23º SINAPE - Simpósio Nacional de Probabilidade e Estatística

Oficinas


OFICINAS 

 

Oficina 1: AUTORIA EM RELATÓRIOS DINÂMICOS COM RMARKDOWN 

Ministrante: Steven Dutt-Ross (UNIRIO)

Ministrante: Alexandre Sousa Silva (UNIRIO)

 

RESUMO: Nesta oficina iremos aprender a produzir relatórios de forma rápida, elegante e de alta qualidade utilizando o RMarkdown. O RMarkdown é uma ferramenta de conversão text-to-HTML que permite a exportação/transformação de códigos R em saídas estáticas e dinâmicas, incluindo documentos do tipo HTML, PDF ou documentos do Microsoft Word, além de apresentações em slides, Dashboards entre outros. 
Os relatórios em RMarkdown facilitam o compartilhamento de resultados de análises de dados, bem como, auxilia no processo de ensino/aprendizagem de estatística, possibilitando a perfeita conexão entre a teoria das técnica e métodos de análise de dados com sua aplicação prática. Além disso, o RMarkdown é uma importante ferramenta de automatização de relatórios permitindo a reprodução ou “reciclagem” de códigos e estimulando a reprodutibilidade de pesquisas científicas.
Trata-se de uma nova forma de trabalhar com códigos R que fornece um espaço para autoria e reprodutibilidade em ciência de dados.

 

 

Oficina 2: INTRODUÇÃO A APRENDIZAGEM ESTATÍSTICA DE MÁQUINA 

Ministrante: Rafael Izbicki (UFSCar)

Ministrante: Afonso Fernandes Vaz

 

RESUMO: Cada vez mais empresas têm buscado profissionais que sejam capazes de lidar com problemas de Apredizagem de Máquina. Termos como "Machine Learning", "Árvores", "Random Forest", "Extreme Gradient Boosting", "SVM", "Redes Neurais", "Deep Learning", entre outros, têm se tornado comuns nas especificações apresentadas em uma vaga de emprego. Da mesma maneira, esta área vem ganhando bastante destaque em revistas científicas. Entretanto, tais técnicas ainda não estão bem consolidadas dentro da maioria dos cursos de gradução e pós graduação em estatística no Brasil. Assim, é necessária a promoção de discussões que fomentem a divulgação das metodologias envolvidas nessa área, em especial de uma perspectiva familiar à comunidade estatística.