Curso de Fundamentos de R para bioinformática

M.C. Axel Alejandro Ramos García

Tecnológico de Monterrey

Curso de Fundamentos de R para bioinformática

Curso en línea

Acceso durante 1 año

10 horas totales

$899.00 MXN ($45 USD)

Información general

Este curso introductorio y práctico te brindará las herramientas y conocimientos esenciales para utilizar R en el análisis de datos biológicos. A lo largo de las sesiones, aprenderás los conceptos básicos de programación y las funciones fundamentales del lenguaje R, con un enfoque en su aplicación a la bioinformática.

Qué aprenderás

Programación funcional en R y tidyverse.

Transformación y Limpieza de datos reales.

Análisis exploratorio y generación de hipótesis.

A quién va dirigido este curso

El curso está dirigido a estudiantes y profesionales de áreas científicas, ingenierías y ciencias de la salud que deseen aplicar herramientas computacionales al análisis de datos biológicos; a investigadores y analistas que inician en la gestión y procesamiento de datos y buscan adquirir bases sólidas en el uso de R. También resulta ideal para cualquier persona interesada en la ciencia de datos que busque desarrollar habilidades prácticas en programación y análisis con R.

Beneficios del curso

Certificado de finalización

Constancia de
finalización del curso
y realización de un
proyecto con valor
curricular

Instructores expertos

Aprende directamente de expertos del área de las mejores instituciones de Latinoamérica y el mundo

Educación con proyectos

Realizarás un
proyecto académico
para demostrar las
habilidades
adquiridas en el
curso

Temario

M1 Primer encuentro con R y RStudio

Análisis del ecosistema de R en Bioinformática: CRAN, Bioconductor; visualización y reproducibilidad.
Pensamiento algorítmico
Análisis de R vs RStudio
Exploración de la Interfaz de Rstudio
Sintaxis básica: R como calculadora, variables y comentarios.
Práctica 1: Creación del primer script en RStudio

M2 Creación y manipulación de vectores numéricos, de texto y lógicos.

Tipos de datos básicos: numeric, character, logical.
Vectores y la estructura fundamental: analogía biológica.
Creación de vectores con la función c()
Funciones de las herramientas de R: sum(), mean(), length(), min(), max()
Ampliando R con paquetes: CRAN y tidyverse
Práctica 2: Creación y manipulación de vectores numéricos, de texto y lógicos.

M3 Explorando el tidyverse

La filosofía de los «Tidy Data»: principales reglas
Análisis de Dataframe vs tibble
El operador Pipe %>%
Importación e inspección: read_csv(), glimpse(), summary()
Práctica 3: Carga por primera vez un dataset del microbioma intestinal en R e inspección inicial para entender su estructura y contenido.

M4 Primera gráfica con ggplot2

Los «verbos» de dplyr: select(), filter(), mutate()
La gramática de los gráficos (ggplot2): datos (ggplot), estéticas (aes), geometría (geom)
Análisis del mapeo de estéticas (aes)
Análisis de las geometrías (geom): geom_point(), geom_bar(), geom_boxplot, geom_line()
Práctica 4: Filtrado del dataset para enfoque en un género microbiano, manipulación de los datos, y creación de la primera visualización para comparar la abundancia entre los grupos ASD y Control

M5 Resúmenes, agrupaciones y próximos pasos

El dúo dinámico: group_by() + summarise(), dividir-aplicar-combinar.
Análisis del control de flujo: condicionales (if/else), Bucles (for loops).
¿Qué es Bioconductor?
Flujo de trabajo de un EDA (análisis exploratorio de datos): importar, ordenar, transformar, visualizar y comunicar.
Práctica 5: Obtención de estadísticas de resumen y creación de la visualización comparativa más importante: el diagrama de caja.

Proyecto

Análisis de datos de microbioma con R

A lo largo del curso, los estudiantes desarrollarán un análisis exploratorio de datos (EDA) en R usando un dataset real de microbioma. El proyecto se construirá paso a paso en cada sesión, desde la carga y limpieza de datos, incluyendo su transformación, análisis estadístico, visualización e interpretación de resultados.

Instructor

M.C. Axel Alejandro Ramos García

Tecnológico de Monterrey

Especialista en Bioinformática y Biología Computacional, con enfoque en aprendizaje automático aplicado al análisis de datos biológicos. Desarrolló FuNTB, una herramienta para el análisis de SNP en Mycobacterium tuberculosis, e investigó la selección de características en Neisseria gonorrhoeae y Acinetobacter baumannii mediante aprendizaje profundo, inteligencia artificial explicable y enfoques neurosimbólicos. Posee experiencia en el entrenamiento de modelos avanzados como DNABERT y en la optimización de flujos de trabajo de machine learning, así como en el uso de computación de alto rendimiento con clústeres Linux y servidores SLURM para análisis genómicos a gran escala. Además, cuenta con una sólida trayectoria interdisciplinaria en robótica y sistemas inteligentes, destacando el desarrollo de un exoesqueleto para miembros inferiores destinado a personas con paraplejia.

Certificado digital

Obtendrás un certificado con valor curricular, el cual queda registrado dentro de la plataforma de Conociverso y podrás consultar en cualquier momento para su validación.

Requerimientos técnicos

Nociones básicas de informática.
Memoria RAM de 8 GB o superior.
Procesadores core i5 similar o superior.

Preguntas frecuentes

¿Se entrega un certificado al finalizar este curso?

Sí. Al terminar el curso recibirás un certificado con valor curricular, emitido por Conociverso, que demuestra las habilidades adquiridas durante el curso.

¿Debo tener algún grado académico específico para inscribirme?

No necesariamente. Recomendamos contar con conocimientos básicos en ciencias biológicas, pero el programa está pensado para adaptarse tanto a estudiantes como a profesionales.

¿Necesito tener instalado algún software antes de iniciar?

No. Durante el diplomado aprenderás a instalar y utilizar cada herramienta paso a paso, con la guía de tus profesores. Únicamente necesitas contar con una computadora con al menos 8 GB de RAM.

Si las clases en vivo ya pasaron, ¿aun así puedo tomar este curso?

¡Por supuesto! Todos nuestros cursos están diseñados para que también los puedas realizar en modalidad asincrónica, a tu propio ritmo y en el horario que mejor se adapte a ti. Tendrás acceso a las grabaciones de todas las clases del curso y al material complementario.

¿Emiten factura fiscal?

Sí, emitimos factura fiscal únicamente para México. Para solicitarla, ve a la configuración de tu cuenta, en la sección de pagos encontrarás la opción de facturación. Debe solicitarse dentro del mismo mes en que se realizó la compra.

Reseñas

M1 Primer encuentro con R y RStudio

Análisis del ecosistema de R en Bioinformática: CRAN, Bioconductor; visualización y reproducibilidad.
Pensamiento algorítmico
Análisis de R vs RStudio
Exploración de la Interfaz de Rstudio
Sintaxis básica: R como calculadora, variables y comentarios.
Práctica 1: Creación del primer script en RStudio

M2 Tipos de datos, estructuras y paquetes en R

Tipos de datos básicos: numeric, character, logical.
Vectores y la estructura fundamental: analogía biológica.
Creación de vectores con la función c()
Funciones de las herramientas de R: sum(), mean(), length(), min(), max()
Ampliando R con paquetes: CRAN y tidyverse
Práctica 2: Creación y manipulación de vectores numéricos, de texto y lógicos.

M3 Explorando el tidyverse

La filosofía de los «Tidy Data»: principales reglas
Análisis de Dataframe vs tibble
El operador Pipe %>%
Importación e inspección: read_csv(), glimpse(), summary()
Práctica 3: Carga por primera vez un dataset del microbioma intestinal en R e inspección inicial para entender su estructura y contenido.

M4 Primera gráfica con ggplot2

Los «verbos» de dplyr: select(), filter(), mutate()
La gramática de los gráficos (ggplot2): datos (ggplot), estéticas (aes), geometría (geom)
Análisis del mapeo de estéticas (aes)
Análisis de las geometrías (geom): geom_point(), geom_bar(), geom_boxplot, geom_line()
Práctica 4: Filtrado del dataset para enfoque en un género microbiano, manipulación de los datos, y creación de la primera visualización para comparar la abundancia entre los grupos ASD y Control

M5 Resúmenes, agrupaciones y próximos pasos

El dúo dinámico: group_by() + summarise(), dividir-aplicar-combinar.
Análisis del control de flujo: condicionales (if/else), Bucles (for loops).
¿Qué es Bioconductor?
Flujo de trabajo de un EDA (análisis exploratorio de datos): importar, ordenar, transformar, visualizar y comunicar.
Práctica 5: Obtención de estadísticas de resumen y creación de la visualización comparativa más importante: el diagrama de caja.