• Início do curso: 10/09/2024
• Horário: todas as quintas, das 19h00 às 22h00*
• Última aula: 15/10/2024
• Carga horária: 6 aulas - 18h de curso

*Exceto feriados e véspera de feriados

A partir de problemas reais de análise de dados, apresentaremos técnicas de manipulação de dados para colunas de textos e datas. Além disso, nesse curso vamos usar o pacote tidyr para explorar o conceito de pivotagem, que consiste em transportar dados que estão em linhas para colunas e vice-versa. Por fim, vamos turbinar a nossa programação aprendendo a pensar com funções utilizando a programação funcional do pacote purrr como combustível.

__________________________________________________________________________

Você sairá apta(o) a

• Estruturar projetos de análise de dados para não gastar tempo em problemas de organização.
  
• Pivotar bases de dados.
• Usar os verbos do dplyr de forma eficiente usando a função across().
• Manipular variáveis de texto com o pacote stringr.
• Manipular variáveis de data com o pacote lubridate.
• Manipular fatores com o pacote forcats.
• Utilizar conceitos de programação funcional e non-standard evaluation para construir scripts mais eficientes.

__________________________________________________________________________

Ementa

Manipulação de dados

• Pivotagem de tabelas com o pacote tidyr: pivot_wider() e pivot_longer()
• Listas e list-columns: nest() e unnest()
• Novos verbos de manipulação: separate() e unite()
• Manipulações eficientes: across(), where()

Manipulação de textos com o pacote stringr

• Introdução à expressões regulares
• Extração e detecção de padrões em strings
• Operações básicas com strings

Manipulação de datas com o pacote lubridate

• Convertendo textos em datas no R
• Extração de elementos de datas
• Manipulação de fuso horários
• Fazendo contas com datas

Manipulação de fatores com o pacote forcats

• Criando fatores
• Trocando os níveis de um fator

Programação funcional e controles de fluxo

• Controles de fluxo em R: for, if e while
• Introdução ao pacote purrr
• Substituindo for e while pelas funções map_*()

Programando com o tidyverse

• Introdução a non-standard evaluation
• Operador curly-curly

__________________________________________________________________________

Pré-requisitos necessários

• Interesse por Ciência de Dados.
• Conhecimentos básicos de computação: criação de arquivos e pastas, instalação de programas, navegação na internet.
• Uma conta de e-mail Google para acessar o Google Sala de Aula.
• Últimas versões do R e do RStudio instaladas.

__________________________________________________________________________

Pré-requisitos sugeridos

R para Ciência de Dados I

__________________________________________________________________________

Gravação das Aulas

Todas as aulas serão gravadas e o vídeo ficará disponível por pelo menos 1 ano após o término do curso.

__________________________________________________________________________

Ministrantes

Beatriz Milz

Doutoranda em Ciência Ambiental no IEE-USP. É co-organizadora da comunidade R-Ladies São Paulo, e instrutora da Carpentries. Usa o R no dia-a-dia, e se interessa no uso de R para pesquisa reprodutível.

Caio Lente

Mestrando em Ciência da Computação no IME-USP e cientista de dados na Terranova Consultoria. Programador desde os 15 anos, começou a se apaixonar pelo R em 2016 e agora não fala em outra coisa.

Fernando Corrêa

Bacharel e mestrando em Estatística pelo IME-USP. Foi Diretor-técnico da Associação Brasileira de Jurimetria. Usa R para tudo, mas tem interesse especial em web scraping, visualização de dados e modelagem bayesiana.

__________________________________________________________________________

Certificado

Você receberá o certificado ao final do curso (sujeito à entrega de atividades solicitadas). Nele constará o nome do curso cumprido e a carga horária específica na página do curso. O certificado é individual e terá o mesmo nome que você utilizou na compra.