R for Data Science

Obra fundamental y de referencia en el análisis de datos moderno escrita por Hadley Wickham (creador del ecosistema Tidyverse) y Garrett Grolemund. El libro enseña a realizar ciencia de datos práctica y reproducible utilizando el lenguaje R y la filosofía del Tidyverse. Está dirigido a analistas, investigadores, estudiantes y desarrolladores desde un nivel básico; no asume conocimientos previos de programación, aunque sí curiosidad analítica y motivación para explorar datos reales desde el primer capítulo mediante visualizaciones antes incluso de estudiar la sintaxis abstracta del lenguaje.

El recorrido estructura el aprendizaje en torno al ciclo clásico de los datos: exploración, transformación, programación, modelado y comunicación. Enseña a manipular datos tabulares con tibble, dplyr y tidyr, importar archivos planos con readr, tratar cadenas con stringr, manipular factores con forcats y fechas con lubridate, y crear visualizaciones estadísticas avanzadas con ggplot2 siguiendo la gramática de los gráficos. En la parte de programación y modelado, aborda el uso de tuberías o pipes (magrittr), programación funcional con purrr, vectores y funciones personalizadas, modelado predictivo básico con modelr y broom, y generación de informes dinámicos reproducibles con R Markdown y knitr.

El libro tiene un enfoque práctico continuo donde cada concepto se pone a prueba de inmediato mediante extensas baterías de ejercicios analizando conjuntos de datos reales (como vuelos de Nueva York con nycflights13, precios de diamantes con diamonds o demografía mundial con gapminder). Constituye la mejor puerta de entrada al ecosistema contemporáneo de R y transformó la enseñanza del análisis de datos en todo el mundo. Deja fuera deliberadamente el big data distribuido (Sparklyr), el aprendizaje automático complejo (no cubre deep learning ni ensambles de modelos) y el desarrollo de aplicaciones web interactivas con Shiny. Es una lectura imprescindible antes de abordar librerías de modelado avanzadas como tidymodels.