Ciencia de datos: fundamentos de R
Aprende el lenguaje R para ciencia de datos: estadística, visualización y análisis. Curso gratuito para analistas y cientificos de datos.
Publicado: 31 de marzo de 2026 · Actualizado: 29 de julio de 2026
Revisión editorial
Ficha de curso revisada por redacción
Resumen editorial basado en la ficha enlazada y en referencias públicas del ámbito formativo · Revisado el 29 de julio de 2026
Qué comprobar antes de actuar
- Comprueba a qué colectivo va dirigida la convocatoria: desempleados, ocupados, autónomos o perfiles específicos.
- Verifica si la certificación es oficial, de aprovechamiento o solo de asistencia antes de inscribirte.
- Confirma que la duración de 12 horas y la modalidad online encajan con tu disponibilidad real.
- Antes de enviar datos personales, revisa quién gestiona la ficha, el formulario y la documentación exigida.
Fuentes y referencias
- Metodología editorial · Cómo tratamos fichas, convocatorias y enlaces externos.
- Ficha o inscripción enlazada · edx.org
Esta página resume la información disponible en la fuente enlazada. La disponibilidad, el organismo gestor, la certificación y los requisitos pueden variar sin previo aviso; confirma siempre la ficha de destino antes de inscribirte.
Detalles del curso
| Modalidad | online |
| Duración | 12 horas |
| Precio | Gratuito |
| Nivel | Intermedio |
| Certificación | Consulta la certificación en la entidad de inscripción |
| Entidad indicada | edX |
| Acceso | Plataforma MOOC · edx.org |
Consulta la disponibilidad en la entidad
Una ficha publicada no garantiza que queden plazas. Comprueba fechas, selección y condiciones en la convocatoria de destino.
Accede a la ficha de la entidad para comprobar condiciones y solicitar plaza.
El enlace abre una plataforma de formación online donde conviene revisar condiciones, certificación y acceso real al curso.
Ver plataforma del cursoAntes de apuntarte
- Comprueba si la convocatoria está dirigida a desempleados, trabajadores en activo o un colectivo concreto.
- Revisa si la certificación final es oficial, de aprovechamiento o simplemente de asistencia.
- Valora si 12 horas encaja de verdad con tu disponibilidad y con el nivel intermedio.
- Confirma en el portal de acceso quién gestiona la inscripción y qué documentación piden antes de enviar tus datos.
Ciencia de datos: fundamentos de r - el lenguaje de la estadística moderna
R es uno de los lenguajes de programación más importantes para la ciencia de datos, la estadística y la investigación académica. Utilizado por analistas de datos, estadisticos, investigadores y profesionales de la salud en todo el mundo, R ofrece un ecosistema incomparable para el análisis estadístico y la visualización de datos. Este curso gratuito de unas 12 horas (edX estima 4 semanas con 2-4 horas semanales) te introduce en R desde cero y te prepara para empezar a realizar análisis de datos.
Qué aprenderás en este curso
Aprenderás a programar en R desde los fundamentos, a manipular y limpiar conjuntos de datos con el tidyverse, a crear visualizaciones de calidad con ggplot2, a realizar análisis estadisticos descriptivos e inferenciales, y a elaborar informes reproducibles con R Markdown. El curso combina teoría estadística con práctica intensiva en R.
Temario completo por módulos
Módulo 1: Introducción a R y RStudio
- Instalación de R y RStudio
- Interfaz de RStudio: consola, scripts, environment, plots
- Tipos de datos: vectores, matrices, listas, data frames
- Operadores y funciones básicas
- Paquetes: instalación y carga con CRAN
- Buenas prácticas: proyectos, directorios y reproducibilidad
Módulo 2: Manipulación de datos con tidyverse
- Introducción al tidyverse y la filosofia tidy data
- dplyr: filter, select, mutate, summarise, group_by
- tidyr: pivot_longer, pivot_wider, separate, unite
- Importación de datos: readr, readxl, haven
- Trabajo con cadenas de texto: stringr
- Trabajo con fechas: lubridate
- Pipes: el operador |> y su uso eficiente
Módulo 3: Visualización de datos con ggplot2
- Gramatica de gráficos: la filosofia de ggplot2
- Geometrias: barras, líneas, puntos, boxplots, histogramas
- Estéticas: color, forma, tamaño, transparencia
- Facets: gráficos múltiples por categoría
- Temas y personalización visual
- Gráficos interactivos con plotly
- Exportación de gráficos en alta resolución
Módulo 4: Estadística descriptiva con R
- Medidas de tendencia central: media, mediana, moda
- Medidas de dispersion: varianza, desviación tipica, rango intercuartilico
- Distribuciones de frecuencia y tablas de contingencia
- Correlación y asociación entre variables
- Exploración gráfica de datos: identificación de patrones y anomalias
Módulo 5: Estadística inferencial con R
- Conceptos fundamentales: población, muestra, estimación
- Intervalos de confianza
- Pruebas de hipotesis: t-test, chi-cuadrado, ANOVA
- Regresion lineal simple y multiple
- Supuestos estadisticos y diagnosticos
- Interpretación de resultados y p-valores
Módulo 6: R Markdown e informes reproducibles
- Introducción a R Markdown y Quarto
- Combinación de texto, código y resultados
- Formatos de salida: HTML, PDF, Word
- Tablas profesionales con kableExtra y gt
- Automatización de informes periódicos
Módulo 7: Casos prácticos y proyecto final
- Caso práctico 1: análisis exploratorio de datos públicos
- Caso práctico 2: estudio estadístico completo
- Caso práctico 3: dashboard con Shiny (introducción)
- Proyecto final: análisis de datos de principio a fin con informe R Markdown
A quién va dirigido este curso
- Analistas de datos que quieran incorporar R a su toolkit
- Profesionales de la salud e investigadores que necesiten herramientas estadísticas
- Economistas y cientificos sociales que trabajen con datos cuantitativos
- Estudiantes universitarios de carreras con componente estadístico
- Profesionales de marketing, finanzas o RRHH que analicen datos regularmente
Requisitos previos
- Nociones básicas de estadística (media, mediana, porcentajes)
- No se requiere experiencia previa en programación
- Ordenador con capacidad para instalar R y RStudio
- Conexion a internet
Salidas profesionales
- Analista de datos con R: análisis estadístico y reporting en empresas
- Bioestadistico: análisis de datos clinicos y epidemiologicos
- Investigador cuantitativo: análisis de datos en investigación académica y aplicada
- Analista de marketing: segmentación de clientes y análisis de campañas
- Data Scientist junior: como trampolon hacia roles de ciencia de datos más avanzados
Cómo acceder a la inscripción
- Visita el portal y busca la formación en nuevas tecnologías
- Localiza el curso de ciencia de datos con R
- Presenta tu solicitud de preinscripción
- Adjunta la documentación requerida
- Espera la confirmación de admisión
Ventajas e inconvenientes
Ventajas:
- R es gratuito y de código abierto, sin costes de licencia
- Ecosistema estadístico más completo que cualquier otro lenguaje
- ggplot2 produce visualizaciones de calidad publicación
- Curso gratuito con enfoque práctico y casos reales
- Competencia valorada en investigación, consultoria y empresas data-driven
Inconvenientes:
- R tiene una curva de aprendizaje diferente a otros lenguajes de programación
- Python es más demandado en ofertas de empleo generalistas de ciencia de datos
- El rendimiento de R puede ser limitado con datasets muy grandes
- Algunos contenidos estadisticos pueden resultar densos sin base previa
Preguntas frecuentes
Es mejor aprender R o Python para ciencia de datos?
Ambos son excelentes. R destaca en estadística y visualización, y es el estandar en investigación académica y ciencias de la salud. Python es más versatil y demandado en ingenieria de datos e IA. Idealmente, un cientifico de datos domina ambos.
Necesito saber estadística antes de empezar?
Se recomienda tener nociones básicas (media, mediana, porcentajes), pero el curso repasa los conceptos estadisticos necesarios antes de aplicarlos en R.
R es solo para académicos?
No. R se usa ampliamente en finanzas, farmacia, marketing, consultoria y administración pública. Empresas como Google, Facebook, Airbnb y el Banco de España utilizan R en sus análisis.
Puedo crear aplicaciones web con R?
Sí, mediante Shiny, un framework para crear aplicaciones web interactivas directamente desde R. El curso incluye una introducción a Shiny.
Qué diferencia hay entre este curso y el de IA y Machine Learning?
Este curso se centra en R, estadística y análisis de datos. El de IA y Machine Learning se enfoca en Python y algoritmos de aprendizaje automático. Son complementarios.