Desembarcando en R
por Pablo Casas
Introducción práctica a R para ciencia de datos: carga y preparación de datos con tidyverse, análisis exploratorio, gráficos con ggplot2 y un primer modelo random forest.
Recomendado, valoración editorial 4 de 5
verificado 2026-10-01 — sigue siendo gratis en Udemy
Empezar en UdemyRespuesta rápida
Curso gratis de Datos e IA de nivel principiante en Udemy impartido por Pablo Casas (1 h 46 min). Nuestra valoración: 4/5, recomendado. Comprobamos que sigue siendo gratis el 1 de octubre de 2026.
- Veredicto
- 4/5 · Recomendado
- Para quién
- Personas que nunca han usado R y quieren una primera introducción práctica a la ciencia de datos.
- Nivel
- Principiante
- Duración
- 1 h 46 min · 19 lecciones
- Precio
- Gratis en Udemy
- Autor
- Pablo Casas
- Plan sugerido
- 1 sem. · 4 h/sem.
- Verificado
- el 1 de octubre de 2026
Nuestro veredicto
Recomendado, valoración editorial 4 de 5Introducción práctica y compacta a R para ciencia de datos, bien pensada para quien parte de cero. Recorre el flujo completo hasta un primer modelo, aunque sin profundizar.
Puntos fuertes
- Orientado a principiantes absolutos, con progresión clara desde R básico hasta un modelo predictivo.
- Según la descripción, cada laboratorio incluye ejercicios con su resolución.
- Cubre el flujo completo: carga, exploración, preparación y modelado.
A tener en cuenta
- Es una introducción breve (unos 106 minutos), por lo que no profundiza.
- No consta el año de publicación y la descripción indica que existe una segunda edición en otra plataforma.
De qué trata
Curso práctico e introductorio de R para ciencia de datos, pensado para quien nunca ha usado el lenguaje. Se organiza en 19 lecciones (unos 106 minutos) con 11 laboratorios y un bonus track.
Recorre el uso de RStudio, la carga de datos, el análisis exploratorio, la preparación de datos con tidyverse (filtrar, ordenar, crear variables, agrupar y cruzar tablas), gráficos con ggplot2, correlaciones y un modelo predictivo con randomForest. Termina con una introducción a los reportes en R Markdown.
- Uso de RStudio y carga de archivos txt/csv
- Filtrar, ordenar y crear variables con dplyr
- Análisis exploratorio y gráficos con ggplot2
- Modelo random forest y validación con curva gain
- Bonus: reportes con R Markdown
Para quién es este curso
- Personas que nunca han usado R y quieren una primera introducción práctica a la ciencia de datos.
- Analistas o estudiantes que quieren aprender a cargar, explorar y preparar datos con tidyverse.
- Quien busca un recorrido corto, pensado para completarse en unos 5 días, hasta llegar a un primer modelo predictivo.
Mejor busca otro si…
- Quien ya maneja dplyr y ggplot2 con soltura y busca contenido avanzado.
- Quien necesite profundizar en modelado estadístico o machine learning: el curso solo ofrece una introducción.
Antes de empezar
- Ninguno: el curso está orientado a personas que nunca vieron nada de R.
Qué sabrás hacer al terminar
- Usar RStudio y cargar archivos txt/csv en R.
- Filtrar, ordenar, seleccionar y crear variables con dplyr, incluido el manejo de valores nulos.
- Agrupar y resumir datos y cruzar tablas con tidyverse.
- Realizar un análisis exploratorio visual y numérico, con gráficos básicos en ggplot2.
- Entender cómo crear y validar un modelo random forest con datos nuevos.
Estructura del curso
- 01
Primeros pasos en R
Presentación del curso, uso de RStudio y primeras operaciones con vectores y data frames.
- 02
Análisis exploratorio de datos
Introducción al análisis exploratorio, tanto visual como numérico.
- 03
Preparación de datos con tidyverse
Filtrado de registros, ordenación y selección de columnas, creación de variables, manejo de nulos, operaciones aritméticas, agrupaciones y cruce de tablas.
- 04
Gráficos y correlaciones
Introducción a ggplot2 y análisis de correlaciones.
- 05
Modelo predictivo y reportes
Modelo predictivo con randomForest y validación con datos nuevos (curva gain). Bonus track: reportes con R Markdown.
Capítulos del vídeo
- 01Ántes de empezar!
- 02Desembarcando en R!
- 03Operaciones con vectores y data frames
- 04Análisis Exploratorio de Datos
- 05Filtrando registros (tidyverse)
- 06Ordenando y seleccionando columnas (tidyverse)
- 07Creando nuevas variables y manejo de nulos
- 08Operaciones artitméticas y agrupaciones (tidyverse)
- 09Cruce de tablas (tidyverse)
- 10Introducción a gráficos (ggplot2)
- 11Analizando correlaciones
- 12Modelos predictivos (randomForest)
Ver los 1 restantes
- 13Bonus track: Crear reportes R Markdown
Plan de estudio sugerido
1 semana · unas 4 h por semana
- 1.Día 1: capítulos 'Antes de empezar' y 'Desembarcando en R', con operaciones con vectores y data frames; practica en RStudio.
- 2.Día 2: análisis exploratorio de datos y filtrado de registros; haz los ejercicios.
- 3.Día 3: ordenar y seleccionar columnas, crear variables y manejo de nulos.
- 4.Día 4: operaciones aritméticas, agrupaciones, cruce de tablas e introducción a ggplot2.
- 5.Día 5: correlaciones, modelo randomForest y bonus de R Markdown.
El plan cuenta con tiempo para pausar y practicar, no solo con la duración del vídeo. Si quieres adaptarlo a tu semana, lee cómo montar tu plan de estudio semanal.
Consejos para seguirlo
- Instala R y RStudio antes de empezar, junto con tidyverse, funModeling, corrr, Hmisc y randomForest.
- Haz los ejercicios de cada laboratorio antes de ver su resolución.
- Repite los pasos de preparación de datos con otro conjunto de datos propio para afianzarlos.
- Dedica tiempo extra al capítulo del modelo predictivo, que reúne lo anterior.
Antes y después de este curso
- AlternativaEstructuras de datos en R [nivel básico] en EspañolTambién introduce R en español a nivel básico; sirve para reforzar las estructuras de datos.
Cómo lo presenta Pablo Casas
Desembarca en R, pisando tierra firme! Con este curso práctico e introductorio de R para Ciencia de Datos
Actualización! Este curso migra con una 2da edición con más material a: EscuelaDeDatosVivos.AI :D Bienvenid@s! Este curso busca hacer una breve introducción, a los temas centrales de Ciencia de Datos, orientado a personas que nunca vieron nada de R. A lo largo de 11 laboratorios, y 17 videos…
Extracto de la descripción original en Udemy.
Preguntas frecuentes
+¿Necesito saber R antes?
No. La descripción indica que está orientado a personas que nunca vieron nada de R.
+¿Cuánto se tarda en completarlo?
Son unos 106 minutos de vídeo; según la descripción está pensado para terminarse en 5 días, ejercicios incluidos.
+¿Qué paquetes usa?
tidyverse (dplyr y ggplot2), funModeling, corrr, Hmisc y randomForest.
+¿Incluye ejercicios?
Sí, según la descripción cada laboratorio tiene su sección de ejercicios con resolución.
Análisis editorial elaborado con ayuda de IA a partir de la descripción, los capítulos y la duración publicados en Udemy, y revisado según nuestro método. El contenido del curso es obra de Pablo Casas; si ves algún error, avísanos.
Guías para sacarle partido
Más cursos de Datos e IA
CURSO COMPLETO de SQL y BASES DE DATOS Desde Cero (8 horas)
Curso desde cero de SQL y bases de datos con MySQL: instalación, modelado, consultas, agregaciones, JOINs, subconsultas, normalización y ejercicios integradores.
Curso COMPLETO de SQL y BASES DE DATOS Desde Cero para PRINCIPIANTES
Recorre SQL y bases de datos relacionales desde cero: consultas, escritura de datos, tablas, relaciones y joins, hasta índices, triggers y transacciones.
CURSO de MACHINE LEARNING desde CERO | (COMPLETO)
Recorre los principales algoritmos de regresión y clasificación con scikit-learn, con un caso práctico de precios de viviendas en California.
Curso de SQL desde CERO (Completo)
Recorre SQL desde cero: modelo ER, instalación, consultas, filtros, agregaciones, subconsultas y joins, hasta índices, transacciones y procedimientos almacenados, con un ejercicio final SQL + Python.