3 Cronograma

Informações Gerais do Curso

Carga horária total: 16 horas
Datas: 17/11, 18/11, 24/11 e 25/11
Horário: 19h00 às 22h00 (com intervalo de 20 minutos às 20h30)
Tempo líquido por dia: 2h40 de conteúdo efetivo
Público-alvo: Iniciantes de diversas áreas (ciências agrárias, saúde, economia, biologia, ciências sociais)
Material: Repositório GitHub com datasets, scripts e exercícios
Repositório original: https://github.com/viniciusjunqueira/curso-r-github-ia
Sistemas Operacionais: Windows, macOS e Linux (curso compatível com todos)

Estrutura do curso (visão geral):
- Dia 1: Fundamentos de R + Ambiente reprodutível (RStudio, Git, GitHub, fork).
- Dia 2: Lógica, condicionais, funções, tidyverse básico.
- Dia 3: Transformações com tidyr/dplyr, I/O e visualização com ggplot2.
- Dia 4: Integração prática do ChatGPT e do Claude dentro do RStudio.

3.1 Pré-requisitos Técnicos

3.1.1 Instalações obrigatórias (para todos os sistemas)

R (versão 4.3 ou superior)
Download: https://cran.r-project.org/
RStudio Desktop (2023.09+)
Download: https://posit.co/download/rstudio-desktop/
Git
Windows: https://git-scm.com/download/win
macOS: verifique com git --version (ou use o instalador)
Linux (Ubuntu/Debian):
```
sudo apt update
sudo apt install git
```
Conta no GitHub
https://github.com/signup

3.2 Estrutura Pedagógica e Filosofia

Multiplataforma: conteúdo compatível com Windows, macOS e Linux
RStudio como IDE padrão
Teoria seguida de prática guiada
Commits diários no fork do aluno
IA como ferramenta para explicação, depuração e geração de material
Portabilidade: here::here() e projetos .Rproj

3.3 Pacotes R Necessários

3.3.1 Instalação no Dia 1 a 3 (núcleo do curso)

install.packages(c(
  "tidyverse", "here", "janitor", "skimr",
  "readxl", "writexl", "rmarkdown", "knitr",
  "lubridate", "scales", "patchwork", "broom",
  "palmerpenguins"
))

3.3.2 Pacotes de IA (Dia 4)

install.packages(c("gptstudio", "chattr", "httr2", "jsonlite"))

3.4 Dia 1: 17/11 (Segunda) — Fundamentos e Ambiente de Trabalho

3.4.1 19h00 - 20h30 | Ambientação e Setup Completo

Apresentação do curso, objetivos e metodologia.
Por que R, GitHub e IA.
Checklist de instalações (R, RStudio, Git).
Configuração do Git (user.name/user.email).
Autenticação no GitHub (PAT recomendado).
Fazer fork do repositório do curso.
Clonar o fork no RStudio (Projeto .Rproj).
Verificar git remote -v apontando para o fork do aluno.

3.4.2 20h30 - 20h50 | Intervalo

3.4.3 20h50 - 22h00 | Fundamentos do R

Objetos e estruturas básicas: vetores, listas, data.frames, fatores.
Funções básicas: c(), length(), class(), typeof().
Exploração: str(), head(), tail(), names(), dplyr::glimpse(), summary().
Indexação: [], $, subsetting lógico.
Prática guiada: criar vetores e data.frames, manipular objetos.
Commit sugerido:

git add scripts/01_fundamentos.R
git commit -m "Fundamentos do R - Dia 1"
git push origin main

3.5 Dia 2: 18/11 (Terça) — Lógica, Funções e Introdução ao Tidyverse

3.5.1 19h00 - 20h30 | Programação em R

Operadores lógicos e relacionais.
Condicionais: if/else, ifelse() (vetorizado), dplyr::case_when().
Loops e funções: for vs. vetorização, criação de funções, validação de entradas.
Boas práticas e debugging: snake_case, comentários, leitura de traceback.
Mini demonstração de como a IA pode explicar um erro simples.

3.5.2 20h30 - 20h50 | Intervalo

3.5.3 20h50 - 22h00 | Introdução ao Tidyverse

Filosofia tidyverse e uso de pipes (%>% e |>).
Verbos essenciais do dplyr: filter(), select(), mutate(), arrange(), summarize(), group_by().
Datas com lubridate: ymd/dmy/mdy, year/month/wday, today/now.
Exemplo integrado com palmerpenguins.
Commit sugerido:

git commit -m "Lógica, funções e tidyverse - Dia 2"

3.6 Dia 3: 24/11 (Segunda) — Transformação, I/O e Visualização

3.6.1 19h00 - 20h30 | Transformação e I/O de Dados

Reshape com tidyr: pivot_longer(), pivot_wider(), separate(), unite().
Tratamento de NAs: is.na(), drop_na(), replace_na(), fill().
Leitura/Escrita: readr::read_csv(), read_csv2(), readxl::read_excel().
Portabilidade com here::here() e organização de projetos.
Ferramentas úteis: janitor::clean_names(), skimr::skim().

3.6.2 20h30 - 20h50 | Intervalo

3.6.3 20h50 - 22h00 | Visualização com ggplot2

Gramática de gráficos: camadas, aesthetics, geoms comuns.
Gráficos: dispersão, barras, boxplot, linhas, histograma/densidade.
Combinação com patchwork, formatos com scales.
Personalização e salvamento: theme_*, labs(), ggsave().
Commit sugerido:

git commit -m "Transformação, I/O e visualização - Dia 3"

3.7 Dia 4: 25/11 (Terça) — Integração do ChatGPT e Claude no RStudio

Objetivo do dia: capacitar o aluno a usar ChatGPT (OpenAI) e Claude (Anthropic) diretamente no RStudio para explicar erros, revisar e gerar código, criar rascunhos de relatórios e automatizar pequenas rotinas via API.

3.7.1 19h00 - 19h30 | Conceitos e modelos

Panorama rápido sobre LLMs, APIs, limites e custos.
Boas práticas de uso responsável de IA: privacidade, dados sensíveis, versionamento de código gerado.
Comparação prática: quando usar ChatGPT e quando usar Claude.

3.7.2 19h30 - 20h15 | Configuração de chaves e ambiente

Variáveis de ambiente no R: uso de ~/.Renviron e Sys.getenv().
Criação de chaves de API e configuração local.
Nomes convencionados: - OPENAI_API_KEY para ChatGPT (OpenAI) - ANTHROPIC_API_KEY para Claude (Anthropic)

3.7.3 20h15 - 20h30 | Intervalo

3.7.4 20h30 - 21h00 | RStudio + gptstudio (ChatGPT)

Abertura dos Addins do gptstudio no RStudio (chat pane e code assistant).
Uso no editor: seleção de código e prompt de revisão.
Exemplos típicos: explicar erro, refatorar função, gerar testes unitários simples.

3.7.5 21h00 - 21h30 | RStudio + chattr (Claude)

Fluxo básico com chattr::chat_claude().
Exemplos práticos: explicar um traceback, sugerir validação de argumentos, gerar esqueleto de RMarkdown.

3.7.6 21h30 - 22h00 | Exercício guiado de integração

Tarefa 1: usar gptstudio para revisar um script curto de dplyr e propor 2 melhorias.
Tarefa 2: usar chattr para gerar uma função em R que: - receba um data.frame e uma coluna numérica - remova NAs, retorne média e desvio-padrão com nomes claros - inclua validação de tipos e mensagens de erro úteis

Entrega esperada no fork do aluno: - scripts/04_ia_integracao_gptstudio.R - scripts/04_ia_integracao_claude.R - docs/relatorio_ia.Rmd com um parágrafo descrevendo o que a IA sugeriu, o que foi adotado e por quê.

Checklist final: - variáveis de ambiente lidas com Sys.getenv() - addins do gptstudio funcionando - chamada mínima via httr2 para cada API - commit e push no fork