribir help.start() o usar la pestaña help (si estamos en el entorno de Rstudio). También podemos usar vignette() para visualizar una descripción detallada de un paquete, de para qué sirve y de cómo usarlo.

Cuando al ejecutar comandos nos aparece un error (mensaje de texto en rojo en la consola de R), es importante leerlo para aprender de él (¡como en la vida!).

Otra gran opción que tenemos para resolver errores es buscar en la web de preguntas y respuestas stackoverflow https://stackoverflow.com. Si simplemente copiamos y pegamos el error que nos aparece en R en Google, es muy probable que nos dirija a stackoverflow. Y es muy probable también que en uno de sus foros alguien haya solucionado ya el problema que buscamos u otro similar que nos ayude a entender. De igual modo podemos contribuir allí y aclarar dudas a otros. Estos foros de preguntas y respuestas son, por lo general, una enorme fuente de aprendizaje y una inyección de optimismo en la humanidad.