Curso de RStudio

Aula 1 • Instalação do R e do RStudio

Abrange a descarga e configuração do R e do RStudio nos principais sistemas operativos. Estabelece um ambiente de trabalho necessário para todos os exercícios subsequentes.

Aula 2 • Navegar na Interface do RStudio

Apresenta os quatro painéis principais e as suas funções no RStudio. Permite um fluxo de trabalho eficiente através da personalização do layout e da utilização dos painéis.

Aula 3 • Escrever e Executar Scripts R

Ensina a criar, guardar e executar ficheiros de script R. Relaciona hábitos de script com fluxos de trabalho de análise de dados reproduzíveis e organizados.

Aula 4 • Obter Ajuda no RStudio

Demonstra ferramentas de ajuda incorporadas, consulta de documentação e recursos da comunidade. Capacita os formandos a resolver problemas de forma independente ao longo do curso.

Aula 1 • Trabalhar com Vetores

Ensina a criar, indexar e operar em vetores atómicos. Os vetores são o bloco fundamental de todas as estruturas de dados em R.

Aula 2 • Listas e Estruturas Aninhadas

Explica as listas como contentores flexíveis para tipos de dados mistos. Prepara os formandos para lidar com dados complexos e hierárquicos comuns em projetos reais.

Aula 3 • Tipos de Dados Escalares em R

Abrange os tipos numérico, inteiro, caractere, lógico e complexo. Compreender os tipos previne erros de coerção em tarefas posteriores de manipulação de dados.

Aula 4 • Matrizes e Arrays

Apresenta matrizes bidimensionais e arrays multidimensionais. Desenvolve competências para computação numérica e representação estruturada de dados.

Aula 1 • Importar JSON e Dados da Web

Demonstra jsonlite e httr para ler JSON e respostas de API. Expande o acesso a dados a fontes modernas baseadas na web e semiestruturadas.

Aula 2 • Exportar Dados e Resultados

Abrange write.csv(), writexl e saveRDS para guardar resultados. Garante que os formandos podem fornecer produtos de dados limpos e reproduzíveis às partes interessadas.

Aula 3 • Ler Ficheiros CSV e de Texto

Ensina read.csv(), read.table() e funções readr para ficheiros planos. Estabelece o fluxo de trabalho de ingestão de dados mais comum utilizado na prática.

Aula 4 • Ligar a Bases de Dados

Introduz os pacotes DBI e odbc para consultar bases de dados relacionais. Permite aos formandos aceder a fontes de dados empresariais diretamente a partir do RStudio.

Aula 1 • Lidar com Dados Omissos

Abrange a deteção, remoção e imputação de valores omissos em data frames. Previne erros a jusante causados por valores NA em pipelines de análise.

Aula 2 • Juntar e Mesclar Data Frames

Explica junções left, right, inner e full usando funções de junção do dplyr. Constrói a capacidade de combinar dados de múltiplas fontes num único conjunto de dados.

Aula 3 • Remodelar Dados com tidyr

Demonstra pivot_longer() e pivot_wider() para transformação de dados tidy. A estrutura tidy é necessária para a maioria das funções de visualização e modelação.

Aula 4 • Verbos Principais do dplyr

Ensina filter(), select(), mutate(), arrange() e summarize(). Estes cinco verbos lidam com a maioria das tarefas de transformação de dados do mundo real.

Aula 1 • Tipos de Gráficos Comuns

Abrange diagramas de dispersão, gráficos de barras, histogramas, diagramas de caixa e gráficos de linhas. Fazer corresponder o tipo de gráfico ao tipo de dados é uma competência central de comunicação de dados.

Aula 2 • Guardar e Exportar Gráficos

Abrange ggsave() com opções de formato, resolução e tamanho para exportação. Garante que os gráficos cumprem os padrões de qualidade para relatórios, apresentações e publicações.

Aula 3 • Facetas e Gráficos Multipainel

Demonstra facet_wrap() e facet_grid() para visualizações de pequenos múltiplos. A facetagem revela padrões ao nível do grupo sem sobrecarregar um único gráfico.

Aula 4 • Personalizar Temas e Rótulos

Ensina rótulos de eixos, títulos, legendas e temas incorporados para um resultado polido. A personalização transforma gráficos brutos em visuais profissionais e prontos para o público.

Aula 1 • Teste de Hipóteses

Abrange testes t, testes qui-quadrado e ANOVA para comparar grupos. Os formandos selecionam o teste apropriado com base no tipo de dados e na questão de investigação.

Aula 2 • Análise de Correlação

Ensina os coeficientes de correlação de Pearson e Spearman e os testes de significância. A correlação quantifica relações lineares e monotónicas entre variáveis.

Aula 3 • Estatística Descritiva

Calcula medidas de tendência central, dispersão e forma da distribuição. Os sumários descritivos são o ponto de partida para qualquer análise quantitativa.

Aula 4 • Regressão Múltipla e Seleção de Modelos

Estende a regressão a múltiplos preditores e introduz critérios de comparação de modelos. Os formandos constroem modelos parcimoniosos que equilibram ajustamento e complexidade.

Aula 1 • Formatar Tabelas em Relatórios

Demonstra knitr::kable() e kableExtra para tabelas estilizadas e prontas para publicação. Tabelas bem formatadas comunicam sumários de dados de forma mais eficaz do que a saída bruta.

Aula 2 • Relatórios Parametrizados

Ensina parâmetros YAML e render() para gerar múltiplas variantes de relatório. A parametrização automatiza a produção de relatórios para diferentes subgrupos ou períodos de tempo.

Aula 3 • Exportar para PDF e Word

Configura a saída PDF baseada em LaTeX e modelos de documento Word. Fazer corresponder o formato de saída aos padrões organizacionais garante a aceitação das partes interessadas.

Aula 4 • Introdução ao R Markdown

Explica a estrutura do ficheiro R Markdown, o cabeçalho YAML e o processo de knitting. Os relatórios reproduzíveis eliminam erros manuais de copiar-colar em produtos analíticos.

Aula 1 • Programação Funcional com purrr

Ensina map(), map_df() e walk() para aplicar funções sobre listas. A iteração funcional substitui ciclos for propensos a erros por código legível e previsível.

Aula 2 • Depuração e Tratamento de Erros

Introduz tryCatch(), browser() e traceback() para diagnosticar falhas de código. O tratamento robusto de erros previne falhas silenciosas em pipelines de análise de produção.

Aula 3 • Fluxo de Controlo e Condicionais

Explica if/else, switch(), ciclos for e ciclos while em R. As estruturas de fluxo de controlo permitem um comportamento de programa dinâmico e dependente de condições.

Aula 4 • Escrever Funções Personalizadas

Abrange a sintaxe de funções, argumentos, valores predefinidos e valores de retorno. As funções personalizadas eliminam a duplicação de código e impõem lógica consistente entre scripts.