Data Scientist com R

Módulo 1: 4 e 6 fevereiro 2025
Módulo 2: 11 e 13 fevereiro 2025
Módulo 3: 18 e 20 fevereiro 2025
Módulo 4: 25 e 27 fevereiro 2025

8 Sessões: 18h30 às 20h30

Duração: 16h

Local:

Online via Cisco Webex

Formadores:

Soraia Pereira

Doutorada em Estatística e Investigação Operacional pela Faculdade de Ciências da Universidade de Lisboa. Atualmente é Professora Auxiliar na Universidade do Minho e membro integrado no Centro de Estatística e Aplicações, Universidade de Lisboa (CEAUL). Tem experiência em lecionar disciplinas na área de Probabilidade e Estatística, e publicações em revistas nacionais e internacionais. Formadora de vários cursos de introdução ao R.
Principais áreas de investigação: Estatística Espacial, Estatística Computacional, Estatística Bayesiana.

Tiago Marques

Doutorado em Estatística, investigador sénior e professor auxiliar, trabalha diariamente em R e já lecionou mais de uma dezena de cursos de R, em Portugal e no estrangeiro. Tem cerca de uma centena de artigos publicados em revistas internacionais, sempre com recurso ao R para as análises apresentadas.

Programa:

Módulo 1: Introdução ao R
1. Introdução ao R
1.1 Operações simples com números, vectores, matrizes;
1.2 Classes de objetos;
1.3 Importação e exportação de dados;
1.4 Manipulações simples de dados (leitura, estrutura, variáveis, subconjuntos, substituição, detecção de NAs, ordenação, concatenação).

Módulo 2: Análise Exploratória de Dados em R
2. Análise Exploratória de Dados em R
2.1 Medidas de localização e dispersão (média, quartis). Funções sumárias: summary, unique, table, apply, tapply;
2.2 Visualização gráfica com R base e com ggplot (gráfico de pontos, gráfico de linhas, gráfico de barras, histograma, caixa de bigodes);
2.3 Outras potencialidades do ggplot. Representação gráfica por categoria, paralela, e em grid;
2.4 Análise exploratória de um caso de estudo.

Módulo 3: Introdução à Análise de Regressão com R
3. Introdução à análise de regressão
3.1 Regressão linear simples;
3.2 Regressão linear múltipla;
3.3 Modelos lineares generalizados;
3.4 Seleção de covariáveis (por stepwise).

Módulo 4: Visualização Espacial com R  – Mapas
4. Visualização espacial – mapas
4.1 Polígonos (regiões);
4.2 Pontos (localização das coordenadas geográficas de objetos);
4.3 Polígonos com atributos.

Rácio Teoria/Prática: 40% Teórico | 60% Prático