Si estás aquí y aún no sabes por qué es relevante R puedes leer las argumentaciones de inside-R, burns-stat, R-bloggers, etc. Hay miles, preguntale a Google.

Este es un esfuerzo en español para aquéllos que ya saben que R es relevante pero no saben muy bien por dónde empezar a estudiarlo.

Para la parte de R, por ahora se estructura el repo como si se tomara una clase de R y las lecciones progresan en un orden más o menos lógico. Cada lección, en el readme explica qué material se cubre y la tarea que se recomienda para la sección (puedes saltarte todo mientras se haga la tarea, de hecho... para programar hay que meterle horas hombre a de hecho codear).

Algunos preliminares útiles que no se cubren aquí:

• Línea de comandos | Consola | Terminal | Bash: si no la conoces, una probadita básica facilita mucho las cosas. El curso gratuito más básico y que te enseña qué es y para qué sirve es el de codeacademy.
• Git | github
  • Curso en code school de try git. Code school tiene varios cursos más en su path de Git y acabas siendo un master.
  • Si eres más de libros, hay muchos buenos. En particular Pro Git ahora con versión en español!
  • Si te basta un tutorial gratuito (que si basta pues puedes ir aprendiendo sobre la marcha) uno excelente está acá.
  • En coursera, el data scientist toolkit cubre Git.
  • Si eres de manuales, el help de github es la opción.
• Markdown / rmarkdown: no son lo mismo pero el segundo lo cubrimos en el material del repo (todo está escrito en rmarkdown)
  • Una excelente cheatsheet de markdown por adam-p y
  • Material de RStudio para rmarkdwon es buenísimo para ir aprendiendo as-you-go.

Obvio no puse los pdfs porque hay que respetar a los autores. Algunos recursos:

• Los fenomenales:
  • Para los nuevos (en estadística), James, Witten, Hastie y Tibshirani se regalan An Introduction to Statistical Learning que no solo tiene excelente material para aprender estadística sino que te pone ejemplos de código en R de muy buena calidad.
  • Para los que tienen más experiencia en estadística, Hastie, Tibshirani y Friedman, The Elements of Statistical Learning también con código ejemplo.
• Otros
  • Kabacoff con R in Action. Se lee como el Quick-R (que por cierto, es excelente starting point). Si no les alcanza para el libro, el código lo pueden descargar y es un gran starting point para muchos temas. Lo encontré en pdf aquí pero es un buen libro y si pueden pagar por el, está bueno.