Skip to content

Acceso a todo el material de tutoriales, presentaciones y papers de la edición 2022 de LatinR

License

Notifications You must be signed in to change notification settings

LatinR/presentaciones-LatinR2022

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

25 Commits
 
 
 
 
 
 

Repository files navigation

Charlas invitadas, Contribuciones y Tutoriales LatinR 2022

Acceso a todo el material de tutoriales, presentaciones y papers de la edición 2022 de LatinR

  1. Charlas invitadas
  2. Contribuciones
  3. Tutoriales
  4. Actas

Charlas

Cómo convertirse en un desarrolladoR en dos pasos

por Joshua Kunst

A tour of the Apache Arrow ecosystem for the R community

by Danielle Navarro

10 years of R-Ladies

by Gabriela de Queiroz

Contribuciones

Desarrollo de aplicaciones con shiny

Uso de datos públicos y estadísticas oficiales 1

Aplicaciones en ciencias sociales, artes y humanidades

Desarrollo de paquetes 1

Uso de datos públicos y estadísticas oficiales 2

Desarrollo de aplicaciones con shiny 2

desarrollo de paquetes 2

Aplicaciones y modelos

Enseñanza y comunidades

Tutoriales

Comunicando seus resultados: Criando apresentações com Quarto.

Beatriz Milz

O RMarkdown possibilita criar relatórios reprodutíveis usando R. A nova geração do RMarkdown, que também é desenvolvida pela R Studio, se chama Quarto (https://quarto.org/) e surgiu em 2021. Quarto busca avançar para ser uma ferramenta de escrita científica e técnica para conteúdo além de R, funcionando bem também com Python, Julia e ObservableJS. Podemos usar o Quarto em para gerar diferentes tipos de arquivos, como relatórios, sites, apresentações, livros e outros (veja a galeria! https://quarto.org/docs/gallery/ ). Essa palestra pretende mostrar em uma atividade prática como os participantes podem usar o Quarto para criar apresentações, e disponibilizá-las online.

Introducción a RMarkdown, creando reportes con R y Python en RStudio.

Renzo Caceres Rossi

Nos enfocamos en enseñar los aspectos básicos del uso de RMarkdown para la creación de documentos HTML, reportes, presentaciones y dashboards en RStudio haciendo uso de los paquetes ggplot2, lattice, Flexdashboard y de las librerías de Matplotlib y Seborn, mostrando como RMarkdown permite no sólo trabajar con R pero también con otros lenguajes de programación como Python. Para luego publicar los documentos creados en plataformas como RPubs y Netlify, el asistente podra incrementar sus habilidades en el uso de R y RMarkdown convirtiendo sus análisis estadísticos o modelos de machine learning en documentos reproducibles, también mostraremos como añadir referencia bibliograficas a los documentos finales para ser usados tanto en el plano académico, como profesional.

Herramientas y atajos para programar eficientemente con RStudio

Luis Verde

Hoy en día tenemos diversas opciones para ver, editar, y ejecutar nuestro código de R. Gracias a los entornos de programación (IDEs por sus siglas en inglés), es posible ir mucho más allá de archivos de texto. Los IDEs reconocen la sintaxis del lenguaje y nos brindan herramientas para interactuar eficientemente con todos los elementos involucrados en un flujo de trabajo. Para trabajar en R, uno de los IDEs más utilizados es RStudio. Este tutorial tiene como objetivo dar a conocer herramientas y atajos para editar, modificar y ejecutar código en RStudio de manera eficiente y cuyo resultado final sea más legible, organizado, y fácil de usar. Para aumentar la productividad, se verán atajos de teclado (por ejemplo, para insertar operadores comunes o navegar entre pestañas) y herramientas de edición, evitando así cortar/pegar y el uso excesivo del ratón o panel táctil. Además, el tutorial cubre ‘addins’ externos para estilizar y estructurar código, o agregar anotaciones sobre los paquetes que se están usando. Finalmente, se abordará la personalización del entorno, incluyendo la apariencia del texto, colores, y la organización de paneles y ventanas.

Introduction to Text Analysis with R.

Alisson Soares

This tutorial will introduce some principles of text analysis using R. A first introductory part will show some examples of text analysis in practice in social research. A second part will deal with some basic text analysis in graphical mode (just mouse clicks, no coding) using R Commander. Although easy, this method has several limitations, so we go to the third and more extensive part, that will deal with text analysis writing code. There are a lot of packages in R for text analysis, some of them using tidy principles (don't worry for now), and some differences to other approaches. We will see differences between bag of words and semantic parsing. Data cleaning (or data wrangling) is also a (great) part in preparing data for analysis, and we will see the typical steps, like removing stopwords, stemming and lemmatization, etc. Data visualization like simple word frequencies, different ways to do different wordclouds, frequency of words and dictionary methods such as concept frequency, some basic sentiment analysis (specially for non-English speakers). Finally, we will enter into some basic machine learning, like topic modeling.

Conquistando errores en R

Paola Corrales

Debuggear o depurar los errores de tu código puede ser una tarea frustrante. Tal vez obtuviste un mensaje de error y hay que interpretarlo o tal vez el código devuelve un resultado que no es el esperado. Si bien no existe una herramienta o método mágico para identificar los errores en un código, depurar errores requiere de un proceso sistemático. En este tutorial aprenderás a utilizar funciones y herramientas que te ayudarán a depurar errores, analizando el código y haciendo preguntas necesarias que guien ese análisis. Cómo con cualquier tarea asociada a la programación, la depuración de errores es una habilidad que requiere práctica, por lo que en el tutorial tendrás la posibilidad de seguir los ejemplos, resolver nuevos problemas aplicando las herramientas vistas, discutir en grupo y hacer todas las preguntas que tengas.

Creating Shiny Apps with Rhino: the new framework Shiny apps.

En representación de nuestro sponsor Appsilon, Kamil Żyła nos presentará Rhino, la nueva herramienta para crear ShinyApps. Representing our sponsor Appsilon, Kamil Żyła will present Rhino, the new tool for creating ShinyApps. Tutorial en inglés. Tutorial in English.

About

Acceso a todo el material de tutoriales, presentaciones y papers de la edición 2022 de LatinR

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published