Tutorial A: Integrando e aproveitando o melhor de Python e R

Guilherme Hathy - UFPR

Local: Anfiteatro B - Bloco PC. Setor de Ciências Exatas UFPR

Resumo: O eterno debate entre R e Python é um tema frequente nas discussões de Ciência de Dados. Ambas as linguagens são amplamente adotadas nesse campo, oferecendo uma rica variedade de ferramentas e funções altamente relevantes. Em vez de escolher apenas uma delas, por que não explorar o potencial de ambas juntas? Neste tutorial será explorado a integração entre as Linguagens R & Python.

• Nível: Intermediário.
• Pré-requisitos: R básico e Python básico.

Guilherme Hathy é CTO e Cientista de Dados na La Decora, programador e desenvolvedor nas Linguagens R e Python. Bacharel em Estatística pela UFPR e mestrando no Programa de Pós-Graduação em Métodos Numéricos da UFPR, pesquisador na área de Aprendizado Estatístico de Máquina.

Tutorial B: Construção de Pacotes em Linguagem R

Eric Batista Ferreira - UNIFAL-MG

Local: Anfiteatro A - Bloco PC. Setor de Ciências Exatas UFPR

Resumo: A criação de pacotes é uma prática fundamental para organização, documentação e compartilhamento de funções e conjuntos de dados. Este tutorial visa orientar desenvolvedores R na construção eficiente de pacotes, facilitando a distribuição e reutilização de código. Primeiramente, será mostrada a estrutura básica de um pacote R, destacando pastas como "R" para funções, "man" para documentação e "data" para conjuntos de dados. Em seguida, como escrever funções eficientes e documentá-las usando roxygen2 para garantir uma documentação clara e integrada ao pacote. Será discutido como gerenciar dependências e imports no arquivo `DESCRIPTION`, garantindo a compatibilidade e eficácia do pacote. Será destacada a importância dos testes unitários usando ferramentas como `testthat`, assegurando a robustez do pacote durante o desenvolvimento e atualizações. Será dada uma introdução ao uso de sistemas de controle de versão, como o Git, para rastrear mudanças e colaborar eficientemente com outros desenvolvedores. Será da uma rápida instrução sobre o processo de compilação do pacote usando `devtools` e a geração de documentação automática com `pkgdown`. Em seguida, serão dadas orientações sobre como preparar e submeter o pacote para o Comprehensive R Archive Network (CRAN), seguindo as diretrizes e padrões exigidos. Serão dadas dicas adicionais, como a importância de escolher nomes significativos, manter uma boa política de versionamento, e o uso de ferramentas como `usethis` para automatizar tarefas comuns. Ao final do tutorial, os usuários devem se sentir capacitados para criar pacotes R estruturados, bem documentados e prontos para serem compartilhados com a comunidade, contribuindo para um ecossistema R mais robusto e colaborativo.

• Nível: Intermediário.
• Pré-requisitos: R básico.

Eric Batista é Professor Associado do Departamento de Estatística da Universidade Federal de Alfenas (Unifal-MG), do Programa de Pós-graduação Stricto Sensu em Estatística Aplicada e Biometria (PPG-EAB), do Programa de Pós-graduação Stricto Sensu em Nutrição e Longevidade (PPG-NL) e do Programa de Pós-graduação Lato Sensu em Tecnologia e Qualidade na Produção de Alimentos (TecQuali). Possui formação em Laticínios (Instituto Cândido Tostes, 1998), Engenharia Agronômica (UFLA, 2002), Matemática Licenciatura (UNIFAL-MG, 2012), Física Licenciatura (UNIFAL-MG, 2020), Mestrado em Estatística e Experimentação Agropecuária (UFLA, 2004), Doutorado em Estatística e Experimentação Agropecuária (UFLA/Open University - Inglaterra, 2007), Pós-doutorado em Estatística Multivariada (UFLA, 2009) e Pós-doutorado em Sensometria (NOFIMA - Noruega, 2013). Tem experiência em Sensometria, Estatística Multivariada, Estatística Experimental, Probabilidade e Estatística aplicadas, Controle Estatístico de Processo e Cientometria.

Tutorial C: Ferramentas de IA, pacotes e extensões para o desenvolvedor R

Walmes Marques Zeviani - UFPR

Local: Anfiteatro B - Bloco PC. Setor de Ciências Exatas UFPR

Resumo: Neste minicurso, exploraremos a integração de ferramentas de Inteligência Artificial (IA) ao universo do desenvolvimento em R, com o objetivo de otimizar o tempo de desenvolvimento e aprimorar a qualidade dos projetos. Dentre as ferramentas de IA destacadas, abordaremos: 1) ChatGPT - uma ferramenta de modelagem de linguagem que pode auxiliar na geração de código e resolução de dúvidas; 2) Google Bard: uma solução inovadora que oferece sugestões e insights baseados em IA; e 3) Github Copilot - um assistente de codificação alimentado por IA que sugere linhas ou blocos de código à medida que você digita. Além das ferramentas de IA, o curso também se aprofundará em funcionalidades e extensões para os principais ambientes de desenvolvimento como GNU Emacs, VS Code e RStudio IDE que são projetadas para simplificar e acelerar o fluxo de trabalho do desenvolvedor R. Para complementar, serão apresentados pacotes essenciais em R que facilitam o desenvolvimento de projetos íntegros e bem estruturados, com versionamento, reprodutibilidade, modularização, documentação, padronização, testes unitários: renv, box, docstring, usethis, formatR, pak, entre outros. Ao combinar os recursos de IA com extensões para ambientes de desenvolvimento e pacotes para desenvolvimento profissional de projetos, este minicurso visa equipar os desenvolvedores R com as ferramentas e técnicas necessárias para elevar sua produtividade e qualidade de trabalho a novos patamares.

• Nível: Intermediário.
• Pré-requisitos: R básico e breves conhecimentos sobre chatGPT.

Walmes Zeviani é Engenheiro Agrônomo pela Universidade Federal da Grande Dourados (2003-2007) e Mestre (2008-09) e Doutor (2009-13) em Estatística & Experimentação Agropecuária pela Universidade Federal de Lavras. Professor Adjunto do Departamento de Estatística da Universidade Federal do Paraná (2010-hoje). Atua principalmente com ensino no Curso de Bacharel em Estatística e na Especialização em Data Science & Big Data (UFPR). Tem experiência com cursos de capacitação do software R para planejamento e análise de experimentos, modelos de regressão linear e não linear, manipulação e visualização de dados e construção de interfaces gráficas e pacotes R.

Tutorial D: Visualização com Mapas de Informações Espaciais

Profa. Dra. Elisangela Ap. da Silva Lizzi - UTFPR

Local: Anfiteatro A - Bloco PC. Setor de Ciências Exatas UFPR

Resumo: As técnicas de análise espacial são aplicáveis a vários tipos de situações nas áreas de ciências naturais, estudos agronômicos, estudos epidemiológicos e qualquer extensão que utilize áreas geográficas como unidades de observação. Neste tutorial o foco será na visualização deste tipo de informação, com dados reais de bancos de dados de saúde.

• Nível: Intermediário.
• Pré-requisitos: R básico.

Ementa: Introdução aos métodos de estrutura de dados espaciais em saúde. Dados de saúde geoespaciais e por área. Mapeamento de doenças. Comunicação de resultados via mapas temáticos para polígonos e processos pontuais.

Elisangela Lizzi é bacharel em Estatística pela Universidade Federal de São Carlos. Mestre e doutora em Saúde Pública pela Faculdade de Medicina da USP, com trainee no exterior pela John Hopkins University. É professora adjunta e pesquisadora da Universidade Tecnológica Federal do Paraná, campus Cornélio Procópio. É pesquisadora e professora credenciada no Programa de Pós Graduação em Bioinformática UTFPR-CP. Mãe de um filho nascido em 2008 e atuante na causa de mulheres na ciência. Trabalha com estatística aplicada, bioestatística e epidemiologia. É editora associada da Revista de Epidemiologia e Serviços de Saúde do Sistema Único de Saúde (SUS). Profissional no ranking de pesquisadores influentes da América Latina. Consultora do Ministério da Saúde e da Organização Panameriacana de Saúde em cursos de formação especializada para profissionais de vigilância em saúde no Programa de Fortalecimento da Epidemiologia (PROFEPi).

Apresentações de cases de sucesso

Local: Auditório da Administração UFPR

Case 1: HILAB: Inovação em Saúde impulsionada por R e Shiny Apps. Autor(es): Claucio Antonio Rank Filho (Hilab)

Case 2: R e a criação de sites dinâmicos com o framework Blogdown. Autor(es): Cristian Pessatti dos Anjos; Kamila de Lazari Macedo; Anderson Ara (UFPR)

Case 3: Aplicações em R na pesquisa em sistemas prediais. Autor(es): Elisa Henning (UDESC)

Case 4: Votação RBras – Sistema de Votação em R Shiny. Autor(es): Felipe Heron Queluz, Walmes Zeviani, Anderson Ara (UFPR)

Case 5: Explorando o Poder do R na Genética: Estratégias de Ensino e Aplicações Avançadas em Cursos de Graduação e Pós-Graduação. Autor(es): Ricardo Lehtonen Rodrigues de Souza (UFPR)

Case 6: Adaptação de Script para Análise Bibliométrica para o contexto Brasileiro. Autor(es): Sandra Cristina Martini Rostirola, Ivanete Zuchi Siple, Elisa Henning (UDESC)

Case 7: A2MS: Sistema de Monitoramento e Análise de Ativos Industriais. Autor(es): Wagner Hugo Bonat (UFPR)

Apresentações de cases de trabalhos acadêmicos

Local: Auditório da Administração UFPR

Trabalho 1: Ciência de Dados: uma descrição dos primeiros cursos de graduação em universidades brasileiras. Autor(es): Geisyane Karina Gonzaga Kath (UFPR)

Trabalho 2: Integrating GAMLSS and Bayesian MSGARCH Models for Enhanced Forecasting of Commodity Price Returns: A Novel Approach in Financial Econometrics. Autor(es): Rodrigo Hermont Ozon (PUCPR)

Trabalho 3: Velocidade praticada em curvas horizontais em meio urbano: uma análise baseada em dados naturalísticos. Autor(es): Rafael Alessandro Szeliga (UFPR)

Trabalho 4: O uso de desagregação de séries temporais com o pacote tempdisagg em modelos econométricos. Autor(es): Rodrigo Hermont Ozon (PUCPR)

Trabalho 5: Utilização do pacote bibliometrix para análise de tendências em educação estatística. Autor(es): Sandra Cristina Martini Rostirola; Ivanete Zuchi Siple e Elisa Henning (UDESC)

Trabalho 6: Inferência de negados aplicada ao monitoramento de modelos do setor bancário. Autor(es): Suellen Teixeira Zavadzki de Pauli (UFPR)

Trabalho 7: htmcglm: Hypothesis Testing for McGLMs. Autor(es): Lineu Alberto Cavazani Freitas (UFPR)