Saltar a contenido

Fundamentos de programación con R

Aunque una buena parte de los desarrollos de IA y ciencia de datos de hoy en día se desarrollan con Python, no podemos obviar que R es un lenguaje sumamente importante en este ámbito, en especial en lo que respecta al análisis de datos, aunque también se puede aplicar a ciertos procesos de machine y deep learning. En esta página enlazaremos con algunos apuntes de materiales de otra web donde se explican los aspectos relevantes del lenguaje R. Detallamos a continuación cuáles son los apartados más relevantes que conviene conocer para el desarrollo en el campo del data science y la IA.

  1. Primeros pasos e instalación. Una primera toma de contacto con el lenguaje, donde aprender sus características principales, su instalación y herramientas necesarias.
  2. Elementos básicos. Aquí se explican los elementos básicos que conforman los programas en R: uso de variables, operaciones matemáticas, mostrar datos por pantalla o leer datos de teclado.
  3. Estructuras de control. Conoceremos aquí el uso de estructuras selectivas y repetitivas para escribir nuestros programas.
  4. Manejo de textos. En este documento se explican las operaciones más habituales e importantes cuando estemos trabajando con datos textuales.
  5. Uso de vectores, matrices y listas. En este documento se explican las operaciones más habituales e importantes cuando estemos trabajando con vectores o listas, y también con arrays bidimensionales.
  6. Definición de funciones. Veremos aquí los principios de la programación modular en R: cómo definir e invocar funciones, y las características generales de éstas en R.
  7. Uso de módulos. En este documento veremos cómo podemos incorporar funcionalidades adicionales en nuestros programas instalando módulos de terceros.

Además de estos aspectos importantes, en la web de R se habla de otras cuestiones algo más secundarias a la hora de trabajar con modelos de IA o análisis de datos, como la conexión con distintos sistemas de bases de datos, o el uso de otras colecciones menos relevantes como los conjuntos o los diccionarios. Aunque no los hemos enlazado directamente en esta página, se pueden consultar para ampliar los conocimientos sobre R.