R para ciencias biológicas y de la salud

1. Historia y fundamentos de R.
   1.1 Introducción a R: Origen y evolución.
   1.2 R vs. RStudio: Entendiendo las diferencias y complementariedades.

2. Entorno de trabajo y gestión de proyectos.
   2.1 Configuración inicial de R y RStudio.
      2.1.1 Navegando por RStudio: Paneles y menús. 
   2.2 Creación y gestión de proyectos en RStudio.
   2.3 Organización de scripts y datos.

3. Manejo de paquetes y repositorios.
   3.1 Uso de CRAN para la instalación de paquetes.
   3.2 Introducción a GitHub para código y colaboración.

4. Conceptos básicos de programación en R.
   4.1 Tipos de datos y estructuras
      4.1.1. Vectores
      4.1.2. Matrices
      4.1.3. Data frames
      4.1.4. Listas
   4.2 Operaciones básicas y manipulación de objetos en R.

5. Edición y exploración de datos.
   5.1 Importación y exportación de datos en R.
   5.2 Uso de `dplyr` y `tidyverse` para manipulación de datos.
   5.3 Análisis exploratorio de datos: Resumen de datos, filtrado y transformaciones.
   5.4 Programación funcional: bucles y condicionales.

6. Integración, limpieza y visualización de datos.
  6.1 Técnicas de limpieza de datos: Manejo de valores perdidos, outliers.
  6.2 Combinación de datasets: `merge`, `join` funciones.
  6.3 Preparación de datos para análisis estadístico.   
  6.4 Principios de visualización de datos con `ggplot2`.
  6.5 Gráficos avanzados para bioestadística: Heatmaps, plots de densidad, y más.
      6.5.1. Bioconductor para visualización de datos. 
  6.6 Personalización y exportación de gráficos.

7. Automatización y funciones personalizadas.
   7.1 Creación de funciones en R para tareas repetitivas.
   7.2 Automatización de análisis: Scripts y bucles.

8. Reproducibilidad y documentación.
   8.1 Introducción a R Markdown para la creación de informes dinámicos.
   8.2 Documentación y comentarios de código para la claridad.

9. Aplicaciones prácticas en R.
   9.1 Ejercicios prácticos con datos reales en el contexto de la bioestadística.
   9.2 Estudio de caso: Desde la formulación de la pregunta de investigación hasta el análisis de datos. 

10. Preparación para la Bioestadística.
   10.1 Simulación de datos para entender conceptos estadísticos.
   10.2 Introducción a paquetes estadísticos en R relevantes para. bioestadística.