***************
********************
Turma 2016 - informações
Lógica de programação e algorítmos
Prof. Thiago Rangel - Ecologia-UFG - rangel.tf lá no gmail.com
Uso do software R em Ecologia
Prof. Adriano S. Melo - Dep.
Ecologia-UFG - asm.adrimelo lá no gmail.com
Precisamos programar?
No passado, pouquíssimos ecólogos eram
capazes de escrever um programa de computador. Em geral, usávamos programas já prontos. Isto tinha algumas consequências:
i. A criação e, principalmente, a
implementação de novos métodos era em grande parte limitada à queles que sabiam
programar;
ii. Fazíamos o que estava disponível.
Muitas vezes tínhamos problemas que não eram exatamente "análises",
mas procedimentos repetitivos que até poderiam ser fáceis. Entretanto, eram
(quase) impossíveis de se resolver pois levaríamos semanas ou meses para fazer
manualmente;
iii. A maioria dos programas era pago.
Comprava-se ou pirateava-se.
As coisas começaram a mudar com a
popularizaço do R, o que aconteceu nos últimos 5-10 anos. De maneira
simplista, o R executa programas já feitos (chamados de funções) e permite que
você faça os seus próprios programas. A diferença básica entre estes programas
que você faz e aqueles com os quais você já está acostumado é que seus programas
só "rodam" dentro do R. Visto que o R é gratuito e que boa parte dos
ecólogos o usam hoje em dia, isto não é problema. Mas o que tornou o R popular é a facilidade de programar. Basicamente, o R foi pensado por um dos seus
criadores como uma linguagem confiável, fácil de programar e voltada para
análise de dados. Até ecólogos com treinamento na área de Ciências Biológicas
conseguem programar com um 1-2 semanas de treino.
Antes de mais nada, programar (no R ou
em outra linguagem) resolve os 3 problemas citados acima. Num primeiro momento,
você pode achar que isto não seria razão suficiente para fazer as duas
disciplinas. Nós entendemos. Entretanto, a maior razão de ensinar programação é ajudá-lo a resolver problemas de análise de dados. Neste sentido, programação é uma estratégia didática.
Poderíamos simplesmente ofertar uma
disciplina de análise de dados com R. Seria bem tranquilo para alunos e
professores. Escreveríamos roteiros (scripts)
das análises e passaríamos para vocês. Vocês copiariam estes roteiros para o R
e obteriam os resultados. Em princípio, não há qualquer problema neste tipo de
disciplina. Entretanto, note que, se por um lado você consegue ver um grande
numero de análises, por outra ela possui algumas desvantagens:
i. É provável que encontre erros
quando estiver fazendo suas análises e levará bastante tempo para
solucioná-los;
ii. Assim como no uso de programas
executáveis (e.g. Systat, PcOrd, PAST), você usará o R como uma caixa preta.
Você terá um resultado, mas provavelmente não saberá muito como foi feito;
Aprender programação significa
aprender:
i. Lógica;
ii. Organização;
iii. Resolução de problemas, e
iv. Dar asas à sua imaginação!
Usar programação para aprender análise
de dados é como "ensinar a pescar".
O público-alvo da disciplina é bastante amplo. Nossa ideia é treiná-lo a resolver problemas usando o R como
ferramenta. Isto te possibilitará, entre outras coisas:
i. Aperfeiçoar a forma como você estuda análise dados. Você pode ler várias vezes um mesmo capítulo de livro
sobre uma dada análise até achar que entendeu. Entretanto, em muitos casos você irá "travar" na hora de executá-la. Diferente das disciplinas nas
Ciências Biológicas, aprendemos análise de dados (e em geral qualquer coisa que
envolver números) fazendo exercícios. O R é excelente para te ajudar nisto.
Como? Escreva um programa para executar a análise. Você vai entender como, de
fato, a análise funciona.
ii. Aperfeiçoar a resoluçao de
problemas. É comum recebermos pedidos de auxílio em análise de dados. Um
problema facilmente identificável é que a pessoa não tem ideia de onde começar,
o que deve ser obtido antes, se o problema pode ser separado em partes etc.
Fazer um programa é resolver um problema. Existem estratégias para isto.
iii. Obter asas para voar. Um bom
profissional deve conhecer as melhores ferramentas disponíveis em sua área.
Conhecendo-as, você passará a pensar em coisas que não pensaria antes. Passará a investir mais tempo com ideias do que com os procedimentos analíticos para
executá-la.
Análise de dados é algo cada vez mais
importante (e não apenas em Ecologia). Entretanto, dependendo da sua área
e abordagem de pesquisa, você não precisa ser um especialista em análise de
dados para ser um excelente profissional. Por exemplo, muitas pessoas utilizam
basicamente experimentos para suas pesquisas. Alguns destes experimentos são
bastante sofisticados e necessitam de análises sofisticadas. Entretanto, a
maioria é relativamente simples; aquelas análises que aprendemos em cursos de
bioestatística ou suas extensões. A rigor, o bom uso destas análises depende
muito de planejamento; geralmente um bom planejamento leva a uma análise
simples, confiável e robusta. Se este é o seu caso, um bom domínio de desenho experimental é fundamental. As análises serão relativamente fáceis. Mais importante, serão
sempre as mesmas. Um curso de programação pode até ser útil no sentido de te
ajudar a organizar seus raciocínios, mas não para análise de dados.
Não. Iniciamos do zero. Entretanto, os
cursos serão bastante intensos e exigem dedicação total.
Não só pode como será muito bem vindo.
Nosso PPG recebe mais de 60 alunos especiais das mais variadas universidades no
segundo semestre (quando temos muitas disciplinas concentradas). O aceite da
matrícula depende do número de vagas disponíveis e só conseguimos saber quantas
vagas teremos para alunos especiais apóss fazer a matrícula dos alunos da UFG.
Pretendemos oferecer 32 vagas.
Sugerimos fortemente que você se matricule nas duas disciplinas.
Posso fazer como aluno ouvinte?
Não. Não existe esta possibilidade.
Quando e onde?
10 a 21 de outubro de 2016, na UFG.
Veja aqui
como foi a disciplina Uso do software R em Ecologia em 2014 (não incluiu a de
Lógica).