💥14 herramientas secretas impulsadas por #RStats para ahorrar tiempo y esfuerzo en tus proyectos de datos (¡No te lo pierdas!):👀
1️⃣ ¡Edita tus datos de forma interactiva (y guarda el código)! 👀
📦 'editData' es un complemento de RStudio para editar un data.frame o un tibble de forma interactiva
🔗 buff.ly/3U5Tgjy
3️⃣ ¡Elige los colores para tus gráficos de forma interactiva!
📦colourpicker te ayuda a elegir el color y lo actualiza en tiempo real para que puedas ver los cambios de inmediato
🔗 github.com/daattali/colou…
4️⃣ ¡Edita los themes de ggplot2 a golpe de click y personaliza tus gráficos!
📦 ggThemeAssist te permite elegir/ajustar cualquier detalle de tus gráficos
🔗 github.com/calligross/ggt…
8️⃣ ¡Convierte tus análisis en documentos, informes, presentaciones y tableros reproducibles y de alta calidad!
✅ #RMarkdown (o #Quarto) une texto, código y resultados en un único documento
¡Adiós copy & paste, adiós errores!
1️⃣1️⃣ ¡Visualiza paso a paso tus canalizaciones de datos!👀
📦ViewPipeSteps crea pestañas con la vista de datos con los resultados de las funciones encadenadas en tuberías (pipes %>%)
🔗 github.com/daranzolin/Vie…
1️⃣2️⃣ Analiza de manera sencilla las expresiones regulares
- Crea interactivamente tu expresión regular
- Busca coincidencia de cadenas
- Consulta la ayuda interactiva y los recursos incluidos para aprender expresiones regulares
🔗 github.com/gadenbuie/rege… #rstats#datamanagement
1️⃣3️⃣ ¡Si quieres estar a la última con todas las novedades de paquetes de #RStats apunta este addin!💥
- Busca paquetes relevantes
- Obtén metadatos del paquete
- Descubre paquetes
- Mantente al día con CRAN
🔗 buff.ly/2QBkrVP #ML#IA#BigData#datamining#programming
1️⃣4️⃣¡Integra #chatgpt3 en tus análisis de datos con #RStats!
📦gpttools incluye:
📄comentarios de roxygen
💬código de explicación
🧪sugiere pruebas unitarias para funciones
🚀convierte scripts en funciones reutilizables
🔗 github.com/JamesHWade/gpt… #ChatGPT#AI#ML#tech#Data
😉Sígueme para obtener más herramientas y recursos de #DataScience#ML#IA#RStats y aprende las mejores técnicas y enfoques.
¿Cuál es la herramienta que más te ha gustado de esta lista?, ¡Comenta abajo!👇
👀 ¿Estás haciendo las preguntas correctas? Porque la estadística no soluciona estudios con preguntas tontas.💥
Sí, puedes aplicar fórmulas complejas, tener modelos brillantes, usar IA y… fracasar estrepitosamente.
¿Por qué? Te lo cuento...👇🧵
#stats #analytics #datascience
💥 Porque un buen análisis no empieza con datos, sino con una buena pregunta.
👉 No basta con responder bien. Hay que preguntar bien.
👉 No es solo usar datos. Hay que resolver los problemas correctos.
👉 Antes de hacer análisis, asegúrate de que tu pregunta no sea una trampa.
🧠 DESCARGA esta PLANTILLA PARA FORMULAR BUENAS PREGUNTAS ANALÍTICAS
💭 ¿Y tú? ¿Alguna vez te diste cuenta tarde de que tu pregunta era equivocada?
Cuéntalo sin vergüenza: todos hemos caído en el error tipo III alguna vez.
¡Te leo!
📌 El p-valor es uno de los elementos más malinterpretados de la estadística. Y aunque lo usamos a diario… muchos no entienden bien qué significa ni cómo se debe usar.
Y eso tiene consecuencias: decisiones mal tomadas, resultados sobreinterpretados y modelos que no funcionan.😱
💥 El p-valor es el elemento sorpresa de la estadística.
Un p-valor < nivel significación (e.g. alfa = 0.05) te dice:
🧪 “Oye, si el mundo fuera como tú creías (hipótesis nula + supuestos)… esto que estás viendo sería MUY raro”.
Y ahí es cuando toca replantearse las cosas.
📉 ¿Qué NO es un p-valor?
❌ No te dice si una hipótesis es cierta o falsa.
❌ No mide la probabilidad de que un resultado se deba “al azar”.
❌ No es un certificado de “verdad estadística”.
🔥 Errores estadísticos graves que siguen vivos en 2025 (aunque no lo creas)🔥
Sí, en 2025 podemos generar imágenes hiperrealistas de gatos tocando el piano, pero cuando se trata de análisis de datos, seguimos tropezando con los mismos errores de hace décadas.
Los 5 más comunes👇
🔹 1. ¿Cuál es la !#? pregunta?
El error más común (y el más subestimado) es no tener clara qué tipo de pregunta estás intentando responder:
🧠 Descripción, exploración, inferencia, predicción, causalidad, modelización
👉 Cada una guía el análisis y requiere enfoques distintos.
🔹 2. El diseño del estudio no es un detalle técnico, es la base del análisis.
Seguimos viendo análisis donde no se indica con detalle de dónde vienen los datos.
🧠 Experimento, Encuesta, Muestreo aleatorio o por conveniencia
👉 Determina sesgos, test/modelo válido, y confianza.
👀 Hay una herramienta de IA que me encanta y ahora con las nuevas funciones, es todavía más bestia (y ya sabéis que no suelo decir esto a la ligera).
Es de Google, es GRATIS, y funciona con tus propios documentos, así que no alucina sino que te da respuestas referenciadas.👇
🧠 #NotebookLM sirve no solo para organizar mi información, sino también para interactuar con ella, aprender, crear y gestionar proyectos.
Pero es que además ahora trae algunas NOVEDADES muy interesantes...
#InteligenciaArtificial #GestiónDeInformación #Productividad #GoogleAI
NotebookLM integra Gemini 2.0/2.5 para:
1️⃣ Descubrir Fuentes
2️⃣ Crear Mapas Mentales
3️⃣ Crear Audios Overviews Multilingües (Convierte tus documentos en podcasts, también en español)
4️⃣ Compartir Cuadernos
5️⃣ Disponible en Móvil (accede desde cualquier lugar)
6️⃣ ¡Y en Classroom!