Linguagem R

Com a quantidade de volumes de dados crescendo na velocidade atual, organizações de todo mundo tem buscado opções mais viáveis que podem, aliadas às tecnologias em nuvem, atendê-los da melhor maneira possível nas tomadas de decisões. Cientistas de dados e colaboradores com habilidades analíticas fazem com que as empresas ganhem muito com o uso da linguagem R.

O que é a linguagem R?

R é uma linguagem de programação e de gráficos estatísticos. Foi criada no início da década de 1990 por Robert Gentleman e Ross Ihaka, docentes da Universidade de Auckland, Nova Zelândia. Eles estabeleceram R como um projeto open source em 1995. Desde 1997, esse tem sido gerido pelo R Core Group, que lançou o R 1.0.0 em Fevereiro de 2000. Está disponível como software livre sob os termos do GNU GPL. A versão atual é a 3.2.2.

Ela é uma evolução da linguagem S para computação estatística, que foi desenvolvida por John Chambers e alguns colegas no Bell Laboratories (antigo AT&T Bell Labs) em meados de 1970 e disponibilizada ao público no início de 1980. Existem algumas diferenças, mas muito código escrito para S roda inalterado em R.

A linguagem R fornece uma ampla variedade de procedimentos estatísticos, incluindo a modelagem linear e não-linear, testes estatísticos clássicos, análise de séries temporais, classificação, clusterização e técnicas gráficas, e é altamente extensível através de pacotes adicionais. Tanto R quanto seus pacotes adicionais estão disponibilizados na CRAN (Comprehensive R Archive Network).

Nota: Para instalar pacotes adicionais siga os comandos abaixo.
option (CRAN="http://cran.r-project.org") 
install.packages ("<nome do pacote>")

R foi projetada para trabalhar com datasets. Dessa forma, programadores R criam análises de dados rapidamente, misturando e combinando modelos para os melhores resultados. Scripts R também são facilmente automatizados, promovendo pesquisas e implantações em ambientes produtivos.

A forma ideal de se aprender a programar em R é simplesmente utilizá-la. E para se familiarizar com os seus comandos, deve-se começar lendo o texto introdutório de cada comando, escrever o programa e observar os resultados e gráficos obtidos. Claro, um certo conhecimento em estatística e/ou matemática é bem-vindo.

Exemplo de código R para reprodução de linhas.

A linguagem compila e roda em uma ampla variedade de plataformas:

• Windows
• Unix
• Mac

A comunidade R

A comunidade R é aberta e participativa, possui hoje mais de 2 milhões de usuários e desenvolvedores ao redor do mundo, pertencentes ou não a algum tipo de organização. Eles contribuem voluntariamente com conhecimento técnico para manter, apoiar e estender a linguagem R e seu ambiente, ferramentas e infraestrutura. Uma das empresas que tem grande destaque nas contribuições à comunidade é a Revolution Analytics, através do código base e projetos relacionados a R.

No centro da comunidade está o R Core Group, com cerca de 20 desenvolvedores que além de manter, orientam a evolução da linguagem. Financeiramente, a comunidade é mantida pela Fundação R, uma organização sem fins lucrativos que assegura a estabilidade financeira do projeto R e detém e administra seus direitos autorais, incluindo sua documentação.

A comunidade R segue o movimento open source, valoriza a transparência e partilha a criação de software de alta qualidade. Também olha para o mundo dos negócios, finanças, indústria e governo, promovendo a utilização da programação em R para análise de dados de todos os tipos. Os participantes são considerados evangelistas e trabalham para explicar e promover o projeto R para a imprensa, a mídia social e todos os interessados.

Aquisição da Revolution Analytics pela Microsoft

A Revolution Analytics é responsável por uma distribuição alternativa e compatível com R, com features extras, chamada Revolution R Open (RRO). Esta distribuição possui um processamento multi-thread e pode, por exemplo, executar a função de regressão linear até 20 vezes mais rápido que a padrão. É um software de código aberto, livre para download!

A empresa também é responsável pela Revolution R Enterprise (RRE), plataforma de alto desempenho baseada em R apenas para big data analytics. Suporta análises escaláveis, análises exploratórias de dados e construção de modelos de predição a partir de banco de dados Hadoop e Teradata.

No início do ano de 2015 a Microsoft anunciou a aquisição da Revolution Analytics e essa notícia pareceu estranha para algumas pessoas, pois trata-se de uma empresa que usa como base o open source. Contudo, essa empresa, fundada em 2007, é a principal fornecedora do mercado de softwares e serviços baseados em R e o objetivo principal desta aquisição é incorporá-los no portfólio de soluções Microsoft, consequentemente ajudando os clientes a encontrar valores em seus dados através de análises estatísticas. Por exemplo, construir um analytics rápido e escalável usando R, em SQL Server 2016, que possa ser implantando em um datacenter local, no Azure ou ainda em uma combinação híbrida.

A Microsoft tomou uma decisão estratégica pois além de reforçar seu apoio ao open source, difundiu ainda mais o uso interno da linguagem R por seus cientistas de dados, aprimorou seu open source através do RRO, melhorou sua análise de big data com o RRE, disponibilizou R na sua plataforma de nuvem através do Azure ML Studio e ampliou suas opções R em databases SQL 2016. E outros produtos e melhorias ainda podem surgir para atender as necessidades dos clientes.

Algumas outras iniciativas que comprovam o suporte da Microsoft ao código aberto podem ser vistas, por exemplo, com o suporte ao Linux e ao Hadoop dentro do Azure. Além de projetos open source no GitHub e no CodePlex.

A disponibilidade da última release do technical preview do RRE no Microsoft Azure, através de máquinas virtuais Windows e Linux prontas no Azure Marketplace, foi o primeiro passo do plano da Microsoft para integrar os produtos da Revolution com o Azure e futuramente com o Cortana Analytics. No Azure, clientes tem acesso on-demand para análise preditivas de alto desempenho e otimização das operações dentro do Machine Learning, a partir de qualquer lugar e em qualquer momento.

Nota: O ambiente R no Azure Machine Learning tem mais de 400 pacotes R instalados. Para obter uma lista de pacotes instalados como um conjunto de dados, execute o módulo Executar Script R com o seguinte código R.

data.set <- data.frame(installed.packages())
maml.mapOutputPort("data.set")

A Microsoft tem incentivado e trabalhado para capacitação desses profissionais em seus clientes corporativos.

Através do Azure Marketplace, os usuários podem executar cálculos sobre conjuntos de dados de até 1 TB em instâncias Windows e Linux de 4 a 32 vCPUs baseadas em nuvem; e também acessar dados copiados a partir de um armazenamento Azure, incluindo blobs ou SQL Server, acessando diretamente via conexão ODBC.

Nota: O acesso ao RRE para Windows é feito através do Windows Remote Desktop e para o Linux é feito através de SSH.

Eu, particularmente, acredito que a aquisição só tem a fortalecer essa nova fase dentro das áreas de big data e aprendizado de máquina, onde o uso da estatística e da matemática podem impulsionar grandes avanços, muitas descobertas e novos negócios.

Até o próximo post!

Fonte das imagens: Microsoft.com