Curso de RStudio

Aula 1 • Instalação do R e RStudio

Aborda o download e a configuração do R e RStudio em sistemas operacionais principais. Estabelece um ambiente de trabalho necessário para todos os exercícios subsequentes.

Aula 2 • Navegando pela Interface do RStudio

Apresenta os quatro painéis principais e suas funções no RStudio. Permite um fluxo de trabalho eficiente ao dominar a personalização do layout e o uso dos painéis.

Aula 3 • Escrevendo e Executando Scripts R

Ensina a criar, salvar e executar arquivos de script R. Conecta hábitos de script a fluxos de trabalho de análise de dados reproduzíveis e organizados.

Aula 4 • Obtendo Ajuda no RStudio

Demonstra ferramentas de ajuda integradas, consulta à documentação e recursos da comunidade. Capacita os alunos a solucionar problemas de forma independente ao longo do curso.

Aula 1 • Trabalhando com Vetores

Ensina a criar, indexar e operar em vetores atômicos. Vetores são o bloco de construção fundamental de todas as estruturas de dados do R.

Aula 2 • Listas e Estruturas Aninhadas

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

Aula 3 • Tipos de Dados Escalares em R

Aborda tipos numérico, inteiro, caractere, lógico e complexo. Entender os tipos evita erros de coerção em tarefas posteriores de manipulação de dados.

Aula 4 • Matrizes e Arrays

Apresenta matrizes bidimensionais e arrays multidimensionais. Constrói habilidades para computação numérica e representação estruturada de dados.

Aula 1 • Importando Dados JSON e da Web

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

Aula 2 • Exportando Dados e Resultados

Aborda write.csv(), writexl e saveRDS para salvar saídas. Garante que os alunos possam entregar produtos de dados limpos e reproduzíveis para as partes interessadas.

Aula 3 • Lendo Arquivos CSV e de Texto

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

Aula 4 • Conectando-se a Bancos de Dados

Apresenta os pacotes DBI e odbc para consultar bancos de dados relacionais. Permite que os alunos acessem fontes de dados empresariais diretamente do RStudio.

Aula 1 • Lidando com Dados Ausentes

Aborda a detecção, remoção e imputação de valores ausentes em data frames. Previne erros posteriores causados por valores NA em pipelines de análise.

Aula 2 • Juntando e Combinando Data Frames

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

Aula 3 • Remodelando Dados com tidyr

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

Aula 4 • Verbos Principais do dplyr

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

Aula 1 • Tipos Comuns de Gráficos

Aborda diagramas de dispersão, gráficos de barras, histogramas, diagramas de caixa e gráficos de linha. Corresponder o tipo de gráfico ao tipo de dado é uma habilidade central de comunicação de dados.

Aula 2 • Salvando e Exportando Gráficos

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

Aula 3 • Facetamento e Gráficos com Múltiplos Painéis

Demonstra facet_wrap() e facet_grid() para visualizações de pequenos múltiplos. O facetamento revela padrões em nível de grupo sem poluir um único gráfico.

Aula 4 • Personalizando Temas e Rótulos

Ensina rótulos de eixos, títulos, legendas e temas integrados para uma saída refinada. A personalização transforma gráficos brutos em visuais profissionais prontos para o público.

Aula 1 • Teste de Hipóteses

Aborda testes t, testes qui-quadrado e ANOVA para comparar grupos. Os alunos selecionam o teste apropriado com base no tipo de dado e na pergunta de pesquisa.

Aula 2 • Análise de Correlação

Ensina os coeficientes de correlação de Pearson e Spearman e testes de significância. A correlação quantifica relações lineares e monotônicas 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 Modelo

Estende a regressão para múltiplos preditores e introduz critérios de comparação de modelos. Os alunos constroem modelos parcimoniosos que equilibram ajuste e complexidade.

Aula 1 • Formatando 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 em diferentes subgrupos ou períodos de tempo.

Aula 3 • Saída para PDF e Word

Configura a saída PDF baseada em LaTeX e modelos de documento do Word. Corresponder o formato de saída aos padrões organizacionais garante a aceitação pelas partes interessadas.

Aula 4 • Introdução ao R Markdown

Explica a estrutura do arquivo R Markdown, o cabeçalho YAML e o processo de knitting (tecer). Relatórios reproduzíveis eliminam erros manuais de copiar e colar em entregas analíticas.

Aula 1 • Programação Funcional com purrr

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

Aula 2 • Depuração e Tratamento de Erros

Apresenta tryCatch(), browser() e traceback() para diagnosticar falhas no código. O tratamento robusto de erros evita falhas silenciosas em pipelines de análise de produção.

Aula 3 • Fluxo de Controle e Condicionais

Explica if/else, switch(), loops for e loops while em R. Estruturas de fluxo de controle permitem comportamento dinâmico do programa dependente de condições.

Aula 4 • Escrevendo Funções Personalizadas

Aborda sintaxe de funções, argumentos, valores padrão e valores de retorno. Funções personalizadas eliminam duplicação de código e aplicam lógica consistente em todos os scripts.