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, Big-Small Data e Gestão para Indústria, Serviços e Fazenda 4.0
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: 01/01/2020 Desativação: 31/12/2022

Objetivos
Desenvolver no aluno senso crítico em Inteligência Artificial, Big-Small Data e Gestão para Indústria, Serviços Marketing, Economia e Fazenda 4.0, buscando aumentar significativamente sua empregabilidade e competitividade quando ingressar no mercado de trabalho.
 
 
 
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, ambiência, economia, gestão de negócios e pesquisa. Aprendizado de máquina e redes neurais, comparação de resultados com métodos estatísticos convencionais. Aplicação de IA, Data Mining, Big-Small Data, trade off. Tecnologias de gestão e certificação Internacional da qualidade, na Indústria, Serviços Marketing, Economia e Fazenda 4.0 Visando Hipercompetitividade.
 
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
Inteligência Artificial (IA): conceito, algoritmos: Rain Forest, Support Vector Machine, NaiveBayes, E Clasification e RegressionTree. Aplicações em gestão, engenharia, biologia, ambiência, economia, gestão de negócios 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, MANOVA, NPMANOVA, Funções Canônicas, DiscriminanteNP. Aplicação de IA,Big Data VsSmall Data, trade off,  Big Data (petabytes, noções de Ferramentas: Inteligência Artificial, Machine Learning, Redes Neurais, HDFS, YARN, Hadoop, MAP REDUCE, etc. para desenvolver produtos hipercompetitivos) Small Data (terabytes, noções de Ferramentas: Inteligência Artificial, Machine Learning, Redes Neurais, testes de hipóteses, métodos robustos, multivariados, univariados, paramétricos, etc., para decisões internas das organizações, acabamento dos produtos hipercompetitivos, etc.)  e Tecnologias de Gestão  (como LeanSartup_Amazom, TQM_Toyota-Porsche-GE, ISO-9001-14001-22000-27000-17025,etc.GlobalGAP, BSC, PNQ,PPQ, EQA,  6 Sigma, Malcolm Baldrige, Deming Prize,LeanCanvas, QFD, FMEA/FTA, RCA,   etc.)  na Industria, Serviços Marketing e Fazenda  4.0 Visando Hipercompetitividade.
 
 
 
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