Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Escola Superior de Agricultura "Luiz de Queiroz"
 
Ciências Exatas
 
Disciplina: LCE0137 - Inteligência Artificial, Data Mining e Gestão para Inovação e Hipercompetitividade
Artificial Intelligence, Data Mining and Management for Innovation and Hypercompetitiveness

Créditos Aula: 2
Créditos Trabalho: 0
Carga Horária Total: 30 h
Tipo: Semestral
Ativação: 01/01/2020 Desativação: 31/12/2022

Objetivos
Desenvolver no aluno senso crítico em Inteligência Artificial, Data Mining  e  Gestão – Sistemas Mundiais de Gestão-  para Inovação e hipercompetitividade. O conhecimento será útil em sua vida acadêmica e principalmente no mercado de trabalho, aumentando significativamente a  empregabilidade e competitividade do egresso.
 
 
 
Docente(s) Responsável(eis)
5542817 - Cristian Marcelo Villegas Lobos
2553644 - Edwin Moises Marcos Ortega
2688982 - Gabriel Adrian Sarries
 
Programa Resumido
Inteligência Artificial (IA): conceito, algoritmos e aplicações em gestão, engenharia, biologia, economia, ambiência e pesquisa. Aprendizado de máquina e redes neurais, comparação de resultados com métodos estatísticos convencionais.  Métodos estatísticos para Data Mining.  Métodos de gestão e certificação internacional da qualidade. O NIT Qualidade e Metrologia na Agropecuária USP/EMBRAPA/CNPq/Indústria.  Aplicação de IA e Data Mining na Gestão da Inovação em ambientes de Hipercometitividade.
 
Philosophy; Basic concepts and quality management tools of the main world systems; International certification; Quality statistical control; Process maps, mind maps and other diagrams to be developed using programs with hypertext resources and "flash" tool; Systemic management and global systems through e-learning with certification; Entrepreneurship: concepts, schools, advantages, application methodology, expansion of the labor market; Analysis of the Biology labor market in Brazil and worldwide.
 
 
Programa
Inteligência Artificial (IA): conceito, algoritmos: Rain Forest, Support Vector Machine, Naive Bayes, E Clasification e Regression Tree . Aplicações em gestão, engenharia, biologia, ambiência, economia, e pesquisa. Aprendizado de máquina e redes neurais, comparação de resultados com métodos estatísticos convencionais, linguagens R, Python, SAS e outras. Noções introdutórias: Regressão Logística, NPMANOVA, DiscriminanteNP.  Métodos estatísticos para Data Minig: univariados, multivariados, paramétricos e robustos. Métodos de gestão como Lean Startup-Amazon, TQM-Toyota- Porsche-GM, ISO-9000-14000-22000-27000, GlobalGAP, FSC, BSC, PNQ, EQA,  6 Sigma, Malcolm Baldrige,  etc. O Núcleo de Inovação Tecnológica Qualidade e Metrologia na Agropecuária USP/EMBRAPA/CNPq/Indústria, coordenado pelo CENA e ESALQ USP.  Aplicação de IA,   Data Mining e Gestão em ambientes de Hipercometitividade e hiperinovação.
 
 
 
Avaliação
     
Método
A avaliação do aprendizado é feita por meio de prova (P), relatórios (R) e apresentação de seminário (S) utilizando hipermidias.
Critério
A média final é obtida da seguinte forma: 0,3 P + 0,35 R + 0,35 S.
Norma de Recuperação
Será feita sob a forma de uma prova com duas horas de duração, aplicada após o término das aulas, em época determinada pela USP. A média final será a média aritmética entre a nota desta prova e a média obtida no semestre.
 
Bibliografia
     
Literatura Básica:
ALCOFORADO, L. F. Utilizando a linguagem R: conceitos, manipulação, visualização, modelagem e elaboração de relatórios. Editora Alta Books, São Paulo. 2021. 384p.
AZEVEDO FILHO, A. J. B.V. . Princípios de Inferência Dedutiva e Indutiva: Noções de Lógica e Métodos de Prova. 1/1. ed. Scotts Valley, EUA: CreateSpace Publishers, 2010. v. 1. 140p.
MICROSOFT. Office Online. Janeiro 2010. <http://office.microsoft.com/en-us/training/CR061829401033.aspx>
MENEZES, N. N. C. Introdução à Programação com Python: Algoritmos e Lógica de Programação Para Iniciantes, 3a ed, 2019.
MONDEN, Y. Toyota Management System: Linking the Seven Key Functional Areas. Kindle, USA. 2018. 435p.
SARRIÉS, G.A. Site da Disciplina LCE 137, 1998. Disponível em:   . Acesso em: 15/2/2022.
SARRIÉS, G.A. Blog da Disciplina LCE 137, 2002. Disponível em < https://mercado-gestao-empeend.blogspot.com/  >. Acesso em: 15/2/2022.
SARRIÉS, G.A. Projeto Inteligência Artificial, Ciência de Dados e Robótica Aplicada. 2021. Disponível em < https://sites.google.com/usp.br/ia-cd-ra-gestao-gabriel >. Acesso em: 15/2/2022.
SARRIÉS, G.A. Gabriel Informação e Inteligência Organizacional (BI). Gabriel-Informa-intel-
organiza.blogspot.com.br. 2015.
TURBAN, E. & RAINER, R. K. & PORTTER, R. E. Introdução a Sistemas de Informação uma Abordagem Gerencial. São Paulo: Editora Campus. 2007, 457p.

Literatura Complementar:
ISHIKAWA, K. Guide to quality control. Tokyo: Kraus Asian Productivity Organization, 1982. 221p.
JURAN, J.M.; GRYNA, F.M. Juran controle da qualidade: métodos especiais de apoio à qualidade. São Paulo: Makron Books, 1993. 193p.
LIKER, K. & MEIER D. O Modelo Toyota, Manual de Aplicação. Porto Alegre: Bookman, 2007. 432p.
SARRIÉS, G.A. Treinamentos em Inteligência Artificial, Ciência de Dados e Robótica Aplicada. 2021. Disponível em < https://sites.google.com/view/ia-cd-treinamentos-usp-gabriel>. Acesso em: 15/2/2022.
SARRIÉS, G.A. Workshops em Inteligência Artificial, Ciência de Dados e Robótica Aplicada. 2021. Disponível em < https://sites.google.com/usp.br/melhorar-empregab-competit >. Acesso em: 15/2/2022.
SARRIÉS, G.A. Site da Disciplina de Pós-graduação. LCE 5736. 2002. Disponível em < https://sites.google.com/view/lce5736-usp-sarries >. Acesso em: 15/2/2022.
SARRIÉS, G.A.; VICINO, S.R.; LAY REYES, A.E. Qualidade Total e Certificação Internacional da Qualidade em Internet. Introdução ao Controle Estatístico da Qualidade: Controle de Qualidade Usando o Excel. In: ESALQ (on line). Piracicaba: ESALQ, CIAGRI, Janeiro 2015. Available from World Wide Web: http://www.esalq.usp.br/qualidade.
SARRIÉS, G.A. Benchmarking na Agricultura. In: ESALQ (on line). Piracicaba: ESALQ. CIAGRI, Janeiro 2015. Available from world wide web: http://www.esalq.usp.br/bentevi
TIPS TRAINING AND CONSULTING. Excel tip.com, janeiro 2010. Available from World Wide Web: <http://www.exceltip.com>

SARRIÉS, G.A.; SILVA, M.; NEGRILLO, B.G.; BRANDI Jr., V. A computer system for non parametric statistics. Biometric Bulletin, v.7, n.4, p.13, 1990b.
SARRIÉS, G.A. 1991. Apostila Tutorial do Sistema SANEST. Piracicaba. CIAGRI/USP. 64p.
SARRIÉS, G.A. Benchmarking na Agricultura. In: ESALQ (on line). Piracicaba: ESALQ. CIAGRI, março/2005. Available from world wide web: http://www.esalq.usp.br/bentevi
SAS INSTITUTE INC. SAS/QC Guide for Personal Computers. Cary, NC. SAS Institute Inc. 540 p.
VICINO, S.R.; SARRIÉS, G.A.; FERNANDES, E.A.N.; MACHADO, P.F.; PEREIRA, A.R. Qualidade metrologia para laboratórios de análise de leite: uma proposta. In: Congresso Sul-Americano de Metrologia, 2. Foz do Iguaçu, 9 a 11/08/99. Anais. Foz do Iguaçu: Paraná Metrologia, 1999. p. 154-157.
WESTGARD, J.O. & BARRY, P. 1986. Cost-Effective Quality Control: Managing the Quality and Productivity of
Analytical Processes. Washington DC. AACC Press-American Association for Clinical Chemistry Inc. 228p.
VIEIRA, S. Estatística para qualidade. Rio de Janeiro: Campus, 1997. 472p
TURBAN, E. & RAINER, R. K. & PORTTER, R. E. Introdução a Sistemas de Informação uma Abordagem Gerencial. São Paulo: Editora Campus. 2007, 457p.
 

Clique para consultar os requisitos para LCE0137

Clique para consultar o oferecimento para LCE0137

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP