Ensinar como utilizar praticamente Inteligência Artificial (IA), Ciência de Dados Robusta (CDR) e Robótica Aplicada (RA) para resolver problemas da Biologia e desenvolver projetos modernos.

A) Conceituação, tipos e aplicações da IA, RA e CDR, para conservação de biodiversidade, sequestro de carbono etc. B) Algoritmos para inteligência artificial indutiva e dedutiva, implementações em Python, SAS, R, Julia, Weka, RapidMiner e JMP, ênfase em SAS, R e Weka . C) Parâmetros da IA, hiper parâmetros e funções de inicialização, parâmetros provenientes da Matriz de Confusão: Acuracy, Erro Tipo I e II, Falsos Positivos, Negativos, Especificidade, Sensitividade, Precisão etc. Publicações dos professores da disciplina utilizando os conceitos na ESALQ e CENA. D) CDR univarida, multivariada, uniformidade e capacidade de processos. E) Robótica Aplicada, analise, projeto, prototipação, codificação, testes e documentação de robôs e aplicativos para pc, tablet e celular linguagem Python, comparação em custo, desempenho e segurança. F) IA – RA e CDR para Segurança da Informação, Família ISO 27.000.G) Bancos de Dados, Bancos de Germoplasma, Dados de Ecossistemas: SQL, relacionais e não relacionais, Não SQL, fermentas para implementação, pesquisa e análise de Bancos de Dados. H) Big Data, Machine Learning e RA para armazenamento e processamento de dados distribuídos. I) Bioinformática, Trade off IA-CDR e RA. J) Elaboração de Site, blog e GitHub. K) IA-CDR e RA para gerenciamento de projetos: Sistemas PMBOK, Toyota, CCPM, e Scrum. L) IA-CDR e RA para gerenciamento de organizações biológicas, Sistemas ISO 14001 e 17025, FSC, BSC, PNQ, PPQ, Toyota etc. Implementações para implantar, gerenciar e fiscalizar normas como: Novo Código Florestal Brasileiro e Leis Ambientais, Artigo 225 da CB-1988.  Projetos dos professores da disciplina com mais de 28 anos de funcionamento ininterrupto, Biblioteca Central da ESALQ, LRi/CENA e outras organizações, projetos com mais de 28 anos de funcionamento ininterrupto.

A) Conceituação, tipos e aplicações da Inteligência Artificial (IA), RA (Robótica Aplicada) e CDR (Ciência de Dados Robusta): indutiva, supervisionada para classificação, para predição e não supervisionada. Aplicações em conservação de biodiversidade, sequestro de carbono, biomimética, utilização de biomonitores de contaminação etc. B) Algoritmos para inteligência artificial indutiva e dedutiva, implementações em Python (IDEs: Jupyter, VS Code, Pycharm e Spyder Python IDE), SAS, R, Weka, RapidMiner e JMP, comparação e exemplos práticos, ênfase em SAS, R e Weka. Redes Neurais (Multilayer Perceptron) com diferente número de camadas de neurônios, hiper parâmetros e funções de inicialização, Random Forest, Suport Vector Machine, Naives Bayes, CART, Deep Learning, Função Logística, Analise Discriminante Linear, Quadrático, Bayesiano e Robusto, Funções Canônicas 1D, 2D e 3D (redução de dimensão), PCA e Biplot, Cluster Analysis, Factor Analysis Exploratório, Confirmatório e Equação de Modelos Estruturais. Visual Analytics. C) Parâmetros da IA, hiper parâmetros e funções de inicialização, learning rate, momentum etc. Parâmetros provenientes da Matriz de Confusão: Taxa de Acerto-Acuracy, Erro Tipo I e II, Taxa de Falsos Positivos e Negativos, Especificidade, Sensibilidade (recall), Taxa de Omissão, Precisão, F1Score, FDR, Predição Negativa, tamanho ótimo de amostra para IA Indutiva, Índice de Generalização, Overfiting etc. Publicações dos professores da disciplina utilizando os conceitos na ESALQ e CENA.  D) CDR univarida, multivariada, uniformidade e capacidade de processos, U de Mann Witney, Wilcoxon, NPANOVA, NPMANOVA, Correlaçoes Canônicas,  Robust Multivariate Regression, interação dupla e tríplice, regressão polonomial. Gráfico de Uniformidade-Controle para a Mediana, Cusum, MMEP, Gráficos de Capacidade de Processos Robustos, uni e multivariados, Proficiência de Organizações, Metrologia, métodos robustos. E) Robótica Aplicada, analise, projeto, prototipação, codificação, testes e documentação de robôs e aplicativos para pc, tablet e celular linguagens Python e C, comparação em custo, desempenho e segurança, Digrama de Nassi Schneiderman, Diagrama Hierárquico de Blocos, DFD, Diagrama Entidade Relacionamento, simulação computacional, Bootstrapping e Jackknife, Monte Carlo, do desempenho de aplicativos e robôs, . F) IA – RA e CDR para Segurança da Informação, Família ISO 27.000 (ISO 27001 a 27018), 5 Pilares da Segurança da Informação: Integridade, Confidencialidade, Disponibilidade, Autenticidade e Irretratabilidade, Sistema Integrado de Certificação ISO 9001, 27001 e 14001. IA-RA e CDR para Prevenir Sequestro de Informação, Ransomware  .G) Bancos de Dados SQL, relacionais e não relacionais (Oracle, My SQL, Access, Livre Office etc.), Não SQL: Redis, Cassandra, Amazon Dynamodb e Mondodb. Fermentas para implementação, pesquisa e análise de Bancos de Dados. H) Big Data, Machine Learning, Text Mining (Iramutec) e RA para armazenamento e processamento de dados distribuídos, rede de supercomputadores da Google. I) ) Bioinformática, Trade off IA-CDR e RA, funcionamento para Small e Big Data, . J) Elaboração de Site, blog e GitHub. K) IA-CDR e RA para gerenciamento de projetos: Sistemas PMBOK, Toyota, CCPM, e Scrum. L) IA-CDR e RA para gerenciamento de organizações biológicas, Sistemas ISO 14001 e 17025, Testes de Proficiência Laboratoriais (Metrologia), ISO 35, FSC, BSC, PNQ, PPQ, Toyota etc. Aplicações para implantar, gerenciar e fiscalizar normas como: Novo Código Florestal Brasileiro e Leis Ambientais, Artigo 225 da CB-1988.  Projetos dos professores da disciplina com mais de 28 anos de funcionamento ininterrupto, Biblioteca Central da ESALQ, LRi/CENA e outras organizações, projetos com mais de 28 anos de funcionamento ininterrupto.