ME115

Nível: 
Graduação
Nome da disciplina: 
Linguagem R
Número de Créditos: 
5
Oferecimento: 
1º Período Letivo
Pré-requisito: 
(não há)
Ementa: 
Introdução à linguagem de programação e ao uso do software R. Objetos e estruturas de dados (vetores, listas, fatores, matrizes, data frame e arrays). Indexação de objetos e subconjuntos. Operações com diferentes tipos de variáveis (inteiros, reais, caracteres, fatores e data/hora). Estruturas de controle de fluxo. Criação e uso de funções. Introdução à vetorização. Importação e exportação de dados. Limpeza, preparação e manipulação de dados. Visualização de Dados. Estratégias para debugging. Introdução à programação paralela.
Conteúdo / Programa: 
1. Introdução 1.1 Sobre a linguagem R 1.2 Como instalar o R e RStudio 1.3 Console e ambiente de trabalho 1.4 Ajuda no R 1.5 Pacotes/bibliotecas 1.6 Tipos de dados: caracteres, inteiro, numérico, lógico e complexo 1.7 Estruturas de dados: vetores, matrizes, fatores, arrays, listas, data frames 1.8 Variáveis locais e globais 2. Programação Básica 2.1 Indexar vetores e matrizes 2.2 Operadores lógicos 2.3 Controle de fluxo: if/else; ifelse 2.4 Blocos de repetição: for; while 2.5 Vetorização e funcionais: família apply e replicate 2.6 Funções: definir e executar 2.7 Salvar e executar seu código usando um RScript 2.8 Introdução ao RMarkdown 3. Importação e Exportação de Dados 3.1 Diretório de trabalho e localização de arquivos 3.2 Dados tabulares e seus formatos (csv, tsv, xls, SAS, SPSS) 3.3 Importar e exportar dados tabulares na base do R 3.4 Importar e exportar dados tabulares com o pacote readr 3.5 Importar e exportar dados de Excel 3.6 Importar dados a partir de uma URL 4. Preparação e Manipulação de Dados 4.1 Dados no formato tidy 4.2 Limpeza e formatação de dados usando o pacote tidyr 4.3 Manipulação de dados com dplyr e seus verbos 4.4 Subconjuntos, filtros e criação de novas colunas 4.5 Strings e expressões regulares 4.6 Trabalhando com data e hora 4.7 Resumindo dados 5. Visualização de Dados 5.1 Introdução à visualização de dados 5.2 Gráficos na base do R: histograma, boxplot, gráfico de dispersão 5.3 Gráficos com ggplot2 5.4 Princípios na criação de gráficos 6. Estratégias para Debugging 7. Introdução à Programação paralela: SOCK, MPI, multicore
Forma de Avaliação: 
Por nota e frequência
Referência Bibliográfica: 
Chambers, J. (2008). Software for Data Analysis: Programming with R. Springer. Irizarry, R (2019). Introduction to Data Science. Chapman and Hall/CRC, 1st edition. Peng, R.D. (2015). R Programming for Data Science. Leanpub. Wickham, H. and Grolemund, G. (2017). R for Data Science. O’Reilly. Wickham, H. (2016). ggplot2 Elegant Graphics for Data Analysis. Springer, 2nd edition.