Skip to main content
Libros

Recurso: Libro para hacer ciencia de datos con R
芦R for Data Science禄 馃

By noviembre 16, 2022noviembre 21st, 2022No Comments

La traducci贸n de 鈥淩 para Ciencia de Datos鈥 es un proyecto colaborativo de la comunidad de R de Latinoam茅rica, que tiene por objetivo hacer R m谩s accesible en la regi贸n.

Con este libro aprender谩s c贸mo hacer ciencia de datos con R:
馃憠 obtener sus datos en R
馃憠convertirlos en la estructura m谩s 煤til
馃憠 transformarlos
馃憠 visualizarlos
馃憠 modelarlos

 

驴Por qu茅 traducir este libro?

R for Data Science es un libro pr谩ctico utilizado por muchos para aprender los fundamentos del lenguaje R. Sin embargo, muchos hispanohablantes tienen dificultades para utilizar este libro como recurso debido a la barrera del idioma ingl茅s.

Objetivo de este libro

La ciencia de datos (data science) es una disciplina fascinante que te permite convertir datos sin procesar en entendimiento, comprensi贸n y conocimiento. El objetivo de este libro es ayudarte a aprender las herramientas m谩s importantes para que puedas hacer ciencia de datos en R. Luego de leerlo, tendr谩s las herramientas para enfrentar una gran variedad de desaf铆os propios de esta 谩rea, usando las mejores partes de R.

Que aprender谩s

La ciencia de datos es un campo muy amplio y no hay manera de que puedas dominarlo leyendo un solo libro. El objetivo de este, en particular, es entregarte una base s贸lida acerca de las herramientas m谩s importantes. Nuestro modelo sobre cu谩les son las herramientas necesarias para un proyecto t铆pico de ciencia de datos se ve as铆:

Hay un regla aproximada de 80-20 en juego: puedes enfrentar alrededor del 80 % de cualquier proyecto usando las herramientas que aprender谩s en este libro, pero necesitar谩s utilizar otras para abordar el 20 % restante.

Las herramientas que aprender谩s en este libro permiten manejar f谩cilmente datos de cientos de megabytes y, con un poco de cuidado, normalmente podr铆as hacerlas funcionar con 1 o 2 Gb de datos.

En este libro 芦R for Data Science禄 no aprender谩s nada sobre Python, Julia u otros lenguajes de programaci贸n 煤tiles para hacer ciencia de datos.

Comentarios