Estamos colaborando com dois grupos de extensão da ESALQ

Estamos colaborando com dois grupos de extensão da ESALQ:

• ESALQ-IA: Inteligencia Artificial
• ESALQ-ML: Machine Learning

Curso para Outubro de 2019 - Ficou para 2020

Curso Ciência de Dados, Inteligência Artificial e Gestão 4.0 - Abordagem introdutória e aplicada.

Duração: 10 horas

   Dois sábados das 13 as 18h.

 Local: LCE em laboratório de informática.

 Programa resumido:

·  Trata-se de um resumo do programa da Disciplina LCE1270 para 2020, que será desenvolvido em 45 a 50 horas aula, num semestre, com tempo para resolução de exercícios fora de aulas, assim a abordagem deste curso será  introdutória, porém com muitos exemplos práticos implementados através de dinâmicas computacionais. Obviamente a maioria dos assuntos será abordada superficialmente, com o objetivo de informar. Poderão ser estruturados outros cursos para profundizar o aprendizado de ferramentas e conceitos.

·  Conceito de Ciência de Dados, Inteligência Artificial e Gestão 4.0

·  Ferramentas para Ciência de Dados, utilizando modelos computacionais ( desde macros em Excel até  programas em SAS, Python, R e SPSS-PSPP). Modelos univariados, multivariados, paramétricos e não paramétricos, DOE. 7FCQ, 7NFQ. Noções de amostragem, univariada, multivariada, para machine learnig. Estatística experimental e observacional (amostras). Regressão (logistica, robusta) uniformidade e capacidade de processos (CUSUM, EWMA, Shewhart- Bell-AT&T). RCA, FMEA/FTA (NASA) QFD (Mitsubishi).

Exigências e recomendações do Sistema ISO para métodos estatísticos. Inteligência antesipativa, competitiva, de negócios (BI), colaborativa, coletiva, etc. Lógica de sistemas: mapas mentais, de processos, de processo decisório, Nashi-Sneiderman, DHB, PE, DFD, PFD, etc. Outras ferramentas: MASP, SWOT, PDCA, DMAIC, M. Eisenhower, Lean Canvas, M. BCG, M. GE, Análise Critica (ISO), CRM (GMPE-Google), ERP( SAP, Oracle, SIGE - Unilever, Microsoft Dynamics,TOTVS, MXM-BI ) MRP, DSS,  Azure (Coca Cola, Walmart, BMW, Samsung), Dashboards, Customer Intelligence, Data Discovery Applications, Gestão de KPIs, Atuarial, ISO 22.301, etc. Data Mining. Big - Small Data. STEM (MIT) - SMET.

·  Ferramentas de Inteligência Artificial, modelos computacionais, machine learnig (16 métodos: SVM, RF, NB, CART, Redes Neurais, ADL, ADQ, ADB, E Regression, etc. ), modelos supervisionados e não supervisionados. Comparação de resultados com a estatística, Big Data-Small Data. Matriz de confusão, acurácia,( absoluta e relativa), sensibilidade, especificidade, precisão, taxa de falsos positivos, falsos negativos, taxa de verdadeiros positivos e verdadeiros negativos, ranking de má classificação, valor preditivo negativo, erros tipo I (alfa) e II (Beta), potência, etc. Dispositivos gráficos (diagramas de processo decisório, gráficos bi e tridimensionais, redução gráfica de dimensão, etc.)  e visual analytics. Mineração de textos (Iramutec-R, Sobek, TextAyser, Python). Funcionamento das principais plataformas como Watson-IBM (BIA, aplicações médicas, chatbots, etc.) e Pluribus-Carnegie Mellon, Facebook e Pentágono. Como se preparar para a Era da IA, acentuada perda de empregos, novas especialidades e profissões. Soft skills vs. hard skills. Sinergia com a IA.

·  Gestão 4.0, indústria, serviços e fazenda 4.0. Gestão sistêmica, hiperinovação e hioercompetitividade ( sistemas Amazon, Apple, Uber e Drop Box), Sistema Google de Gestão. Sistemas clássicos: Toyota, GE, Porsche, BSC, 6Sigma, EQA, PNQ,  etc. Dinâmicas práticas. Certificação Internacional da Qualidade, normas: ISO, FSC, SA, ,OHSAS, GobalGAP, Nestle, TQS-Sadia, Tesco, Bomsucro (açúcar e álcool Coca Cola) , e Soja Responsável-RTRS (Unilever, Mc Donalds), SIG (Mercedes Benz),Performance com Propósito (PepsiCo), SHP- Hyundai, Orçamento Base Zero-Kraft-Heinz. Auditorias  de primeira segunda e terceira (certificação, pré certificação, certificação, follow up, recertificação, etc.) partes, certificadoras BVQi, DNV, Vanzolini, Control Union, etc.

 Sotwares a serem utilizados:

Access

Excel avançado, data crunching, data analysis, macros, etc.

GoConcr

Java-script

JMP

Julia

Prezi

Python

R

SAS

SPSS-PSPP

SQL

Flores Iris Lindíssimas Classif. - Fisher 1936 Multiv. - Gabriel 2019 Intel. Artificial

Flores Iris Lindíssimas Classif. - Fisher 1936 Multiv. - Gabriel 2019 Intel. Artificial

Contatos Whatsapp Email do Gabriel

Contatos Whatsapp Email do Gabriel

Gabriel gasarrie@usp.br

Whatsapp 019-988-627-438

AGENDA: "Intercambio de Ideias em Inteligência Artificial Ciência de Dados e Gestão Sistêmica & 4.0"

AGENDA: "Intercambio 

de Ideias em Inteligência Artificial Ciência de Dados e Gestão Sistêmica & 4.0"

Coordenação:

Prof. Gabriel Sarriés Departamento de Ciências Exatas da Escola Superior de Agricultura Luiz de Queiroz - LCE/ESALQ/USP

Profa. Elisabete De Nadai Fernandes Laboratório de Radioisótopos do Centro de Energia Nuclear na Agricultura da Universidade de São Paulo - LRi/CENA / USP

Ms. Químico Nuclear Yuniel Tejada Doutorando -  CENA/USP

Reuniões presenciais, transmitidas on line por Youtube (endereço a ser colocado nesta postagem) e por Streaming no Blog do Projeto Inteligência Artificial e Gestão Sistêmica – 4.0: https://ia-cd-gs-esalq-usp.blogspot.com

Divulgação: Campus Luiz de Queiroz e Algumas Faculdades e Empresas de Piracicaba

- 1ª Reunião de Intercâmbio de Ideias:

 Data - 24/7/2019, 16 horas – no LCE/ESALQ/USP, Assunto:  Introdução ao Aprendizado de Máquinas (AM). 

Métodos de AM  Utilizados (em 4 trabalhos publicados em 2019 na área de Ciência dos Alimentos):

• Random Forest;
• Support Vector Machine;
• Naive Bayes;
• E Clasification;
• Regression Tree.

Começando a utilizar outros métodos de AM, em medicina (diagnostico de cardiopatias), economia (fraudes em cartão de credito), agronomia (detecção de ervas daninhas):

• Multilayer Perceptron ( Redes Neurais);
•  Decision trees (CART MODEL).

Fisher desenvolveu a estatística multivariada a partir deste exemplo, agora se tornou um  exemplo clássico dos livros e softwares de inteligência artificial (aprendizado de maquinas)

Organizações a serem convidadas para participar do intercambio:

·       Instituto de Química Básica y Aplicada del Nordeste Argentino/AR (trabalha com AM na análise de alimentos);

·       Universidade de Ponta Grosa PR (trabalha com IA e Gestão 4.0, Quarta Revolução Industrial);

·       Instituto Federal de Piracicaba (trabalha com IA).

https://www.google.com/search?q=inteligencia+artificial+imagem&newwindow=1&rlz=1C1AVNE_enBR637BR639&source=lnms&tbm=isch&sa=X&ved=0ahUKEwiSifCVmpnjAhVQGLkGHUqjDcMQ_AUIESgC&biw=1283&bih=634&dpr=1.5#imgrc=8bBOBIHi10XoEM:

Slides elaborados por alunos de graduação em Administração da ESALQ, da disciplina LCE 137 - Pesquisa para Mercado de Trabalho, Competitividade, Empreendedorismo, Gestão e Certificação Internacional em 2019.

Stephen Hawking disse: "Todos os aspectos das nossas vidas serão transformados (pela IA)", e isso pode ser "o maior evento na historia de nossa civilização".
Ver imagem aqui embaixo!

Disciplinas na ESALQ/USP. Coordenadas pela Equipe

Que abordam os itens do Projeto

Graduação ( a partir de 2020)

Seis disciplinas de graduação para os sete cursos da ESALQ

·                 LCE1270 –  Inteligência Artificial, Big-Small Data e Gestão para Indústria, Serviços  e Fazenda  4.0.

·

                  LCE137 - Inteligência Artificial, Data Mining e Gestão para  Inovação e Hipercompetitividade.

·                  LCE136 - Ciência de Dados e Gestão para Empregabilidade, Empreendedorismo e Inovação.

·                  LCE134 - Computação, Inteligência Artificial e Organizacional para Ciência dos Alimentos Visando Hipercompetitividade e Hiperinovação.

·                  LCE105 -  Computação, Inteligência Artificial e Organizacional para Economia Visando Hipercompetitividade.

·                 LCE0100 – Inteligência Artificial  Gestão e Certificação Internacional da Qualidade na Produção de Alimentos

Pós-graduação:

·                 LCE5736– Estatística Metrologia e Inteligência para Gestão e Pesquisa

                           Blog: https://estat-teses-gest-esalq.blogspot.com

·                 LCE587 – Residência em Analises Estatísticas

- 2ª Reunião de Intercâmbio de Ideias:

Data - 30/7/2019, 16h, Assunto: Cases de Vinculação da Inteligência Artificial e Estatística. Aplicações em Analise de Alimentos. Local LCE/ESALQ/USP.

Organizações a serem convidadas para participar do intercambio:

·      Instituto de Química Básica y Aplicada del Nordeste Argentino/AR (trabalha com AM na análise de alimentos);

·       Departamento Agroindústria, Alimentos e Nutrição (LAN) da ESALQ

·       Instituto de Tecnologia de Alimentos - ITAL

Discutiremos a experiência adquirida na elaboração e apresentação destes trabalhos:

IWAHASHI, P. M. R.; CAVALARO, R. I.;  MAZOLA, Y. T.;  SILVA, H. M. R.; VIEIRA, T. M. F. S.; SARRIÉS, G. A. Utilização de Técnicas de Inteligência de Mercado para Classificação do Consumidor de Óleos Vegetais na Preferência de Compra. In: IV Congresso de Óleos e Gorduras - International  Meeting on Fats and Oils, 2019, Campinas. Anais do IV Congresso de Óleos e Gorduras, 2019. p. 39.

MAZOLA, Y. T.; FERNANDES, E. A. N.; BACCHI, M. A.; SARRIÉS, G. A.; GONZAGA, C. L. . Neutron activation analysis and data mining techniques to discriminate beef cattle feed. In: 2nd International Conference on Radioanalytical and Nuclear Chemistry - RANC, 2019, Budapeste. Book of Abstracts. Budapeste: Akadémiai Kiadó, 2019. v. 1. p. 319-319. Trabalho completo encaminhado para publicação em 2019.

MAZOLA, Y. T.; FERNANDES, E. A. N.; BACCHI, M. A.; SARRIÉS, G. A.; ASSIS, T. F. C. F.; LUCCAS, F.; GONZAGA, C. L. . Neutron activation analysis and data mining techniques for beef discrimination studies. In: 33^o Latin-American Congress of Chemistry and X Congress of Chemical Sciences, Technology and Innovation, 2018, Havana. Scientific Program, 2018. Trabalho completo encaminhado para publicação em 2019.

As distancias medias multivariadas (Mahalanobis), do dendrograma resultante do Cluster Analysis entre Picanha Contrafilé e Acém são diretamente proporcionais às distancias anatômicas (Euclidianas, medidas com uma régua) entre os cortes. Proporcionalidade quase perfeita.

Cluster ( dendrograma) elaborado com 100% da informação da pesquisa, todos os elementos químicos utilizados (Br Co Cs Fe K Na Rb Se e Zn)  ; 
Fonte da figura (animal desenhado com os cortes de carne): https://www.google.com.br/search?q=cortes+de+carne&rlz=1C1GCEU_pt-BRBR854&source=lnms&tbm=isch&sa=X&ved=0ahUKEwil2O-Ig_LiAhXoGbkGHX4ZDqwQ_AUIECgB&biw=988&bih=616#imgrc=q0LjbTeoduQIYM:

TURRA, C.; FERNANDES, E. A. N.; BACCHI, M. A.; SARRIÉS, G. A.; LAI REYES, A. E. Uptake of rare earth elements by citrus plants from phosphate fertilizers. Plant and Soil, v. 437 (1-2), p. 291-299. 2019. https://doi.org/10.1007/s11104-019-03979-1

Trabalho aceito para apresentação:

FERNANDES, E.A.N.; SARRIÉS, G.A.; BACCHI, M.A.; TEJEDA-MAZOLA, Y.; GONZAGA, C. L.; SARRIÉS, S.R.V. Trace elements and machine learning for Brazilian beef traceability. In: 2^nd Food Chemistry Conference: Shaping the Future of Food Quality, Safety, Nutrition and Health. 17-19 September, 2019, Seville, Spain.

Falaremos algo sobre Ciência de Dados que faz parte do Projeto.

Próximas reuniões estão no estado de protótipo, pretendemos fazer no mínimo uma por mês, aberta ao público. Temos assuntos para anos de reuniões.

- 7/8/2019 - Introdução à Ciência de Dados 

-  21/8/2019 - Software de Inteligência Artificial (IA), Aula Pratica, com exemplos (áreas de Administração, Economia, Engenheira Agronômica, Florestal, Ciência dos Alimentos, Biologia e Gestão Ambiental), a IA tem uma gama muito ampla de aplicação, análoga à Estatística. Os participantes trabalharão no computador.

- 4/9/2019 - Apresentação de publicações realizadas pela equipe na área de IA em 2018 e 2019. Planejar líneas de pesquisa para Inteligência Antecipativa do Projeto 

- Ciências Humanas na Era da IA (colegas ESALQ).

- Tipos de IA (artigo Antônio)

- 11/9 Gestão Sistêmica e Gestão 4.0

- 18/9/2019 - Planejamento de intercambio científico / tecnológico com organizações de outros países, América Latina, Europa, USA, Japão, Canadá, ver outros contatos.
- Estrutura do Watson

- 2/10/2019 - Planejar pesquisa para diagnosticar interesse das empresas nas tecnologias do Projeto, para estágios e pós graduações profissionalizantes. 

- 17/10/2019 - Planejar sistema de certificação dos participantes: green blue brown black belt.
- 31/10/2019 - Treinamento na utilização de algoritmos e programas de IA para resolução de problemas práticos: Redes Neurais, Teorema de Bayes, Random Forest, etc.

- 19/11/2019 - Teoria da Informação, Inteligência Artificial, Ciência de Dados e Gestão 4.0 e questões organizacionais;

- 3/12/2019 - Gestão da Hiperinovação e Hipercompetitividade e questões organizacionais;

Reuniões Menores poderão ser agendadas com menor antecedência, serão publicadas no Blog do Projeto.

Mineração de Texto no R

Iramuteq
http://www.iramuteq.org/documentation/fichiers/tutoriel-en-portugais




Fonte Wikipedia:

Ainda não trabalhamos com mineração de texto. Mas temos pessoas na equipe que conhecem muito bem o R e que conhecem de mineração de texto, devemos aprender rápido.

MANOVA

MANOVA 

data imc_dat;
input cat $ imc corr kcal;
cards;
AT 20.2 60.7 3200
AT 21.3 54.8 3100
AT 19.3 49.6 2800
AT 21.1 52.3 3300
SEM 22.4 14.9 2600
SEM 21.9 17.8 2700
SEM 23.8 18.6 3200
SEM 24.1 15.1 3300
SE  27.3 2.5 2700
SE  23.4 4.3 2300
SE  25.2 2.3 2600
SE  26.4 2.6 3200
PR 26.2 4.1 2600
PR 24.2 2.1 2700
PR 25.4 1.9 2650
;
proc print;
run;
proc glm;
 class cat;
 model imc corr kcal  = cat;
 contrast " Atl e Semiat Vs Seden e Prof"  cat 1 -1 -1 1;
 contrast " Professor Vs Sedentario" cat 0 1 -1 0;
 manova h=_all_ / printe printh;
 contrast " Atl e Semiat Vs Seden e Prof" 1 -1 -1 1;
 contrast " Professor Vs Sedentario" cat 0 1 -1 0;

run;

/* 
contrast " Atl e Semiat Vs Seden e Prof"  cat 1 -1 -1 1;
Pega a ordem alfabetica dos niveis dos fatores para os coeficientes
   dos contrastes 
Se colocar o contraste depois do comando MANOVA faz os contrastes univariados 
tambem

*/

Correlação Residual MANOVA:

Partial Correlation Coefficients from the Error SSCP Matrix / Prob > |r|
DF = 11	imc	corr	kcal
imc	1.000000	0.017729 0.9564	0.697770 0.0116
corr	0.017729 0.9564	1.000000	0.132496 0.6814
kcal	0.697770 0.0116	0.132496 0.6814

Outro Exemplo de Contrastes, Ordem Alfabética:





- Análise Multivariada Exemplos: 

Comparar resultados ANOVA com Kruskal-Wallis.

data imc_dat;

input cat $ imc corr kcal;

cards;

AT    20.2  60.7  3200

AT    21.3  54.8  3100

AT    19.3  49.6  2800

AT    21.1  52.3  3300

SEM   22.4  14.9  2600

SEM   21.9  17.8  2700

SEM   23.8  18.6  3200

SEM   24.1  15.1  3300

SE    27.3  2.5   2700

SE    23.4  4.3   2300

SE    25.2  2.3   2600

SE    26.4  2.6   3200

PR    26.2  4.1   2600

PR    24.2  2.1   2700

PR         25.4         1.9        2650

;

proc print;

run;

proc npar1way data=imc_dat wilcoxon dscf;

 class cat;

 var imc corr kcal = cat;

run;

Tem um erro nesse programa, onde esta? Compare com os slides apresentados antes do programa SAS (Dois slides de Kruskal Wallis com trechos de programa SAS).

 var imc corr kcal = cat; ==> ANOVA, GLM, MANOVA
 var imc corr kcal;          ==> Kruskal Wallis

Resultados de Kruskal Wallis

Arquivo Word para Download:

Download_K_Wallis

Resultados ANOVA dados brutos, transformados e da Estat. Robusta. Tese doutorado do Gabriel.