![](https://agdi.ar/wp-content/uploads/2024/03/AGDI_CURSO_R_.png)
Lenguaje R Aplicado a la Agronomía
Inicia 25/06/2024
$
200.000*
*Válido para pagos vía transferencia bancaria.
2º Edición
Cursado Virtual Sincrónico / Asincrónico
Encuentros semanales
dictados por docentes expertos en la temática
Experiencia de aprendizaje flexible, a tu propio ritmo
Acceso las 24 horas a material de lectura, contenido multimedia, y actividades prácticas
Docente a Cargo
![Esteban-Souza-AGDI](https://agdi.ar/wp-content/uploads/2024/03/Esteban-Souza.jpg)
Esteban Souza
Ingeniero agrónomo especializado en teledetección, SIG y ciencia de datos con más de 10 años de experiencia trabajando tanto de manera autónoma como para empresas del sector agropecuario y ambiental.
Objetivos del Curso
- Adquirir habilidades en la escritura de código en R.
- Procesar y transformar datos agrícolas en R.
- Realizar análisis de datos y generar visualizaciones útiles en la agricultura.
- Desarrollar habilidades para automatizar el procesamiento de datos
Modalidad de Dictado
El curso se divide en 5 módulos, que se corresponden cada uno con una clase semanal.
A su vez, a lo largo de todo el curso se trabajará sobre un proyecto práctico de manera transversal a todos los módulos con el objetivo de aplicar los contenidos de cada módulo y de dar coherencia a todo el programa.
Contenido Programático
- Introducción a R y RStudio
- Interfaz de RStudio y flujo de trabajo básico.
- Instalación y manejo de paquetes.
- tidyverse: Una introducción a su enfoque de programación y funciones. - Conceptos básicos de programación
- Asignación de variables y tipos de datos en R.
- Estructuras de control: if y for.
- Funciones básicas y su creación. - Primer acercamiento al proyecto
- Definición de objetivos y alcance del proyecto.
- Planificación y organización de datos.
- Manejo avanzado de dataframes con dplyr y tidyr
- Importación de tablas de datos (CSV, Excel, entre otros).
- Lectura de archivos de manera programática.
- Operaciones con dataframes: seleccionar, filtrar, mutar.
- Agrupación y resumen de datos.
- Pivotar tablas.
- Procesar datos de fecha y hora - Análisis exploratorio de los datos
- Estadísticas descriptivas: promedio, mediana, desvío estándar, rangos.
- Distribución de datos y correlación entre variables. - Comienzo del proyecto
- Importación de datos para el proyecto.
- Limpieza y preparación inicial de datos.
- Análisis descriptivo de los datos del proyecto.
- Trabajar con datos espaciales vectoriales
- Introducción a objetos espaciales con 'sf'.
- Operaciones básicas con datos espaciales: joins, intersections, buffer. - Manejo de datos raster.
- Uso de paquete 'terra'.
- Funciones básicas para rasters: reproyectar, remuestreo y máscaras.
- Operaciones entre rasters y objetos vectoriales: extraer, máscaras. - Integración de datos espaciales en el proyecto
- Aplicación de técnicas espaciales a datos del proyecto.
- Análisis espacial preliminar.
- Consulta de APIs usando librerías dedicadas
- Obtención de datos climáticos y de suelos.
- Integración y repaso de los módulos anteriores. - Aplicación al proyecto e integración de los nuevos datos en el análisis.
- Visualización de datos con ggplot
Principios de visualización de datos.
- Creación de gráficos: barras, líneas, scatterplots.
- Personalización de gráficos. - Creación de mapas.
- Plotear datos vectoriales y raster de manera sencilla usando el tmap. - Finalización del proyecto
- Análisis completo del proyecto.
- Creación de visualizaciones finales (gráficos y mapas).
- Presentación y discusión de los resultados del proyecto.