Já falamos aqui no blog que o cientista de dados extrai valor dos dados quando responde uma boa pergunta de negócios. E faz isso usando métodos estruturados, conhecimentos em estatística e desenvolvimento. Mas como acontece esse processo? Quais ferramentas um cientista de dados utiliza?
No artigo de hoje vamos falar mais sobre as ferramentas, softwares e linguagens de programação utilizados no trabalho com dados. E precisamos começar dizendo que existem softwares e linguagens de programação como o R e o Python, bastante usadas hoje. É sobre eles que vamos falar hoje. Mas existem outras formas de fazer uam boa análise de dados. Algumas pessoas usam Power BI, Excel, SPSS ou SQL. Nesse caso a ferramenta usada pode até ajudar, mas o mais importante é a capacidade analítica, independente da plataforma.
Dentro da comunidade de ciência de dados existe uma discussão entre aqueles que preferem R e os que preferem Python. E a resposta correta para essa disputa de qual linguagem é melhor é: ambas. As duas linguagens são excelentes para realizar o trabalho com dados.
Cada uma tem suas vantagens e desvantagens, o ideal é olhar para o projeto e avaliar qual usar em cada caso. O mais comum é que um time escolha uma linguagem só e utilize na maioria dos projetos. Assim fica mais fácil manter um projeto feito por muitas pessoas. E também permite treinar o time inteiro em uma única linguagem.
R e RStudio
O R foi desenvolvido por e para estatísticos, disponibilizando uma grande variedade de recursos importantes para a área, por isso é o que mais usamos aqui na Oper. É uma alternativa com código aberto e linguagem acessível. Foi criado no departamento de estatística da Universidade de Auckland por Ross Ihaka e por Robert Gentleman. A linguagem leva esse nome devido à inicial dos seus criadores. E também faz alusão a linguagem S que serviu de inspiração.
Por ter o código aberto, a linguagem permite que a implementação frequente de novos pacotes desenvolvidos por pesquisadores ao redor do mundo. É uma das linguagens mais utilizadas na área de ciência de dados e tem crescido significativamente nos últimos anos. E está disponível em diferentes plataformas como Windows, Linux e Mac.
Usamos a linguagem R como ferramenta para a manipulação de um conjunto médio de dados. Com ele, podemos realizar análises, testes estatísticos, criar modelos lineares e não lineares, séries temporais, clusterização, dentre muitas outras. Existem muitos pacotes desenvolvidos em R e com isso essa linguagem se tornou muito poderosa. A comunidade de usuários do R é muito ativa e sempre trabalha para atualizar e criar pacotes. Eles conseguem nos ajudar a solucionar problemas já vistos antes de maneira bem mais rápida.
Relatórios e apresentações também são simples de fazer usando o R. Ele tem uma boa capacidade gráfica que permite produzir gráficos bem desenhados. Incluir símbolos matemáticos e fórmulas, também não é um desafio, já que ele possui um conjunto integrado de funcionalidades voltadas para a exibição desses caracteres.
Grandes empresas como Facebook e FourSquare utilizam o R para construir sua modelagem de comportamento dos usuários.
Interativo
Essa linguagem de programação pode rodar em diferentes ambientes, mas tem o seu lugar no R Studio. Essa IDE é gratuita e você pode optar por duas versões. Ou baixar o software para computador, ou usar o R Studio Server. Este último roda em um servidor remoto e permite seu acesso a partir de qualquer navegador. O trabalho com R no R Studio fica mais fácil pela possibilidade de usar atalhos, gerenciar janelas e visualizar gráficos. Esse ambiente é mais agradável e acessível aos usuários, permitindo a realização de tarefas mais rapidamente.
O R Studio também simplifica a importação e exportação de imagens e arquivos de dados além de permitir uma visualização de grande quantidade de informações sobre os comandos de forma interativa durante uma sessão. Nesse ambiente interativo as análises estatísticas são mais simples de serem feitas, revisadas e apresentadas já que conceitos complexos são representados com expressões simples ou interações.
Ele possibilita o desenvolvimento e a edição de programas em R, e suporta um grande número de pacotes estatísticos e gráficos de alta qualidade. Além de dar ao usuário a capacidade de gerenciar seu espaço de trabalho de maneira muito mais organizada a partir dos seus projetos.
Expansível
Uma das vantagens do R são os pacotes que expandem a sua capacidade trazendo novas técnicas estatísticas, ferramentas e diferentes possibilidades para a construção de gráficos. Eles são criados e mantidos pela própria comunidade do R e ficam disponíveis no CRAN ou em outros repositórios.
Pacotes são conjuntos de funções utilizadas no R com um objetivo específico. Por exemplo, existem pacotes específicos para análise de regressão, criação de gráficos, dentre outra enorme coletânea de técnicas estatísticas. O R já possui pacotes que são conhecidos como base, que já vem instalados juntamente com o RStudio e possuem funções básicas para a análise de dados no software. Porém, a maior parte das análises necessitará da instalação de pacotes adicionais.
Linguagem Python
Python é uma linguagem de programação de alto nível e que tem se popularizado em diferentes áreas, não só entre desenvolvedores, porque é de fácil entendimento e valoriza o esforço humano sobre o computacional. Uma ferramenta indispensável para qualquer cientista de dados.
Simples de usar
A linguagem foi desenvolvida no início dos anos 90 por Guido Van Rossum, um matemático holandês, com o objetivo de otimizar a leitura do código para aumentar a produtividade da pessoa que desenvolve, seja programador ou não. A ideia surgiu da necessidade de economizar tempo e melhorar a eficiência de um dos projetos em que ele trabalhava.
Versátil
Por ter uma sintaxe relativamente simples e permitir a criação de sistemas complexos, ela ganhou muita popularidade. Python é uma ferramenta útil seja para profissionais de TI, ou para pessoas que trabalham com tecnologia em outras áreas como engenharia, ciência de dados ou pesquisa acadêmica.
Quem precisa lidar com dados geralmente recorre ao Python já que é uma linguagem mais versátil e que dá suporte para realizar desenvolvimento web, análise de dados, machine learning e muito mais. Além disso, ela conta com grande número de bibliotecas para expandir a sua capacidade.
Hoje o Python é usado em muitas aplicações diferentes e por muitas empresas grandes como Google, Youtube e até a Nasa.
E você já tem a sua linguagem ou software preferido? Conta para gente aqui nos comentários qual é e por quê.
