Introdução
- R Markdown é uma sintaxe de formatação simples para a criação de
documentos HTML, PDF, Word, entre outros.
- Foi desenvolvida para facilitar a reprodução de resultados, visto
que o código, os resultados e anarrativa são automaticamente convertidos
para o formato de saída desejado (ex.: HTML, PDF ou Word).
- Esta aula irá apresentar o passo-a-passo básico para preparar um
documento (incluindo o código e a saída R) utilizando o R Markdown.
Criando um Documento R Markdown
- File | New File | R Markdown;
- Preencha as informações, selecione o tipo específico de saída e
click em OK;
- Após isso, O RStudioirá criar automaticamente um templatedo arquivo
.Rmd(RMardown);
- Ao clicar em Knit, o documento final é gerado no formato
desejado.
Tipos de Arquivos
- Ao clicar em Knit, o documento final é gerado no formato
desejado;
- Os arquivos para produzir documentos R Markdown têm extensão
.Rmd;
- Os arquivos precisam ser abertoscom o RStudioe são
compiladosclicando no botão knit;
- O resultado tipicamente é um documento em .pdf, html ou .doc.
Cabeçalho do Documento
- No início do relatório .Rmd, o cabeçalho do documento (YAML Header)
e o formato de saída são definidos;
- Para gerar PDF precisa primeiro instalar o pacote Texatravés do
seguinte comando: tinytex::install_tinytex().
Chunks
- Chunks são os blocos de código que são executados quando o documento
é compilado.
- Para inserir um chunk, insira:
hist(iris[[2]])

- São várias as opções de chunks. Algumas das principais são:
- echo: Inclui o código do chunk (TRUE) ou não (FALSE) no documento
compilado.
- results: Se results=“hide” os resultados não são apresentados, mas o
código é apresentado.
- include: Determina se o chunk e a saída serão apresentados no
documento final. Se include=FALSE nem o código nem o resultado será
mostrado.
- warning, message e error: Se irá mostrar mensagens, warnings ou
erros.
- Existem várias outras opções que podem ser encontradas no link
abaixo:
Exemplos de Chunks:

#Entrada:
#x<-rnorm(100)
#y<-2*x+ rnorm(100)
#cor(x, y)
#Saída:
x<-rnorm(100)
y<-2*x+ rnorm(100)
plot(x,y)

# Para figuras podemos usar essas opções.
#Entrada:
# x<-rnorm(100)
# y<-2*x+ rnorm(100)
# plot(x,y)
#Saída:
x<-rnorm(100)
y<-2*x+ rnorm(100)
plot(x,y)

Código in-line
- Uma das principais motivações do R Markdown é que os relatórios
sejam automatizados e reproduzíveis;
- Assim, seu relatório nunca deve incluir explicitamente números
derivados dos dados.
- Não escreva “Existem 168 pessoas.” Em vez disso, insira um código
que, quando avaliado, fornece o número de indivíduos.
- Exemplo:
- Entrada: Existem r nrow(iris) opções de Iris.
- Saída: Existem 150 opções de Iris. Existem rnrow(iris) opções de
Iris.
Tabelas
- O R Markdown pode imprimir o conteúdo de um data frame facilmente
colocando o nome do mesmo dentro de um chunck. Entrada: {r}
head(iris).
head(iris)
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
Incluir Figuras
- Para inserir uma figura no R Markdown basta usar a sintaxe
abaixo.
- Entrada: ![Primeira Figura.] (/Users/ermesonandrade/Dropbox/R.png)

Equações
- Equações matemáticas podem ser escritas em formato LATEX.
- Equações na própria linha podem ser inseridas entre $.
- Um modelo de regressão linear simples: \(Y= \beta_0 + \beta_1 x+ \epsilon\).
- Equações podem ser exibidas entre dois cifrões juntos para ficarem
centralizadas em uma linha própria:
- Um modelo de regressão linear simples: \[Y= \beta_0 + \beta_1 x+ \epsilon\].
Referências Bibliográficas
- O gerenciamento de referências no R Markdown é feito pelo
BibTeX.
- Para usar esse recurso, é necessário especificar o nome do arquivo
de bibliografia (.bib) usando no campo bibliography do cabeçalho do
documento.
- Em seguida, crie um arquivo .bib usando um editor de arquivos de
texto e coloque as referências (BibTex) que serão usadas.
(inproceedings?){7298594,
author={Szegedy, Christian and Wei Liu and Yangqing Jia and Sermanet,
Pierre and Reed, Scott and Anguelov, Dragomir and Erhan, Dumitru and
Vanhoucke, Vincent and Rabinovich, Andrew}, booktitle={2015 IEEE
Conference on Computer Vision and Pattern Recognition (CVPR)},
title={Going deeper with convolutions}, year={2015}, volume={},
number={}, pages={1-9}, keywords={Computer architecture;Convolutional
codes;Sparse matrices;Neural networks;Visualization;Object
detection;Computer vision}, doi={10.1109/CVPR.2015.7298594} }
- Dica 1: Precisa colocar todo o caminho para o arquivo .bib no campo
bibliography.
- Dica 2: As referências (BibTex) podem ser facilmente acessadas pelo
Google Acadêmico.
- As citações vão dentro de colchetes e são separadas por ponto e
vírgula.
- Cada citação deve ter uma chave, composta de ‘@’ + o identificador
de citação do Bibtex.
As redes neurais convolucionais se destacam das outras redes neurais
pelo desempenho superior ao lidar com inputs de imagem, fala ou sinais
de áudio. Elas possuem três tipos principais de camadas: Camada
convolucional; Camada de agrupamento; Camada totalmente conectada (FC)
(Szegedy?)
RPubs
- Para publicar o documento online iremos usar o RPubs.
- Executem os seguintes passos.
- Crie uma conta no RPubs(https://rpubs.com/)
- No RStudio, crie um novo documento R Markdown, selecionando Arquivo
| Novo | R Markdown.
- Clique no botão Knit para visualizar o documento em HTML.
- Na janela de visualização, clique no botão Publicar.
- Inclua as informações do documento e clique em continuar.