Repositorio en el que se desarrollará el código de las prácticas de la asignatura "Bases de Datos", del grado de Ingeniería de la Salud, de la Universidad de Burgos.
Más información en la página del curso y a lo largo de las secciones de este README.
La idea detrás de los seminarios es crear manualmente una base de datos (i.e. un conjunto de tablas relacionadas) para así introducir al estudiante en el uso de fuentes biomédicas. Especial interés en la estructuración de las tablas, el manejo teórico de las Bases de Datos y cómo se transfiere ésto al código.
Se trabajará básicamente con código el "Structured Query Language SQL" y con el paquete dplyr del lenguaje de programación R.
Las temáticas pueden estar relacionadas (no es obligatorio) al efecto de estresores ambientales sobre la salud humana (Biometereología Humana). Puedes ver más ejemplos en el MCC Collaborative Research Network.
A modo de ejemplo, os dejo unos enlaces a algunos seminarios previos que han sido bien (o muy bien) evaluados en la siguiente sección Hall of Fame - Seminarios
La entrega se basa en dos archivos que se solicitarán como mecanismo de evaluación del tercer control parcial (evaluación contínua). Los archivos que tendréis que entregar son:
- i) Archivo RMarkdown (Cuaderno de R) que contendrá tanto el texto como el código empleado en el seminario. Es de extensión
.Rmd, y - ii) Archivo HyperText Markup Language (HTML), de extensión
.htmlque contendrá el seminario renderizado, es decir se unirá tanto el texto como el código y sus resultados (i.e. tablas.).
Podéis encontrar una explicación del seminario en este documento:
La estructura del seminario contará con los identificadores básicos del seminario como es el título, los autores y curso al que corresponde y con los siguientes apartados específicos:
- Introducción: contextualiza la idea del seminario, entrega una idea general de la temática y de los datos con los que váis a trabajar (descripción formal de los datos).
- Objetivo general: en una frase un objetivo claro y general que muestre muy claramente la relación entre variables que váis a buscar/relacionar.
- Objetivos específicos: tres o cuatro preguntas específicas que permiten responder el objetivo general.
- Metodología y Resultados: para cada objetivo específico se entregará el código y las representaciones necesarias (tablas) que permitan responder al objetivo específico en cuestión (es necesario mostrar el esquema ERD de la base de datos).
- Conclusiones generales: podréis generar conocimiento nuevo con vuestro seminario y es en este apartado donde váis a detallarlo de manera concisa y reconiendo sus limitaciones.
- Referencias: listado de las referencias utilizadas en el seminario (intentad que sean en formato APA) que os permitirán escribir la introducción y ver lo importante o no de vuestras conclusiones generales.
Para la entrega, deberéis fijaros en:
- i) Definición de los objetivos.
- ii) Modelo ERD.
- iii) Calidad del código en general, número y tamaño de tablas, número de uniones (
JOINS). - iv) Apariencia del cuaderno (
.Rmdy.html). - v) Dominio de conceptos y calidad de la presentación (defensa) en clases.
Para una correcta visualización de los archivos .html, deberás descargarlos ("guardar enlace como") y abrirlos en tu navegador.
- CRAN Task View: Databases with R
- R for Data Science - 21 Databases
- Database Queries With R
- Best Practices in Working with Databases
- SQL databases and R
- SQL translation
- DuckDB - RClient
- orbital package - run predictions of tidymodels inside databases.
- Run predictions directly within a SQL database - Blog
- Animaciones Operaciones en Bases de Datos
- R for Data Science
- R Para Ciencia de Datos
- R4ULPGC: Introducción a R
- Fundamentos de ciencia de datos con R
- R Programming for Data Science
- R Avanzado
- Advanced R
- fasteR: Fast Lane to Learning R!
- Big Book of R
- The tidyverse style guide
- 2024 The use of generative AI for coding in academia
- 2024 Harnessing LLM for coding, teaching and inclusion to empower research
- Introducción al uso de RMarkdown
- Informes con R Markdown - Capítulo
- Introducción a RMarkdown - PPT
- R markdown para abogados
- Cómo crear Tablas de información en R Markdown
- R Markdown: The Definitive Guide
- R Markdown Cookbook
- The bookdown package
- An Introduction to Statistical Learning
- Doing Meta-Analysis with R
- Modern Statistics with R
- Little Book of R for Biomedical Statistics!
- The Epidemiologist R Handbook
- R for Epidemiology
- Reproducible Medical Research with R
- R for Health Data Science
- Sequence Analysis in R and Bioconductor
- Little Book of R for Bioinformatics
- CRAN Task View: Genomics, Proteomics, Metabolomics, Transcriptomics, and Other Omics
- The caret Package
- Tidy Modeling with R
- Building Reproducible Analytical Pipelines
- Applied Machine Learning Using mlr3 in R
- Models Demystified
- R Consortium
- R Ladies
- R Ladies - GitHub
- R-Ladies Madrid
- R-Ladies Barcelona
- R-Ladies Bilbao (X.com)
- Comunidad R-Hispano
- NHS-R
- R-Project
- R-Bloggers
- Revolutions
- II Congreso de R en España-Barcelona, 2023
- III Congreso & XIV Jornadas de Usuarios de R, Sevilla - 2024
- 2025 Which programming language should I use? A guide for early-career researchers
- 2023 Expansion and evolution of the R programming language
- 2022 Ten simple rules for teaching yourself R
- 2018 R generation
- 2017 Evolution of the R software ecosystem: Metrics, relationships, and their impact on qualities
- 2014 Programming tools: Adventures with R
- 2013 The Evolution of the R Software Ecosystem