Prefácio

**Essa é uma versão preliminar do que imaginamos um dia se tornar um livro. Nesta versão ainda não foram incluídas as referências bibliográficas e algumas referências cruzadas estão indefinidas. Se você achar erros de digitação, concordância etc e puder nos informar pelo e-mail , agradecemos muito! IMPORTANTE: este material não foi revisado por pares até o momento 03/12/2021.

Contexto e motivação

O desenvolvimento da tecnologia da informação atrelado à disponibilidade cada vez maior de dispositivos como smartphones e tablets conectados à internet vêm trazendo uma verdadeira revolução em praticamente todas as áreas do conhecimento. A chamada Era da Informação vem alterando drasticamente a forma como vivemos e interagimos como sociedade.

O grande volume de pessoas conectadas está revolucionando todas as formas de negócio. Esta revolução é baseada na capacidade cada vez maior de armazenar e gerenciar dados de como as pessoas se comportam em praticamente todos os aspectos de sua vida online. Todo esse fluxo de dados vem se tornando o principal valor de muitos negócios e, em muitos casos, vital para o seu sucesso. Um exemplo clássico é a empresa Google: detentora do buscador mais famoso do mundo, é uma das maiores empresas de tecnologia da atualidade e está presente em nossas vidas \(24\) horas por dia sete dias por semana.

Com toda esta geração de dados resultante do acesso à internet, empresas de todos os ramos estão buscando extrair algum tipo de valor destas informações com o objetivo de atrair, manter ou ainda melhorar a forma de se relacionar com seus clientes. Neste contexto fica evidente que empresas que sabem lidar de forma efetiva com dados tem uma grande vantagem competitiva. Empresas são formadas por pessoas, e assim surgiu a profissão denominada de Cientista de Dados. Trata-se de uma profissão para a qual ainda muito se discute sobre suas atribuições, contudo é composta minimamente de três habilidades chaves:

  1. Conhecimento de ferramentas para análise e resumo de dados. Estas ferramentas em geral são herdadas de uma área mais antiga chamada de estatística que vem há anos sendo o principal motor da ciência como um todo.

  2. Conhecimento de ferramentas computacionais capazes de lidar com a quantidade e complexidade crescente de dados. Nesta área entram as chamadas ferramentas de big data que em geral são dominadas por profissionais da ciência da computação.

  3. E por fim, de nada serve conhecer métodos estatísticos e ferramentas computacionais sem saber exatamente o que fazer com elas para resolver problemas relevantes e gerar valor por meio da análise de dados. Isso só é possível tendo um conhecimento razoável da área de negócio em que se está trabalhando.

Neste cenário, o uso de ferramentas computacionais que permitam analisar quantidades massivas de dados usando métodos estatísticos cada vez mais complexos é de suma importância. A linguagem de programação R pela sua flexibilidade, poder, sofisticação e expressividade vem se tornando uma das principais ferramentas do cientista de dados em todo o mundo.

O R (como vamos chamar o software daqui em diante) é uma linguagem e ambiente para computação estatística e gráficos. É um projeto da GNU similar a linguagem S desenvolvida nos Laboratórios Bell por John Chambers e seus coautores. O R surgiu em 1993 e é de autoria de Ross Ihaka e Robert Gentleman, do Departamento de Estatística da Universidade de Auckland, na Nova Zelândia. O R é um software livre e de código aberto sob os termos da Free Software Foundation’s GNU General Public License. Pode ser facilmente instalado em uma grande variedade de plataformas UNIX incluindo FreeBSD e Linux, Windows e MacOS.

Objetivos e público alvo

O objetivo deste livro é oferecer um texto introdutório e acessível para profissionais de diversas áreas sobre os fundamentos da linguagem de programação R. É importante ressaltar que o texto explica a linguagem R em sua essência ao invés de focar em alguns frameworks como, por exemplo, o tidyverse. O objetivo é justamente pavimentar o caminho de um profissional que busca uma formação completa e sólida para analisar grandes volumes de dados utilizando a linguagem R e todo o seu potencial, sem particularizar em nenhum framework.

O público-alvo são profissionais que desejam uma introdução acessível aos fundamentos da linguagem R de forma rápida e padronizada. Tais fundamentos são necessários para o profundo entendimento da linguagem e uma maior desenvoltura no uso de frameworks específicos de ciência de dados e modelagem estatística avançada. Formações usuais destes profissionais incluem, mas não está limitada à: engenharia, ciência da computação, economia, física, administração, gestão da informação e tecnologia em análise e desenvolvimento de sistemas.

Seleção dos tópicos

Selecionar os tópicos para este livro não foi uma tarefa trivial dado a quantidade enorme de recursos disponíveis na linguagem R. Optamos por uma descrição sucinta da sua instalação e configuração padrão. Seguida de uma discussão das principais IDEs (Integrated Development Environment) disponíveis. Buscamos orientar o leitor iniciante sobre qual IDE pode ser a mais adequada dependendo do seu perfil. Neste material optamos por usar o RStudio por ser provavelmente a IDE mais popular para R e considerada adequada para iniciantes em programação.

Seguimos com os primeiros passos na linguagem apresentando o código, a área de trabalho, como acessar a documentação (tanto interna como a vasta documentação disponível na internet) e os tipos de arquivos que o R gera para armazenar os resultados de uma análise. O R é um software colaborativo; isso significa que existe uma comunidade unida e ativa desenvolvendo e contribuindo com uma série de métodos e ferramentas para melhorar e expandir as capacidades da linguagem. Tudo isso é disponibilizado para os usuários por meio de pacotes. Assim, apresentamos como instalar, usar e gerenciar pacotes adicionais.

Passada esta ambientação inicial, seguimos para a apresentação das operações matemáticas e lógicas da linguagem. Após as operações passamos para as estruturas de controle como if, else, switch e cases, bem como as estruturas de repetição for, foreach, while, repeat e do-until. O conhecimento de tais estruturas levam a um domínio maior da linguagem, principalmente para implementação de solução de problemas não explorados.

Um aspecto importante do trabalho do cientista de dados é estar apto a construir grandes algoritmos encadeados com estruturas bem definidas e ordenadas. Para isto, a construção de funções é primordial. Nós apresentamos uma descrição detalhada da implementação de funções em R com toda a especificidade da linguagem focada para a implementação computacional de técnicas estatísticas e matemáticas. A partir deste momento você não pergunta mais se o R faz alguma coisa ou se tem alguma técnica implementada. Você será capaz de implementar o que desejar mesmo que a linguagem não tenha a funcionalidade nativa. Por fim, apresentamos as principais estratégias para importação de arquivos de dados em diversos formatos para o R, bem como a sua manipulação usando a classe data frame.

O texto foi escrito utilizando o sistema para análise reproduzível knitr. Por meio da linguagem de marcação markdown e a estrutura de livro fornecida pelo pacote bookdown dentro da linguagem R. É uma iniciativa da Ômega Data Science para formar uma geração de Cientistas de Dados com forte fundamentação matemática e de computação estatística baseada em R.



W.H.B e W.M.Z

Curitiba, Outubro, 2021.