Este módulo proporciona una introducción completa a la programación en R, con un enfoque en su aplicación en bioinformática, ecología y ciencias de datos. Los participantes aprenderán los fundamentos esenciales del lenguaje R, incluyendo la sintaxis, las estructuras de datos y la manipulación eficiente de grandes volúmenes de información. Se hará especial énfasis en el uso de métodos estadísticos avanzados para el análisis de datos ecológicos y evolutivos, abordando modelos lineales, modelos lineales mixtos y modelos dinámicos.

El contenido se organiza en cuatro bloques principales:

1. Fundamentos de programación en R

Se abordarán los principios básicos de la programación en R, cubriendo:

• Sintaxis fundamental de R y estructuras de datos (vectores, matrices, listas, data frames).

• Manipulación, limpieza y visualización de datos.

• Creación de funciones personalizadas y control de flujo (condicionales, bucles).

2. Modelos estadísticos avanzados

Este bloque se centrará en métodos estadísticos para analizar datos con estructuras jerárquicas y procesos temporales, incluyendo:

• Modelos lineales (regresión y ANOVA) para analizar relaciones entre variables.

• Modelos lineales mixtos para trabajar con datos que incluyen factores aleatorios y estructuras jerárquicas.

• Modelos dinámicos para estudiar procesos temporales.

3. Gestión de proyectos con Git y GitHub

Se introducirá el uso de herramientas para la gestión eficiente de proyectos y el control de versiones, cubriendo:

• Fundamentos de Git: control de versiones, ramas y merges.

• Uso de GitHub para la colaboración en proyectos de programación y seguimiento de cambios en el código.

• Integración de R con Git y GitHub para el desarrollo colaborativo de proyectos.

4. Machine learning en biología

En este bloque, los participantes aprenderán cómo aplicar técnicas de machine learning en el análisis de datos biológicos, con un enfoque en:

• Métodos de clasificación, regresión y clustering.

• Aplicación de algoritmos de machine learning para la detección de patrones en grandes conjuntos de datos.

• Evaluación de modelos.

Metodología y aplicaciones

El curso combinará clases teóricas con ejercicios prácticos en R, trabajando con conjuntos de datos reales para aplicar las técnicas y herramientas aprendidas. Los participantes desarrollarán sus propios proyectos de investigación, utilizando R para construir modelos estadísticos robustos, realizar análisis de datos y gestionar proyectos colaborativos.

Resultados de aprendizaje

Al finalizar el módulo, los participantes serán capaces de:
✔ Aplicar R en la programación y manipulación de grandes conjuntos de datos biológicos.
✔ Utilizar modelos estadísticos avanzados para analizar datos jerárquicos y temporales en estudios ecológicos y evolutivos.
✔ Gestionar proyectos de programación utilizando Git y GitHub, facilitando la colaboración en equipo.
✔ Aplicar machine learning para analizar patrones y realizar predicciones en datos biológicos complejos.