Trata-see um curso intensivo com duração de quatro semanas com aulas presenciais (teóricas e práticas) intercaladas com trabalho autónomo dos/das estudantes (trabalho de grupo) e o desenvolvimento de um projecto individual para avaliação, para além do apoio dos docentes, através de orientação tutorial, para esclarecer dúvidas. Consideram-se aprovados os/as estudantes que obtiverem a classificação final mínima de 10 valores.

No final desta unidade curricular os/as estudantes deverão: 1) estar confortáveis em ler, interpretar e escrever scripts legíveis em R, 2) manipular vetores, matrizes, dados espaciais e tabelas de dados ecológicos, 3) entender conceitos como tipos de variáveis e funções, 4) entender conceitos e usar ferramentas para análise (reproduzível) descritiva e inferencial e 5) entender conceitos básicos e ferramentas de visualização de dados ecológicos e espaciais.

A classificação final (avaliação quantitativa de 0 a 20 valores) dependerá da prestação dos/das estudantes ao longo do curso (20%) e da nota do projeto final (80%).

Público-alvo: investigadores, estudantes de mestrado, doutorandos/as, técnicos e outros profissionais da área de ecologia e biologia. Requer-se conhecimentos básicos de estatística.

PREÇO DO CURSO A SUPORTAR PELO FORMANDO: sem custos na edição atual

(O preço do curso é de 162,00 e terá um apoio de 100% do PRR -Projeto Living the Future Academy - na forma de bolsa, em consonância com a tipologia de bolsas prevista no Regulamento para Atribuição de Incentivos à Capacitação de Jovens e Adultos no Âmbito do Projeto Living the Future Academy). 

Boehmke BC et al (2016) Data Wrangling with R. Springer Cham.
Borcard D et al (2018) Numerical Ecology with R. Springer New York, NY.
Chang W (2018) R graphics cookbook: practical recipes for visualizing data. 2nd Edition O'Reilly Media.
Cotton R (2013) Learning R: A Step-by-Step Function Guide to Data Analysis. O'Reilly Media.
Dalgaard P (2008) Introductory Statistics with R. Springer https://link.springer.com/book/10.1007/978-0-387-79054-1.
Grolemund G (2014) Hands-On Programming with R: Write Your Own Functions and Simulations. O'Reilly Media.
Long J, Teetor P (2019) R Cookbook: proven recipes for data analysis, statistics and graphics. 2nd Edition. O’Reilly
Lovelace R, Nowosad J, Muenchow J (2019) Geocomputation with R. Chapman and Hall/CRC. New York. https://r.geocompx.org/.
Peng RD (2016) R programming for data science. Leanpub. Victoria https://bookdown.org/rdpeng/rprogdatascience/.
R Core Team (2021) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
Wickham H et al (2023) R for Data Science. 2nd Edition. O’Reilly.
Zuur A et al (2009) A Beginner's Guide to R. Springer New York.