R para profesionales de los datos: una introducción

Las herramientas ofimáticas habituales para manipular datos no dan más de sí. Cada vez hay más datos, cada vez son más grandes y los análisis son, cada vez, más sofisticados. El profesional de hoy en día necesita renovar su utillaje. R es una magnífica opción para llegar más allá, para ser más productivo
Uno de los ingredientes fundamentales de la productividad es la posibilidad de automatizar tareas: hace falta programar las que sean tediosas y repetitivas; hace falta familiarizarse con al menos un lenguaje de programación. Como R.
Existen otros, sin duda, con grandes méritos. Python es uno de ellos. Este libro propone R por varios motivos:
- Porque tiene un mercado real en la industria y la academia.
- Porque está especialmente indicado para la manipulación y el análisis de datos.
- Y porque, más específicamente, está especialmente indicado para el tipo de manipulaciones y análisis de datos que realizan los profesionales de los datos (p.e., responsables de márketing analítico, analistas de riesgos, etc.) en los organismos y empresas de hoy en día.
Este libro está motivado por la experiencia del autor en entornos de trabajo similares a los descritos más arriba y cubre aquellos aspectos que ha visto que más demandaban sus colegas. Que son, esencialmente, cuatro:
- Crear visualizaciones de datos de alta calidad.
- Crear dashboards para visualizar y analizar datos.
- Crear informes automáticos.
- Disponer de herramientas de análisis estadístico para ahondar en el conocimiento de los datos.
Este libro se centra en los tres primeros, aunque hace una breve incursión en el último. El motivo para excluirlo es que exige no solo un par de capítulos en este libro sino una biblioteca entera que, seguro, mdesarrollarán mucho mejor otros autores.
Indice de "R para profesionales de los datos: una introducción".
1. Introducción
2. Tablas (dataframes)
3. Vectores
4. Introducción a la estadística con R
5. Listas
6. Paquetes, rmarkdown y shiny
7. Web scraping y manipulación básica de texto
8. Pivotación de tablas con reshape2
9. Introducción a ggplot2
10. Introducción a ggmap
11. Procesamiento de tablas por trozos con plyr
12. Programación en R
13. Estadística y ciencia de datos con R
14. Ejemplos y casos de uso
15. Apéndice