Curso de introdução à análise de dados com o R //.

Apresentação//.

Então estamos começando o “Curso de Introdução à Análise de Dados com o R”. Sejam muito bem vindos e bem vindas :).

Nos dias atuais, não apenas os governos têm sistematizado e publicizado uma quantidade enorme de bases de dados a respeito das políticas que executam e do funcionamento da máquina pública. Atores variados da sociedade civil e da academia têm utilizado-se destes dados para colaborar na produção de inovações em serviços e na melhoria das políticas públicas como um todo.

Conforme os dados tornam-se uma das mais importantes matérias-primas da inovação e da produção de bens e serviços à sociedade, a ciência de dados é cada dia mais presente na arena das políticas públicas.

Neste cenário, os profissionais que atuam na área são demandados por competências relacionadas à análise de dados. O “Curso de Introdução à Análise de Dados com o R”, desta maneira, surge como uma demanda natural na área de gestão de políticas públicas da EACH/USP - Escola de Artes, Ciências e Humanidades da Universidade de São Paulo.

O curso é uma iniciativa da Vertuno - Empresa Júnior de Gestão de Políticas Públicas da USP, em parceria com o GETIP - Grupo de Estudos em Tecnologias e Inovações na Gestão Pública e o OIPP - Observatório Interdisciplinar de Políticas Públicas.

Este site tem o material do curso, que será incrementando no decorrer dos encontros, e será mantido após o término como forma de fornecer acesso aos interessados posteriormente.

Objetivos//.

• O objetivo instrumental do curso é que ao final os participantes sejam capazes de realizar análises exploratórias no R, mesmo que nunca tenham utilizado o R antes.

• O objetivo substantivo é quebrar a barreira inicial (e natural) que geralmente existe em setores das ciências humanas em relação à aprendizagem de uma linguagem de programação voltada à análise de dados.

• Mas o objetivo maior é que no fim todos estejam sentindo-se muito bem, aptos e empolgados para seguir aprendendo mais sobre o R e incorporar seu uso no cotidiano.

Público//.

Este não é um curso voltado para pessoas já iniciadas e que já utilizam o R para análise de dados.

Ele é voltado a pessoas que trabalham ou que pretendem trabalhar com dados e têm interesse em aprender uma linguagem computacional, apropriar-se de ferramentas de ciência aberta, mas sentem insegurança frente ao dragão da programação.

Pré-requisitos//.

Não há pré-requisitos para a participação no curso. Ainda assim, você provavelmente terá um maior aproveitamento:

• Se usar, usar, usar e usar o R repetidamente para tarefas simples que antes você realizava com outros programas do tipo aponte e clique.

• Se atualmente a análise de dados é uma tarefa envolvida nas atividades do seu trabalho ou pesquisa e você puder usar, usar, usar o R ao invés de outros programas.

• Se você é uma pessoa que sabe aprender sozinho

O curso//.

Esperamos, neste e nos próximos encontros, proporcionar a prática da aplicação de técnicas próprias da linguagem R para analisar conjuntos de dados a fim de explorar questões-problema.

Neste processo, focaremos:

1. Em conhecer a lógica da linguagem R e, mais especificamente, em usar a linguagem derivada do tidyverse;

2. Na realização de análise exploratória de dados.

E para maximizar a aprendizagem prática, a filosofia em todos os encontros será:

Fazer primeiro, pensar depois

Até mesmo pela extensão do curso (que somará 16 horas totais de carga horária), seu escopo é realmente introdutório. Dentro das possibilidades de uso do R, buscaremos nos aprofundar o tanto quanto possível nos aspectos necessários para habilitar a aprendizagem do R. Ou seja, mais que ensinar a usar, pretendemos ensinar a aprender o R de uma forma aplicada e descontraída.

Não espere, portanto, que ao término do curso você sairá por aí programando em R. Caso dedique-se, você será capaz de entender melhor a sintaxe e algumas sutilezas e, se dedicar-se um pouco mais, será capaz de substituir programas do tipo aponte e clique como o Microsoft Excel ou Google Spreadsheets pelo R para manipular e visualizar dados.

Isto, por si só, não é nada trivial. Há uma boa discussão a respeito das vantagens da adoção de linguagens computacionais como método de manipulação e análise de dados em relação aos programas convencionais baseados no “aponte e clique” do mouse.

De modo geral, podemos dizer que:

• Tem capacidades avançadas, o custo é zero e a cada ano que passa ganha mais consistência e usabilidade;

• Foi feito por e para cientistas em geral e não para cientistas da computação;

• Agrega em si as ferramentas necessárias para cobrir todo o fluxo de trabalho: da obtenção dos dados à comunicação;

• É uma das maiores tendências em análise de dados;

• Garante acesso fácil a todo o histórico de decisões feitas no processo de manipulação e análise dos dados;

• Gera resultados mais confiáveis, já que o procedimento exato pode ser compartilhado;

• Economiza tempo, já que toda alteração pode ser mais facilmente implementada do que em programas “aponte e clique”.

• Aumenta o potencial de replicabilidade dos resultados obtidos, o que é um aspecto desejável de qualquer pesquisa;

Para quem quiser entender melhor, sugiro a leitura das reflexões apresentadas aqui neste material elaborado por membros da Faculty Microcomputer Resource Center da Boston College.

Desafios//.

O R é uma linguagem extremamente versátil. Pessoas muito experientes advogam que para cobrir todos os aspectos envolvidos na programação em R são necessários intensos de 5 a 6 semestres. Para pessoas com algum conhecimento prévio em linguagens de programação, o aprendizado pode até ser intuitivo, mas para quem nunca teve contato com computação estatística e programação, começar é a etapa mais difícil.

Rogier Kievit, que atualmente é líder de programa na MRC Cognition and Brain Sciences Unit da Cambridge University, certa vez publicou em seu Twitter um gráfico (veja a figura 1) que, brincando, compara a curva de aprendizagem de alguns programas de análise de dados.

Learning curve of R versus other tools (h/t @timothycbates) #rstats pic.twitter.com/UItBGTZ1s4

— rogier kievit (@rogierK) May 12, 2016

Figure 1: Curvas de aprendizagem

Brincadeiras à parte, o gráfico de certa forma traduz um pouco da realidade. O R é uma linguagem complexa e, de fato, aprender o básico implica aprender muita coisa. Isto pode tornar a curva de aprendizagem inicial um verdadeiro campo de batalha e levar muitos a desistir pelo caminho.

A primeira boa notícia é que não precisa ser exatamente assim. Mais recentemente, o conjunto de pacotes conhecido como tidyverse estabeleceu uma abordagem mais estruturada e consistente para trabalhar com dados no R, o que torna inclusive o aprendizado mais fácil. A segunda boa notícia é que, superadas as barreiras iniciais, os usuários em geral perceberação que seu potencial de análise de dados subiu para outro patamar.

Neste contexto, portanto, teremos alguns desafios para lidar conjuntamente. Principalmente:

• É o primeiro curso deste tipo que fazemos, então tudo é novidade e estamos todos literalmente aprendendo juntos;

• O curso é extremamente curto, o que vai demandar atenção pessoal dedicada e intensiva;

• Não há muito material em português;

• As aulas não serão suficientes para apropriar-se da linguagem: o R só se aprende usando. Instale em sua máquina e tente usar em suas tarefas rotineiras.

Como vai funcionar?//.

• O curso é presencial e terá 8 encontros, com duas horas cada, somando 16h de carga horária. Em cada encontro trataremos dos seguintes temas:
  1. Introdução ao R
  2. Sumarização e visualização de dados
  3. Manipulação de dados
  4. Funções
  5. …
• Cada encontro conterá três partes:
  1. Uma parte inicial mais explanatória, para apresentar o que será trabalhado no dia;
  2. Uma segunda parte na qual vamos experimentar formas de analisar dados na linha de comando;
  3. Uma terceira parte na qual realizaremos um exercício para colocar em prática o que foi aprendido no dia.