DigitalOcean

• Digitalocean.com
• Voy a mostrar ejemplos usando una máquina virtual escalable
• Es útil si necesito el output de un modelo que no puedo correr en mi notebook
• Si no tienes cuenta puedes acceder con m.do.co/c/6119f0430dad y tendrás 100 USD de crédito
• Usa la imagen que subí y que ya trae RStudio Server marketplace.digitalocean.com/apps/rstudio

Plumber

• Genera una API REST
• Similar a escribir paquetes de R
• Usa los conceptos de get, post y put

¿Por qué usar Plumber?

Hardware

• En la administración pública muchas veces el hardware no nos sirve para ajustar modelos
• Un notebook, por caro que sea, a veces tampoco es suficiente

¿Por qué usar Plumber?

Técnica

• Las redes neuronales se pueden ejecutar por partes
• Las regresiones necesitan capacidad computacional para la matriz de diseño que no se lee por partes
• A veces ayuda usar matrices dispersas en lugar de matrices densas
• No es un problema de R, Python, Stata, etc, tiene que ver con como el computador almacena números

¿Por qué usar Plumber?

Interpretabilidad

• Las herramientas de regresión entregan una salida interpretable
• Para el diseño de políticas públicas no podemos confiar en cajas negras
• La única salvedad serían los modelos de series de tiempo
• Cualquier otro modelo que combina variables debe ser explicable

¿Por qué usar Plumber?

Evaluación

• Las políticas públicas tienen impacto
• Ese impacto se puede medir usando econometría
• Mirada económica/ética:
  • ¿Existe un programa mejor que pueda implementar?
  • ¿Puedo mejorar a un grupo sin empeorar a los demás?

Modelo lineal, parte 1

Modelo lineal usando datos de datos:

pacman::p_load_gh("cienciadedatos/datos")
modelo <- lm(precio ~ quilate, data = diamantes)
coef(modelo)

## (Intercept)     quilate 
##   -2256.361    7756.426

Modelo lineal, parte 2

Usando plumber

#* modelo
#* @param x variable independiente
#* @param y variable dependiente
#* @get /modelo
function(x, y) {
  form <- as.formula(paste(y, x, sep = "~"))
  summary(lm(form, data = diamantes))
}

Modelo lineal, parte 3

Para ejecutar:

r <- plumb("plumber.R")
r$run(port=8000)

Modelo lineal, parte 4

La prueba debe dar error, plumber por default devuelve un data.frame convertido a JSON.

Cambios necesarios:

#* modelo
#* @param x variable independiente
#* @param y variable dependiente
#* @get /modelo
function(x, y) {
  form <- as.formula(paste(y, x, sep = "~"))
  broom::tidy(lm(form, data = diamantes))
}

Modelo lineal, parte 5

Más opciones:

#* modelo2
#* @param x variable independiente
#* @param y variable dependiente
#* @param m modelo
#* @get /modelo2
function(x, y, m) {
  form <- switch(m,
                 "lin" = as.formula(paste(y, x, sep = "~")),
                 "log" = as.formula(sprintf("I(log(%s)) ~ I(log(%s))", y ,x))
  )
  broom::tidy(lm(form, data = diamantes))
}

Advertencias

• Plumber jamás debería usarse sin https cuando hay datos sensibles en uso
• Sin una configuración https debería reservarse a la intranet
• Por ejemplo, si no hago un control mínimo como x <- substr(x, 1, 5) un usuario podría pasar SELECT * FROM public.clientes u otro comando para obtener más datos de lo que quiero que vea

Extensiones

• Se puede levantar el servicio con docker, pm2 o systemd
• Se puede integrar con Shiny

Contacto

Twitter y Github: pachamaltese

Email: pacha arroba dcc punto uchile punto cl