Aquellos interesados en la ciencia de datos pueden estar interesados en aprender el lenguaje de programación R. R para la ciencia de datos se puede utilizar para el análisis estadístico y otras funciones. Hay varias maneras de embarcarse en su camino para aprender R. Siga leyendo para obtener más información sobre R en ciencia de datos, R vs. Python, aplicaciones del mundo real de R, los mejores paquetes complementarios para R y más.
ESCUELAS PATROCINADAS
¿Qué es R en ciencia de datos?
El Fundación R, una organización sin fines de lucro enfocada en apoyar el desarrollo continuo de R a través del Proyecto R, describe R como «un lenguaje y entorno para computación estadística y gráficos». Pero, si está familiarizado con R para la ciencia de datos, probablemente sepa que es mucho más que eso.
R fue creado en la década de 1990 por Ross Ihaka y Robert Gentleman en la Universidad de Auckland en Nueva Zelanda. El lenguaje R fue modelado basado en el lenguaje S desarrollado en Bell Laboratories por John Chambers y otros empleados. Hoy en día, R es un lenguaje de código abierto; Es accesible como un software libre compatible con muchos sistemas y plataformas.
Aquí hay algunas cosas importantes que debe saber sobre R en la ciencia de datos:
- R es un software de código abierto. R es gratuito y adaptable porque es un software de código abierto. Las interfaces abiertas de R le permiten integrarse con otras aplicaciones y sistemas. Los softwares de código abierto tienen un alto estándar de calidad, ya que varias personas usan e iteran en ellos.
- R es un lenguaje de programación. Como lenguaje de programación, R proporciona objetos, operadores y funciones que permiten a los usuarios explorar, modelar y visualizar datos.
- R se utiliza para el análisis de datos. R en ciencia de datos se utiliza para manejar, almacenar y analizar datos. Se puede utilizar para el análisis de datos y el modelado estadístico.
- R es un entorno para el análisis estadístico. R tiene varias capacidades estadísticas y gráficas. El Fundación R señala que puede utilizarse para la clasificación, la agrupación, las pruebas estadísticas y la modelización lineal y no lineal.
- R es una comunidad. Colaboradores del proyecto R Incluye a las personas que han sugerido mejoras, notado errores y creado paquetes complementarios. Si bien hay más de 20 contribuyentes oficiales, la comunidad R se extiende a aquellos que usan el software de código abierto por su cuenta.
R vs. Python
Python y R son lenguajes de software de código abierto que han existido por un tiempo. Al comparar R vs. Python, algunos sienten que Pitón es un lenguaje de programación más general. Python se enseña a menudo en cursos introductorios de programación y es el lenguaje principal para múltiples flujos de trabajo de aprendizaje automático., informa RStudio. R se usa típicamente en computación estadística. RStudio señala que R se enseña a menudo en los cursos de estadística y ciencia de datos. Agrega que muchas interfaces de aprendizaje automático están escritas en Python, mientras que muchos métodos estadísticos están escritos en R.
En términos de entornos R vs. Python, el entorno R es ideal para la manipulación de datos y la creación de gráficos. Alguno Aplicaciones Python Incluye desarrollo web, computación numérica y desarrollo de software. Además, mientras que R tiene numerosos paquetes, Python tiene muchas bibliotecas dedicadas a la ciencia de datos.
Si R vs. Python es mejor o no puede reducirse a para qué está usando cada uno. Tener conocimientos en ambos idiomas puede ser beneficioso en la ciencia de datos. De hecho, RStudio señala que muchos equipos de ciencia de datos son «bilingües», utilizando tanto R como Python.
¿Cómo se usa R en la ciencia de datos?
R para ciencia de datos se centra en los usos estadísticos y gráficos del lenguaje. Cuando aprenda R para ciencia de datos, aprenderá a usar el lenguaje para realizar análisis estadísticos y desarrollar visualizaciones de datos. Las funciones estadísticas de R también facilitan la limpieza, importación y análisis de datos.
Puede estar equipado con un entorno de desarrollo integrado (IDE). Según la compañía de software informático GitHub, el propósito de un IDE es facilitar la escritura y el trabajo con paquetes de software. RStudio es un IDE para R que mejora la accesibilidad de los gráficos e incluye un editor de resaltado de sintaxis que ayuda con la ejecución del código. Esto puede ser útil a medida que comienza a aprender R para la ciencia de datos.
Proyectos de ciencia de datos que usan R
R para ciencia de datos se utiliza en industrias como la banca, las telecomunicaciones y los medios de comunicación. A continuación exploramos ejemplos de visualización de datos en R a través de proyectos de la vida real.
- T-Mobile: La compañía internacional de comunicaciones utiliza R para clasificar los textos de servicio al cliente para que pueda dirigir adecuadamente a los clientes a un agente, informa Revolutions. T-Mobile incluso compartió una versión de código abierto de su interfaz de programación de aplicaciones de clasificación de mensajería. en GitHub.
- Twitter: R se puede utilizar para realizar análisis de texto de tweets. Análisis de texto y raspado de datos de Twitter es posible a través de la Paquete twitteR.
- Google Analytics: R se puede combinar con datos de Google Analytics para completar el análisis estadístico y crear visualizaciones de datos claras, según Google Developers. Instalación del Paquete RGoogleAnalytics permitirá estas ideas.
- El Financial Times: El Financial Times adoptó R para crear visualizaciones de datos en su artículo, «¿Es Rusia-Arabia Saudita el peor juego de la Copa Mundial de la historia?», informa Revolutions. La visualización mapeó todos los partidos de la Copa Mundial desde 1998 y se creó usando R y ggplot2.
- BBC: Semejantemente Revolutions explica cómo la BBC utiliza la visualización de datos en R crear gráficos para sus publicaciones. BBC desarrolló un paquete R y un libro de cocina R para estandarizar su proceso de creación gráfica de visualización de datos. Su libro de cocina se basa en el Paquete BBCplot. La BBC ofrece una capacitación de seis semanas para que sus periodistas de datos aprendan este proceso.
Los mejores paquetes de complementos para R
Hay muchos paquetes que puede considerar instalar para ayudar a usar R. A continuación se muestran algunos paquetes de R para la ciencia de datos, basados en el lista de paquetes recomendados de RStudio.
- DBI ayuda a la comunicación básica entre R y los sistemas de gestión de bases de datos.
- RMySQL, RSQLite y otros controladores de base de datos ayudan a cargar y leer datos de una base de datos.
- stringr incluye herramientas fáciles de usar que funcionan con cadenas de caracteres y expresiones regulares.
- DPLYR ofrece funciones para resumir, conectar y reorganizar conjuntos de datos.
- Lubridate facilita el trabajo con fechas y horas en varios períodos.
- ggplot2 es bien conocido por facilitar la producción de tramas y gráficos visualmente atractivos.
- rgl permite visualizaciones tridimensionales e interactivas con R en las que puede rotar y acercar partes de una visualización.
- randomForest es un paquete de aprendizaje automático que también se puede usar en el aprendizaje no supervisado.
- El símbolo de intercalación es útil para entrenar modelos de clasificación y regresión.
- shiny es un paquete de R para ciencia de datos que le ayuda a crear aplicaciones web.
- xtable proporciona código HTML o latex cuando necesita pegar su proyecto de R en el documento final.
- ggmap es uno de los múltiples paquetes de R para la ciencia de datos que ayuda con los datos espaciales; le permite descargar áreas de mapas de Google Maps e integrarlas en ggplots.
- XTS incluye herramientas para trabajar con conjuntos de datos de series temporales.
- XML ayuda a trabajar con documentos XML.
- HTTR ayuda a trabajar con conexiones HTTP.
- devtools le ayuda a crear su propio paquete de R.
¿Desea obtener más información sobre los paquetes de R para la ciencia de datos? Explorar el completo lista de paquetes recomendados de RStudio.
¿Interesado en un cambio de carrera? Echa un vistazo a los bootcamps en línea
- Guía de Data Science Bootcamp: Utilice esta guía si aspira a convertirse en un científico de datos o está buscando aprender lenguajes de programación como Python o R para la ciencia de datos.
- Guía de Data Analytics Bootcamp: Obtenga más información sobre los bootcamps de análisis de datos si está interesado en ayudar a las empresas a administrar y obtener información de los datos.
- Guía de Coding Bootcamp: Busque bootcamps de codificación si desea obtener habilidades de desarrollo web y conocimientos de lenguaje de codificación.
- Guía de FinTech Bootcamp: Descubre bootcamps que se centran en tecnología financiera, blockchain y criptomonedas.
ESCUELA PATROCINADA
Universidad de Londres
BSc en línea Ciencia de datos y análisis de negocios
El BSc Data Science and Business Analytics en línea de la Universidad de Londres, con dirección académica de LSE, permite a los estudiantes desarrollar habilidades esenciales de pensamiento técnico y crítico y prepararse para carreras en ciencia de datos, análisis y otros campos en crecimiento, mientras trabajan, sin reubicarse.
Cursos Online de Programación R
A continuación se presentan algunos cursos de R en línea a considerar. Estos cursos se centran en conceptos fundamentales de R para ayudarlo a aprender los conceptos básicos de este lenguaje de programación.
- Aprende R de Codecademy: Este curso comienza enseñando los fundamentos de R. Consta de 10 lecciones que cubren temas como marcos de datos, limpieza de datos, agregados, varianza y desviación estándar. El curso de Codecademy puede tardar unas 20 horas en completarse. No hay requisitos previos.
- Fundamentos de programación de R de Pluralsight: Este curso de R en línea puede ayudarlo a enseñarle sobre variables R, estructuras de datos, funciones, paquetes y más. También incluye demostraciones y oportunidades para la práctica práctica. Este curso puede tardar unas siete horas en completarse.
- Análisis de datos con R de Udacity: Este curso comienza discutiendo el análisis exploratorio de datos (EDA). Las lecciones se basan en el conocimiento de EDA y se centran en los conceptos básicos de R, cuantificación y visualización de variables y modelado predictivo. El curso a su propio ritmo puede tardar aproximadamente dos meses en completarse.
- Introducción a R y Visualización desde la Sociedad de Datos: Este curso en línea de R de Data Society le enseña sobre la ciencia de datos y cómo se usa en las empresas, cómo usar R y cómo crear visualizaciones con R. Incluye dos horas y 40 minutos de instrucción y alrededor de 25 horas de práctica.
¡Feliz codificación!
Última actualización: noviembre de 2020