Aprender R: Guía paso a paso para el análisis de datos

Opiniones de los lectores

En general, el libro ha sido bien recibido por su enseñanza práctica y accesible de la programación en R, especialmente para quienes tienen conocimientos de programación. Ofrece una buena combinación de conocimientos de programación y análisis de datos, pero se considera más adecuado para alumnos de nivel intermedio que para principiantes absolutos. Aunque proporciona ejercicios útiles y cubre temas de utilidad, algunos lectores consideran que carece de profundidad y amplitud en comparación con otros libros de R.

⬤ Bien escrito y fácil de entender
⬤ enfoque práctico para aprender R
⬤ incluye cuestionarios y ejercicios para reforzar el aprendizaje
⬤ proporciona valiosos consejos sobre estructuras de datos y aplicaciones
⬤ útil para programadores noveles en R
⬤ contiene capítulos sobre la escritura de paquetes.

⬤ Puede no ser adecuado para principiantes sin experiencia en programación
⬤ algunos temas se tratan más a fondo en otros libros
⬤ carece de una cobertura exhaustiva de R o de soluciones detalladas a problemas de programación
⬤ algunos encuentran los capítulos iniciales áridos y difíciles.

(basado en 30 opiniones de lectores)

Título original:

Learning R: A Step-By-Step Function Guide to Data Analysis

Contenido del libro:

Aprenda a realizar análisis de datos con el lenguaje y el entorno de software R, incluso si tiene poca o ninguna experiencia en programación. Con los tutoriales de esta guía práctica, aprenderá a utilizar las herramientas esenciales de R que necesita conocer para analizar datos, incluidos los tipos de datos y los conceptos de programación.

La segunda mitad de Aprendiendo R le muestra análisis de datos reales en acción, cubriendo todo, desde la importación de datos hasta la publicación de sus resultados. Cada capítulo del libro incluye un cuestionario sobre lo que ha aprendido, y concluye con ejercicios, la mayoría de los cuales implican escribir código R.

⬤ Escriba un programa R sencillo y descubra lo que el lenguaje puede hacer.

⬤ Utilizar tipos de datos como vectores, matrices, listas, marcos de datos y cadenas.

⬤ Ejecutar código condicional o repetidamente con ramas y bucles.

⬤ Aplicar paquetes adicionales de R, y empaquetar su propio trabajo para otros.

⬤ Aprender a limpiar datos importados de una variedad de fuentes.

⬤ Comprender los datos a través de la visualización y estadísticas de resumen.

⬤ Utilizar modelos estadísticos para emitir juicios cuantitativos sobre los datos y hacer predicciones.

⬤ Aprender qué hacer cuando las cosas van mal mientras se escribe el código de análisis de datos.