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: LCE1270 - Inteligência Artificial, Ciência de Dados e Robótica Aplicada para Hiperinovação e Hipercompetitividade em Organizações 4.0 e 5.0 e Projetos Data Driven
Artificial Intelligence, Big-Small Data and Management for Industry, Services and Farm 4.0

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2023 Desativação:

Objetivos
Preparar os alunos para os desafios do mundo digital, a inteligência artificial e robótica eletrônica (bots) aplicadas, ciência da dados robusta, hiperinovação, disruptiva e radical, e hipercompetitividade em organizações com sistemas de gestão 4.0 e 5.0 e projetos data driven.
 
 
 
Docente(s) Responsável(eis)
5542817 - Cristian Marcelo Villegas Lobos
2553644 - Edwin Moises Marcos Ortega
2688982 - Gabriel Adrian Sarries
 
Programa Resumido
A) Conceituação, tipos e aplicações da IA, RA e CDR. B) Algoritmos para inteligência artificial indutiva e dedutiva, implementações em Python, Julia, SAS, R, Weka, Excel Avançado, RapidMiner, SPSS e JMP, ênfase em SAS, R, Python, Excel 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, conjoint analysis (fatoriais fracionários), interação dupla e tríplice, uniformidade e capacidade de processos, edição vetorial de gráficos. E) Robótica Aplicada, implementação de todos os tipos de IA, 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. F) IA – RA e CDR para Segurança da Informação, Família ISO 27.000, Sistema Integrado de Certificação ISO 9001, 27001 e 14001.G) Bancos de Dados 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, rede de supercomputadores da Google. I) Trade off IA-CDR e RA. J) IA-RA e CDR para implementação de ferramentas da Gestão de Excelência.  
K) Comunicação profissional: Site, Blog, GitHub e Jekyll. L) IA-CDR e RA para sistemas de gestão: Toyota, BSC, Lean Six Sigma, Lean Startup e Lean Canvas. Sistemas implantados pelos professores da disciplina, Biblioteca Central da ESALQ, LRi/CENA e outras organizações, projetos com mais de 28 anos de funcionamento ininterrupto. M) Organizações com Gestão 4.0 e 5.0 e Projetos Data Driven. M) Hierinovação Disruptiva e Radical e Hipercopetitividade.
 
Philosophy, basic concepts and tools of the main global management systems and business quality assurance systems, international certification. Statistical Quality Control and Statistic for Management. Business Intelligence Systems. Elaboration of process maps, mental maps, UML and other diagrams using programs with hypertext and “flash” tool. Learning systemic management and global system through electronic learning with certification. Entrepreneurship, centralized or third-party work. Life quality: conceptualization, measurement and diagnosis (WHO).
 
 
Programa
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 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, os alunos aprenderão a utilizar Weka, programa exclusivamente de IA, visual, amigo do usuário, SAS o mais importante para empregabilidade, linguagem de quarta geração. Também R, Python (a linguagem de terceira geração mais importante para IA e RA) e Excel Avançado. Serão apresentadas linguagens de computação de alto e baixo nível, de primeira até quinta geração. Os algoritmos de IA Indutiva, Machine Learning que serão ensinadas são: 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, conjoint analysis (fatoriais fracionários), interação dupla e tríplice, regressão robusta e polinomial, uniformidade e capacidade de processos uniformidade e capacidade de processos, U de Mann Witney, Wilcoxon, NPANOVA, NPMANOVA, Correlações Canônicas,  Robust Multivariate Regression, Gráfico de Uniformidade-Controle para a Mediana, Cusum, MMEP, Gráficos de Capacidade de Processos Robustos, uni e multivariados, Proficiência de Organizações, Metrologia, métodos robustos, Power BI, Power BI Desktop, SAP Lumira, Tableau e Data-Driven Documents, edição vetorial de gráficos: Gimp e InkScape. E) Robótica Aplicada, conceito de robô (ISO 8373), tipos de robôs, tipos de inteligência artificial embarcada num robô: Dedutiva, Indutiva-Supervisionada para Classificação e para Predição e Não Supervisionada. Etapas do desenvolvimento dos robôs: 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 de aplicativos e robôs, bots financeiros e para Blockchain. Digrama de Nassi Schneiderman, Diagrama Hierárquico de Blocos, DFD, Diagrama Entidade Relacionamento, simulação computacional, Bootstrapping e Jackknife, Monte Carlo, . Robôs elaborados pela equipe de IA-CDR e RA da ESALQ e CENA. 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, SAS, 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, Small Data, Machine Learning, Text Mining (Iramutec-R), interpretação de linguagem natural (Python) e RA para armazenamento e processamento de dados distribuídos, rede de supercomputadores da Google, Oracle e SAS. I) Trade off IA-CDR e RA, funcionamento para Small e Big Data. J) IA-RA e CDR para FEMEA/FTA, Shewhart, RCA, QFD, 7 Ferramentas da Gestão de Kaoru Ishikawa e 7 Ferramentas da Gestão, Inbound Marketing, implementações em Weka, Python, Rapidminer, Planer. K) Elaboração de Site, blog e GitHub, Blogger, Sites Google e Logical Awesome LLC, linkagem de imagenes, vídeos e áudios, edição de vídeos: Blender e HitFilm. L) IA-CDR e RA para sistemas de gestão: Toyota, Toyota 4.0, Porsche, Mercedes Benz, BSC (MIT e Harvard), OKR (Microsoft e Intel), BS 25.999 (plano de continuidade do negócio e informação), Lean Six Sigma (GE), Lean Startup (Uber, Amazon e Facebook) e Lean Canvas. Macroprocessos e mais de 90 ferramentas de gestão. Testes de proficiência em organizações. Sistemas implantados pelos professores da disciplina, Biblioteca Central da ESALQ, LRi/CENA e outras organizações, projetos com mais de 28 anos de funcionamento ininterrupto. M) Organizações com Gestão 4.0 e 5.0 e Projetos Data Driven. M) Hierinovação Disruptiva e Radical e Hipercopetitividade.
 
 
 
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 1270, 1998. Disponível em:   . Acesso em: 15/2/2022.
SARRIÉS, G.A. Blog da Disciplina LCE 1270, 2002. Disponível em < https://gest-certif-estat-lce1270.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>
 

Clique para consultar os requisitos para LCE1270

Clique para consultar o oferecimento para LCE1270

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