Como rodar o R na nuvem: Google Colab e RStudio Cloud

Você sabia que é possível utilizar o R na nuvem, diretamente pelo seu navegador? Não precisar de uma instalação local do R e poder executar scripts em múltiplas plataformas é uma grande vantagem, ainda mais se for gratuito. O Google Colab e o RStudio Cloud são ótimas opções, porém pouco conhecidas.

RStudio Cloud

O RStudio Cloud é um serviço que emula a IDE do RStudio pelo navegador, de fácil utilização e bastante ágil. Para utilizá-lo basta criar uma conta, havendo algumas opções de planos e, dentre eles, um plano gratuito para utilização dos recursos com alguma limitação mensal (memória RAM, CPU e horas/projeto).

A plataforma é bastante intuitiva, uma vez realizado o login, pode-se prosseguir com a criação de um "Space" e projetos de R dentro do mesmo.

Os projetos funcionam de forma semelhante aos projetos locais de R, para quem já está habituado a trabalhar com os arquivos .Rproj. Com um projeto aberto, perceba que visualmente a ferramenta é idêntica ao RStudio instalado localmente:

Cada projeto do R criado na plataforma é como se fosse uma instalação recente da linguagem, ou seja, haverão apenas os pacotes básicos. A instalação de pacotes do CRAN pode ser feita normalmente com a função install.packages() e os mesmos não são perdidos ao sair de um projeto.

Uma outra vantagem, como exibido na imagem acima, é que podemos optar facilmente por trocar a versão do R sendo utilizada, o que facilita o processo de testar, por exemplo, uma função em diversas versões do R.

Google Colab

O Google Colaboratory é mais conhecido pelos usuários da linguagem Python, e é um serviço também gratuito que oferece como principais vantagens a necessidade quase zero de configurações, uso de GPUs para rodar códigos e compartilhamento facilitado. Para sua utilização basta possuir uma conta do Google.

Para usar o R no Google Colab basta clicar no link abaixo:

https://colab.research.google.com/#create=true&language=r

O link direciona para um novo "notebook" que é gerado automaticamente dentro da plataforma. A a partir daí pode-se trabalhar normalmente com os códigos de R nas células do documento. Visualmente, não há diferenças entre um notebook de Python e um de R, mas através desse link é feita a configuração automaticamente para execução do R na nuvem da plataforma:

Como pode ser observado, os pacotes do tidyverse já vêm instalados, assim como diversos outros.

O que achou? Experimente e verifique se faz sentido agregar essas plataformas no seu toolkit de trabalho diário com o R.

 

________________________
(*) Para entender mais sobre a linguagem R e suas ferramentas, confira nosso Curso de Introdução ao R para análise de dados.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Uma introdução à Inteligência Artificial e a Engenharia de Prompt

“Um especialista sabe todas as respostas, se você fizer as perguntas certas”. Este é o mesmo princípio usado nas técnicas de Prompt Engineering, com objetivo de otimizar as respostas de aplicações de IA generativa. Neste artigo apresentamos algumas destas técnicas com exemplos práticos em Python.

Como identificar mensagens de erro na coleta de dados de sites públicos

Quem trabalha com dados reais e precisa coletar informações de forma online usando APIs e links, sabe que erros de requisição são comuns, principalmente com dados públicos. Neste artigo, damos algumas dicas de como entender estes erros e mostramos um jeito simples de evitar que o código de Python “quebre” nestas situacões.

O que é e como calcular o Beta de Mercado usando o Python?

Neste tutorial, explicamos o conceito de Beta de Mercado e como calculá-lo por meio de regressão linear utilizando a linguagem de programação Python. Demonstramos como interpretar graficamente e analisar os parâmetros estimados do método estatístico, contextualizando-o na teoria financeira com um exemplo real. Em seguida, aprofundamos a análise, desenvolvendo um Beta com Janelas Deslizantes e aplicando o modelo CAPM. Por fim, utilizamos a regressão linear múltipla para reproduzir o modelo de três fatores de Fama-French, uma extensão do CAPM.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.