Bienvenida e introducci贸n

1

Todo lo que aprender谩s sobre el lenguaje R

2

Programaci贸n y Data Science

3

R y proyecto econom铆a naranja.

4

Instalando nuestras herramientas

Variables, tipos de datos y estructuras

5

Los primeros c谩lculos con R y variables

6

Tipos de datos

7

Estructura del dataset del proyecto

8

Vectores

9

Matrices

10

Ejercicios con matrices

11

Operadores para comparar y ubicar datos

12

Factores, listas y echar un vistazo al dataset

EDA: Exploratory data analysis

13

Qu茅 es EDA: Exploratory Data Analysis

14

Gr谩ficas de dispersi贸n e histogramas.

15

Box Plot y su interpretaci贸n

16

EDA con dataset proyecto - Gr谩ficas de dispersi贸n.

17

EDA con histogramas.

18

EDA con dataset proyecto - histogramas - ggplot2

19

EDA con box plot- ggplot2

20

EDA con dataset proyecto - box plot- ggplot2 - dplyr

21

EDA con gr谩ficas de dispersi贸n con m谩s de dos variables - ggplot2

22

EDA con dataset proyecto usando gr谩ficas de dispersi贸n con m谩s de dos variables - ggplot2 - plotly

La estad铆stica de los datos

23

Buscando correlaciones con pairs

24

Confirmando correlaciones con la funci贸n cor

25

Buscando correlaciones con pairs en dataset proyecto

26

Confirmando correlaciones con la funci贸n cor en dataset proyecto.

27

Protegi茅ndonos de los peligros del promedio.

28

Eliminando los NA's para hacer los c谩lculos.

29

Estad铆stica y visualizaci贸n aplicada a an谩lisis de datos de mercadeo.

Ajustando los datos

30

Generando tablas, filtrando y seleccionando datos - dplyr-Parte 1

31

Generando tablas, filtrando y seleccionando datos - dplyr-Parte 2

Mejorando la visualizaci贸n

32

Viendo m谩s informaci贸n con facet wrap - Parte 1

33

Viendo m谩s informaci贸n con facet wrap - Parte 2

Organizar visualizaciones y c贸digo con R Markdown

34

Conociendo R Markdown y organizando los hallazgos del an谩lisis en un documento PDF.

Conclusiones Finales

35

Invitaci贸n a continuar recorriendo el mundo del data science.

Crea una cuenta o inicia sesi贸n

隆Contin煤a aprendiendo sin ning煤n costo! 脷nete y comienza a potenciar tu carrera

R y proyecto econom铆a naranja.

3/35
Recursos

Para la ciencia de datos es com煤n utilizar dos lenguajes: R y Python.

En este curso veremos R, un lenguaje especializado en manejar datos de manera estad铆stica creado en 1993 en la universidad de Auckland Nueva Zelanda.

A lo largo del curso veremos:

  • Estructuras, tipos de datos y sintaxis.
  • EDA: Exploratory data analysis.
  • Estad铆stica descriptiva.
  • Ajuste de datos.
  • Visualizaci贸n de datos.
  • Organizaci贸n de informaci贸n con R Markdown.

驴Qu茅 es la econom铆a naranja?

Es donde se mezclan las industrias culturales con las 谩reas de soporte como el desarrollo de aplicaciones o software. Buscaremos responder a la pregunta: Si tienes un startup que hace software, 驴en qu茅 pa铆s abrir铆as una oficina?

El dataset de econom铆a naranja fue creado por la profesora con las siguientes variables:

  • Aporte de servicios a PIB.
  • Aporte de econom铆a naranja a PIB.
  • Penetraci贸n de internet.
  • Inflaci贸n.
  • Tasa de desempleo.
  • Poblaci贸n debajo de la l铆nea de pobreza.
  • Edad mediana de la poblaci贸n.
  • Porcentaje de la poblaci贸n entre 25-54 a帽os.
  • Inversi贸n en educaci贸n %PIB.

Aportes 50

Preguntas 5

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Para mis colegas estudiantes que no sepan que es PIB les dedico este apunte.

El PIB es el Producto Interno Bruto鈥嬧 es una magnitud macroecon贸mica que expresa el valor monetario de la producci贸n de bienes y servicios de demanda final de un pa铆s o regi贸n durante un per铆odo determinado, en palabras sencilla es la riqueza que genera un Pa铆s.

Que es el P.I.B per capita? : Esto se puede calcular as铆 supongamos que el P.I.B de un Pa铆s es 270.000.000.000 millones de dolares, entonces el PIB per capita se calcula dividiendo ese valor por la cantidad de habitantes de un Pais, Supongamos que la poblaci贸n total de este pa铆s es 18.000.000, entonces el PIB Per Capita seria

270.000.000.000 / 18.000.000 = 15000 dolares.

Entonces el PIB per capita es la relaci贸n existente entre el nivel de renta de un pa铆s y su poblaci贸n, en palabras sencillas es el Producto Interno Bruto (PIB) por persona.

https://es.r4ds.hadley.nz/
Este es uno de los mejores libros de R, se llama 鈥淩 Para ciencia de datos鈥 y est谩 totalmente en espa帽ol, disfruten y 煤senlo!

Les comparto este enlace, que es un html de R para Ciencia de Datos. Te dan contexto de dato y entran m谩s a profundidad en cada uno de los temas: https://es.r4ds.hadley.nz/

Fuentes de referencia para la exploraci贸n de datos usadas en la clase:

Les dejo el libro de Econom铆a naranja una oportunidad infinita. Free book

Las variables del dataset de econom铆a naranja

  1. Country - Pa铆s
  2. GDP.PC - Producto interno bruto per capita
  3. GDP.US.bill - Producto interno bruto en billones de d贸lares
  4. GDP.Growth鈥 - Porcentaje de crecimiento del PIB
  5. Services鈥DP - Aporte de servicios a PIB.
  6. Creat.Ind鈥DP - Aporte de econom铆a naranja a PIB.
  7. Inflation - Inflaci贸n.
  8. Unemployment - Tasa de desempleo.
  9. X鈥op.below.poverty.line - Poblaci贸n debajo de la l铆nea de pobreza.
  10. Internet.penetration鈥opulation - Penetraci贸n de internet.
  11. Median.age - Edad mediana de la poblaci贸n.
  12. X鈥op.25.54 - Porcentaje de la poblaci贸n entre 25-54 a帽os.
  13. Education.invest鈥DP - Inversi贸n en educaci贸n %PIB.

驴Existen metodolog铆as o criterios estandarizados para determinar el n煤mero y diversidad de variables a tener en cuenta o lo decide el investigador o data sientist?

Resumen:

Esta clase consisti贸 en un abrebocas del curso, exponiendo el temario de manera general sobre qu茅 es lo que vamos a ver, el contenido del curso se ha basado en la econom铆a naranja, que es un concepto econ贸mico propuesto por Felipe Buitrago Restrepo e Iv谩n Duque (presidente de Colombia en la actualidad), en realidad este concepto viene reciclado de la econom铆a cultural, donde el talento que tenemos puede usarse como beneficio sostenible. Primero se busca responder a una pregunta.El data Set de datos se tom贸 de distintas fuentes, que referenciaran a la econom铆a naranja, los prodcutos brutos internos de cada pa铆s.

Dejo mi repositorio 馃憖 por si alguien quiere contribuir acepto sus Pull RequestFundamentos de R

El primero en utilizar este t茅rmino Econom铆a Naranja fue el Banco Interamericano de Desarrollo (BID) para referirse a un modelo en el que las ideas creativas de las empresas y/o emprendimientos se conviertan en bienes y servicios culturales productivos, capaces de capitalizad dinero.

La 鈥渆conom铆a naranja鈥 est谩 compuesta por una industria creativa dividida en dos 谩reas:

  1. Bienes creativos, conformado por las artes visuales y esc茅nicas (cine, teatro, radio y streaming), las artesan铆as, los dise帽os de moda, los softwares, entre otros.
  2. Servicios creativos, conformado por los entretenimientos, juegos, videojuegos, arquitectura, publicidad, entre otros.

Python y R son dos lenguaje potentes para manejar los datos. Para los que estamos empezando en el mundo de Ciencia de Datos es importante no centrarnos en la discusi贸n de cual es mejor, sino entender que son dos lenguajes con los cuales podemos afrontar diversos proyectos y dependiendo del proyecto, sus caracter铆sticas y alcance, deber铆amos de elegir uno lenguaje u otro. Fundamental tener este concepto claro para empezar en este mundo.

Argentina tiene todo para ser potencia en econom铆a naranja, lastima la cantidad de impuestos que cobran 馃槮

Actualemente realizo mis apuntes en markdown

Python, tambien existe para Datos

Muy bien como est谩 iniciando.
Indica el contenido y como lo va a abordar.
Tengo grandes expectativas con este curso.

Me he fijado que puedes asignar valores a las variables con 鈥 = 鈥 y que no hace falta sombrear para ejecutar el comando en la consola

Pienso que el proyecto de Econom铆a Naranja puede ser 煤til para ver que es lo que m谩s se consume en d铆as festivos de acuerdo a la regi贸n cultural 馃

Se corta mucho el video, no se si sea mi conexi贸n.

En la p谩gina web Datos Macro podemos encontrar informaci贸n econ贸micas de calidad

Wow tantos datos manejados de la forma correta te puede dar un sin fin de soluciones

Economia Naranja

Curso: Estructuras, EDA, Estad. Descript, Ajuste-Filtrado, Visualizacion, Organizar en R Markdown, Proyecto

R

馃く Este curso es lo m谩ximo 馃挌馃幆

Me gusta la metodolog铆a del curso, espero que se mantenga asi

Me est谩 gustando mucho este curso, sobre todo como explica Sonia Ardila!

El temario del curso es lo que estaba buscando

Muy interesante, desconocia R

Hola,

Interesante el t茅rmino de econom铆a naranja, el cual a pesar de haberlo escuchado muchas veces, no le prestaba la atenci贸n necesaria.
Para los amigos de Chile dejo un enlace sobre c贸mo va este concepto de la mano con el desarrollo de pa铆ses.

Un abrazo

Super excelente muy animado de aprender R

R, here we go!!!

Sonia es la mejor!!!

Muy interesante, se ve que este curso estara muy completo 馃槃

interesante!

este curso me esta llamando la atencion 馃槂

Me entusiasma poder comenzar con este curso. Encontrarle sentido a todo lo que me ense帽an en la universidad en la materia Estad铆stica.

S煤per emocionada con este curso!!!

grandes clase, hasta el momento todo va muy bien

Hola a todos, la verdad nunca he escuchado de econom铆a naranja , pero el concepto es muy interesante debido a que ya muchos lo han estado utilizando. Gracias Profesora Sonia por compartir conocimiento para es muy agradable aprender mas aporta a mi bagaje acad茅mico. 馃槂

Excelente!

Wow. S煤per interesante el proyecto del curso 馃槂

De donde puedo extraer un Dataset o donde puedo buscar dataset ya elaborados? 鈥racias

Soy de Panam谩 y la verdad no sab铆a que la econom铆a naranja era 3 veces m谩s que el canal.. Hasta ver este video no hab铆a o铆do este t茅rmino, pero leyendo en Google comprend铆 que es el t茅rmino y la verdad es que somos un pa铆s de servicios as铆 que maybe haciendo un ponderado #economianaranja si se hace m谩s revenue que la ACP

Les dejo el documebto del banco interamericano de desarrollo sobre la econom铆a naranja 馃槈

PIB Ecuador
107.4 miles de millones USD 鈥(2019)

Poblaci贸n
17.37 millones 鈥(2019)

PIB per Capita= PIB / poblacion

6,183.82 USD

Si no estoy mal, mas o menos un PIB per capita arriba de los 30 mil se considera un pa铆s rico.

Esto se va a poner bueno!

En este momento mi mente: 驴Qu茅 ser谩 R?.

Vamos a ver que comentario dejo al final del curso

Looks like a really complete course

Se ve interensante