Programación en Lenguaje R

Tutor: El curso será impartido por M.Sc. Yersinio Jiménez quien cuenta con una especialización en Cloud Computing y Big Data por parte de Infosys, en Mysore India. Además tiene una maestría con honores en Ciencias de la Computación y su bachillerato en Informática Empresarial, ambos en la Universidad de Costa Rica, donde también trabaja como profesor.

Duración: Cuatro semanas.

Descripción:

Este curso ofrece una introducción práctica a las técnicas modernas de computación de datos utilizando el paquete R. Para esto se estudiará el uso de R en aplicaciones Estadísticas y de Minería de Datos, así como la generación de gráficos estadísticos y de Minería de Datos en R.

Se enseñará un uso avanzado del sistema R como lenguaje de programación de computadoras, especialmente orientado a la programación de aplicaciones Estadísticas y de Minería de Datos.

Se explorarán las conexiones con otros entornos como C, C++, Python, Java y Bases de Datos. Los estudiantes aprenden y practican el uso de R para aplicaciones concretas.

Se estudiará además el uso de paquetes en R, paquetes de para gráficos como ggplot1, scales, scatterplot3d, biglm, RDA, entre otros.

Los ejemplos de este curso estarán motivados por problemas reales en el campo. Por lo tanto, los estudiantes adquieren conocimientos de muchas herramientas diferentes que pueden combinarse para resolver problemas reales.

Objetivos:

El objetivo fundamental de este curso es que el estudiante sea capaz de manipular y

generar datos con facilidad, para esto será capaz de:

1. Usar adecuadamente R para efectuar análisis de datos y generación de gráficos.

2. Escribir programas de nivel medio en R.

3. Realizar conexiones entre R, Excel.

4. Instalar y utilizar paquetes avanzados en R.

5. Generar de reportes autoreproducibles en R usando el paquete KnitR, HTML y

LaTeX.

Metodología:

Basado en la teoría y en la aplicación directa de los conceptos aprendidos. Para esto se

dispondrán de las siguientes herramientas.

• Una vídeo conferencia semanal, las cuales quedarán grabadas en Webex, para que

los alumnos la puedan acceder en cualquier momento.

• Trabajos prácticos semanales.

• Foros para plantear dudas al tutor y compañeros.

• Aula virtual en Moodle.

Contenido:

1) Introducción al uso R a. La consola y el editor en R y RStudio b. Tipos de datos y objetos c. Funciones más comunes d. Uso e instalación de paquetes e. Manejo de Datos f. Introducción de la hoja de datos (data frame) mediante código g. Introducción de una hoja de datos (data frame) desde Excel h. Exportar Datos i. Gráficos en R y en algunos paquetes j. Estructuras de Programación

2) Generación avanzada de gráficos en R a. Graficos en R b. Ajuste de parámetros c. Gráficos con ggplot d. Gráficos con scaterplot3D e. Uso de mapas en gráficos

3) Generación de reportes autoreproducibles en R a. El paquete KnitR y HTML b. El paquete KnitR y LaTeX

4) Programación en lenguaje R a. Sentencias de control b. Ciclos en R c. Funciones en R d. Variables locales y globales (efectos colaterales) e. Programación estruturada en R f. Programación funcional en R

g. Programación Orientada a Objetos en R h. Fórmulas en R i. Programación vectorizada j. Elementos de programación paralela. k. Generación de paquetes en R.

5) Conexión entre R y Excel

Bibliografía:

1. John M. Chambers. Programming with R: Software for Data Analysis. Springer,

Stanford University, Palo Alto, 2008.

2. Graham Williams, Data Mining with Rattle and R. Springer, New York, 2011.

3. Owen Jones, Robert Maillardet and Andrew Robinson. Introduction to Scientific

Programming and Simulation using R. Chapman & Hall/CRC Taylor & Francis

Group, FL. 2009.

4. R Development Core Team. “R: A Programming Environment for Data Analysis and

Graphics”. The R Project for Statistical Computing, 2010. http://www.r-project.org/

5. R Development Core Team. “Writing R Extensions”. The R Project for Statistical

Computing, 2010. http://www.r-project.org/