-
Notifications
You must be signed in to change notification settings - Fork 0
/
intro.Rmd
197 lines (147 loc) · 5.93 KB
/
intro.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
---
title: false
pagetitle: 'Elementos del Data Science con R'
author: false
output:
revealjs::revealjs_presentation:
lib_dir: libs
self_contained: false
reveal_plugins: ["zoom"]
mathjax: null
transition: fade
css: ["css/styles.css"]
incremental: true
center: false
# center: true
theme: simple
fig_width: 6
fig_height: 3.5
reveal_options:
slideNumber: false
controls: false
mouseWheel: false
editor_options:
chunk_output_type: console
---
# <img class = "imgnone" src="http://dev-data-campfire.pantheonsite.io/wp-content/uploads/2018/03/Assets/Data-Campfire-Logo-white.png"/> & Joshua Kunst <br>presenta { .center data-background="#AFAFAF" data-transition-speed="slow" data-transition="fade-in fade-out" .white}
```{r, include = FALSE}
source("R/setup.R")
knitr::opts_chunk$set(
fig.path = "img/intro/",
echo = FALSE,
fig.width = 10,
fig.height = 6
)
```
# <span style="font-family: 'Creepster'; font-size: 1.5em">No le temas<br>
<span class="fragment" style="color: red">al código</span></span><br><span style= "font-family: 'Amatic SC', cursive;" class="fragment">Elementos del Data Science con R</span> { .white data-transition-speed="slow" data-transition="fade-in fade-out" .center data-background="#4D0000"}
# ¡Holi! { .left data-background="img/hello.gif" }
## Me presento
- Estadístico<span class="fragment">, data <i class="fa fa-heart" style="color: red"></i></span>
- Escribo código <span class="fragment">para comer</span><span class="fragment">. Y como para escribir código</span>
- Cofundador del meetup use<b style="color:#2569BD">R</b>chile<span class="fragment">. Uso R</span><span class="fragment">, respiro R</span><span class="fragment">, ~~como~~ vivo R</span>
- Hoy quiero ser vuestro motivador<i class="fa fa-exclamation" style="color: darkgreen"></i><i class="fa fa-exclamation" style="color: darkgreen"></i>
## <b></b> { .left data-background="img/yay.gif" }
# ¿Por qué? <br> Elementos del <span class="emp">Data</span> Science<br>en R { .left .center .white data-background="#e51c23" }
## <b></b> { .center data-background="img/data-culture.jpg"}
## Datos. Cada día..
- Se generan más
- Vienen de distintas partes
- Se complejizan
- Hay que obtener __conocimiento__ de ellos
- Se toman __decisiones__
## Debemos Prepararnos { .left .white data-background="img/rocky.gif" }
# ¿Por qué? <br> <span class="emp">Elementos</span> del Data Science<br>en R { .left .center .white data-background="#4CAF50" }
## Todos comenzamos<br>desde cierto punto { .left .center .white data-background="img/karatekid.gif" }
## Elementos
![elementos](img/r4ds_data-science.png)
## Import & Tidy { .left .white data-background="img/import.jpg" }
---
Debemos tener la capacidad
- Integrar datos distintas fuentes
- Limpiarlos ,estandarizarlos
- Organizarlos, ordenarlos
## Analisis Exploratios de Datos { .white data-background="img/net.png" }
---
Tenemos que tener la naturalidad en
- Transformar los datos de acuerdo a nuestras preguntas
- __Visualizarlos__<span class="fragment">. Visualización no es solo __comunicar__,
es parte clave en el proceso de aprendizaje</span>
- Estadística Descriptiva
- Modelar<span class="fragment">. Machine learning. En un próximo paso</span>
## Comunicar { .left data-background="img/data-visualization-tools-concept.png" }
---
Debemos ser claros y precisos
- Escoger la visualización que rescate de mejor manera nuestro mensaje
- __Sinstenitar__. No sobre saturar un gráfico o un mensaje
## Ejercicio - ¿Existe el mejor gráfico?
```{r}
data1 <- read_delim("data/showmethenumbers.txt", delim = "\t") %>%
mutate(region = factor(region, levels = c("sur", "norte", "este", "oeste")))
titulo <- "La región del sur exhibe el mayor crecimiento"
data1 %>%
spread(cuarto, valor) %>%
arrange(region) %>%
knitr::kable()
```
Cual de las siguientes formas funciona mejor con el títutlo:
<span class="fragment">
__La región del sur exhibe el mayor crecimiento__
<br>
<small>
Adapatado del tweet de [Lisa Charlotte Rost](https://twitter.com/lisacrost/status/948233069110222848)
que a su vez está viene del ejemplo del libro "Show me the numbers" de Stephen Few
</small>
</span>
----
```{r}
p1 <- ggplot(data1) +
geom_col(aes(cuarto, valor, group = region, fill = region),
color = "gray80", position = "dodge") +
scale_fill_viridis(discrete = TRUE, end = 0.80)
p1 + labs(title = titulo)
```
----
```{r}
p2 <- ggplot(data1) +
geom_col(aes(region, valor, group = cuarto, fill = region),
color = "gray80", position = "dodge") +
scale_fill_viridis(discrete = TRUE, end = 0.80)
p2 + labs(title = titulo)
```
----
```{r}
p3 <- data1 %>%
mutate(ind = as.numeric(region == "sur")) %>%
ggplot() +
geom_line(aes(cuarto, valor, group = region, alpha = ind, color = region), size = 2) +
scale_y_continuous(limits = c(0, NA)) +
scale_alpha(range = c(0.5, 1), guide = FALSE) +
scale_color_viridis(discrete = TRUE, end = 0.80)
p3 + labs(title = titulo)
```
## ¿Opiniones?
```{r, fig.width=12, fig.height=4}
gridExtra::grid.arrange(
p1 + theme_null(),
p2 + theme_null(),
p3 + theme_null() + scale_y_continuous(limits = c(NA, NA)),
nrow = 1)
```
# ¿Por qué? <br> Elementos del Data Science<br><span imgclass="emp">en R</span> { .left .center .white data-background="#2569BD" }
## <b></b> { .center data-background="img/Rlogo.png"}
## Por que R/leguaje de programación/código
- Flexible. Más poderoso
- Fácil de automatizar, y organizar
- Reproductibilidad. Ayuda a detectar errores
- Gratis, codigo abierto
- R. Tiene una amistosa/cálida comunidad orientada a la enseñanza e integración.
Rladies por ejemplo
- R. Fuerte en visualización
# A mover<br>esos dedos{ .right .center .white data-background="img/hacker.gif" }
## Estructura
- R + Rstudio: Instalación, paquetes.
- Importación y Manipulación Datos: Paquete `tidyverse`. Ejercicios
- Manipulación de Datos II y Exportación Datos
- Visualización
- Reportería