- Objetivo

Ajudar os alunos a obterem proeficiência em R para que realizem suas atividades acadêmicas, profissionais e relacionadas às demais disciplinas do mestrado. Os conhecimentos adquiridos nesta discplina são especialmente úteis nas disciplinas de Estatística, Econometria, Machine Learning e Deep Learning e nas demais que utilizam técnicas quantitativos.

- Avaliação

Trabalho de Análise Exploratória de Dados (Exploratory Data Analysis, EDA) desenvolvido ao longo do curso e entregue após a última aula.

- Ementa

• Aula 01: Apresentação do campo de Ciência de Dados, R, RStudio.Cloud;
• Aula 02: RMarkdown, Operadores e classes de variáveis no R;
• Aula 03: Estrutura de Dados - Vetores - Parte I;
• Aula 04: Estrutura de Dados - Vetores - Parte II;
• Aula 05: Estrutura de Dados - Matrizes;
• Aula 06: Estrutura de Dados - Data Frames;
• Aula 07: Controle de Fluxos - Parte I;
• Aula 08: Controle de Fluxos - Parte II;
• Aula 09: Funções no R;
• Aula 10: Análise de Exploratória de Dados (EDA) - Medidas Resumo I;
• Aula 11: EDA - Visualizaão de Dados, Parte I;
• Aula 12: EDA - Visualizaão de Dados, Parte II;
• Aula 13: Manipulação de dados com dplyr, parte I;
• Aula 14: Manipulação de dados com dplyr, parte II;
• Aula 15: Estudo de Casos em Análise Exploratória de Dados (EDA).

- Referências

Básicas:

• Notas de aula;
• Manuais do R (https://cran.r-project.org/manuals.html).

Adicionais (R e R aplicado a Ciência de Dados, Estatística, Econometria, Finanças …):

• R Journal;

• (https://marginalrevolution.com/marginalrevolution/2021/10/the-credibility-revolution-1.html);

• (https://www.youtube.com/watch?v=Z0ZcsxI-HTs);

• (https://arxiv.org/pdf/1903.10075.pdf);

• (https://www.efinancialcareers.com/news/2021/09/banks-python-vs-r);

• (https://link.springer.com/chapter/10.1007/978-3-030-66891-4_1);