sexta-feira, 30 de abril de 2021

Artigo de Machine Learning Premiado pela Editora Elsevier - Revista Food Chemisry

  Artigo de Machine Learning Premiado pela Editora Elsevier - Revista Food Chemisry 


Arquivo do Paper Completo para Fazerem Download:


Paper Completo em pdf








Resumo do Trabalho




Resumo:

O rebanho de gado bovino se aproxima de 215 milhões de animais distribuídos em uma vasta área de 160 milhões de hectares, levando o pais para a primeira posição do mundo em exportação de carne bovina e segundo em produção de carne e consumo. Foram selecionados animais para este estudo animais dos biomas Amazônia, Caatinga, Cerrado, Pampa e Pantanal. As amostras de carne foram analisadas para composição elementar utilizando a técnica analítica Ativação Neurônica Instrumental e classificadas de acordo com seu origem através de algoritmos de machine learning (Multilayer Perseptron-Redes Neurais, Random Forest-Floresta Aleatória e Arvores para Classificação e Regressão). Foram observadas diferenças altamente significativas (p < 0,0001) entre a concentração elementar para os diferentes biomas, utilizando contrastes multivariados da NPMANOVA. A melhor performance para classificação foi obtida na comparação dos biomas Amazônia e Caatinga, utilizando Multilayer Perceptron, de uma camada de neurônios. Os resultados mostram a viabilidade de combinar conteúdo de elementos traço e machine learning para a rastreabilidade da carne bovina brasileira por bioma.





Slides Ilustrativos Sobre o Artigo






segunda-feira, 26 de abril de 2021

Inteligência Artificial - Visão Critica

 Inteligência Artificial - Visão Critica


Professor António Almeida - Prof. Titular do Departamento de Economia Sociologia e Administração 


https://youtu.be/UWXD8Uu7OVU

Video 1

https://youtu.be/a2sESRQI4Sw

Video 2

Exercicios

  Exercícios - Lista


Enviar os exercícios para o e-mail da disciplina.

E-Mail da Disciplina:


gestao.estat.cert@gmail.com




Colocar no Assunto do e-mail o Nome Completo e Numero do Exercício



Exercício 1 Teórico

O conhecimento sobre sistemas de gestão, certificação internacional da qualidade (Exemplo ISO  9000, 14000, 22000 etc.) e inteligência de negócios (BI) podem colaborar na sua empregabilidade e competitividade?

Elabore uma apresentação argumentando, contendo de 6 a 9 slides.

DL: 3/5/2021

 

 

Exercício 1 Pratico

Crie um exemplo na sua área proficional para utilizar Teste T de Student. Podem ser dados reais ou inventados. Rode esse exemplo no Excel. Interprete os resultados.

Dead Line: 17/5/2021

 

 

Teste T de Student - Macro em Excel - Salarios MS Vs SP

 Teste T de Student - Macro em Excel ou Ferramentas de Analise (Cientifica ou Financeira)

- Salarios MS Vs SP


Videoaula:

      https://youtu.be/MNokvQqeP_c


Arquivo Elaborad o Durante a Aula para Fazer Download:

Teste_T_Excel_Salarios


Teste T de Student - O mais utilizado no dia a dia dos egressos da ESALQ no Mercado de Trabalho na Area de BI


No programa de todas as disciplinas de Estatística Básica da ESALQ:

·       Estatística Tradicional Paramétrica

·       Inteligência Artificial (Era da IA) e Normas ISO (balizam o comercio internacional e nacional):

               Agora Estatística Robusta (fora do Excel, no SAS, R e Python)

·                                 Teste T Robusto ou Kruskal Wallis



Exemplo 1:


Teste se a média aritmética dos dois estados é igual. Se existirem

 outliers elimine-os.  Analise os dados com o outlier e eliminando-o,

 compare os resultados. Discuta os resultados da analise sem o

 outlier. 


Teste T - Macro em Excel - Inferência Indutiva

Inferência Indutiva utilizando Estatística



Cidade

Estado

Salario na Industria Tático/Operacional

1

MS

1678

2

SP

1850

3

MS

1650

4

MS

1890

5

SP

1950

6

SP

2050

7

SP

2320

8

SP

1800

9

MS

1789

10

MS

1890

11

MS

1700

12

MS

2550

13

SP

2150

14

SP

1680





Arquivo do Ecxel feito em dinamica conjunta:
(Arquivo para Downoad)




Livro Introdutorio sobre Machine Learning

https://alex.smola.org/drafts/thebook.pdf

Aula 3 - 26/4/2021

 


Link Completo (celular e pc) será colocado 20 minutos antes do curso de consultas neste blog:

https://meet.google.com/ony-cpbn-psb


Link Permanente no Google Meet

 

zwz-pbzr-qkx

 

sábado, 24 de abril de 2021

Curso de Python, Prof. Robson Campos - como complemento da disciplina - Optativo

 Curso de Python, Prof. Robson Campos -  como complemento da disciplina - Optativo


Começaremos Segunda 26/4/2021 as 18:10 horas, todas as informações estarão neste blog


Prof. Robson Campos, monitor da Disciplina

 LCE137


Vídeo 1

https://youtu.be/kwN9qjwaFpk


Vídeo 2

https://youtu.be/4zg5Y6S0Xwc


Link Permanente no Google Meet

 

zwz-pbzr-qkx

 

 

Monitoria Python 26/04

Tipos primitivos

Str’ Caracteres de texto

Int’ são número inteiros (1 ,5 ,7 ,8,545,1000)

Float’ são números com casas decimais (1.5, 5.7,8.9, 3.1415)

bool’ valores reais ou falsos (True or False), por exemplo ( 1 > 2, false)

Operadores aritméticos

+ adição, soma (1+3 = 4)

- subtração (3 - 1 = 2)

* multiplicação (2 * 5 = 10)

/ divisão (10 / 2 = 5)

// Divisão inteira (5 // 2 = 2)

% Resto da divisão ( 5 % 2 = 1)

** Exponenciação (5 ** 2 = 25)

Ordem de precedência das operações

1º – As expressões contidas em parênteses têm a precedência maior na linguagem Python. Isso permite que uma expressão execute antes de outra. Ex.:

((2+5) * 3) = 21

2º – Exponenciação ex

(1 +5**2) = 26

3º – Multiplicação, divisão, divisão inteira, resto da divisão.

4º – Soma e multiplicação

Nota: Se operadores com a mesma prioridade de procedência aparecerem em sequência o python executará na ordem em que surgirem ex
(2 * 8 / 4) = 4

Condições

As condições servem para criar “caminhos” diferentes no programa dependendo as variáveis.

If – Significa “Se” determina a condição inicial.

Else – significa “Se não” determina o que deve ocorrer caso as outras condições não forem atendidas.

Elif – é a união de else e if, serve para determinar uma condição adicional.

Exemplo.

If x > y:

Desdobramento 1

Elif y == x:

Desdobramento 2

Else:

Desdobramento caso nenhum dos anteriores seja atendido (nesse caso x < y)

Importando Módulos

O python tem dezenas de funções internas, entretanto é possível importar mais bibliotecas com módulos (funções) adicionais para determinadas tarefas. Essas bibliotecas podem estar instaladas junto com seu python ou instaladas posteriormente.

Para realizar esse processo podemos carregar a biblioteca inteira ou apenas a função que queremos.

Carregando biblioteca inteira ex:

Import math



Carregando função especifica ex:

From math import sin



Exercicios:

1 - Exercício: Desenvolva um programa que leia as duas notas de um aluno,
calcule e mostre a sua média.

2 - Exercício: Faça um programa que leia um número Inteiro qualquer e mostre na tela a sua tabuada.

3- Exercício: Faça um algoritmo que leia o preço de um produto
e mostre seu novo preço, com 10% de desconto.

4- Faça um Programa que peça a temperatura em graus Fahrenheit, transforme e
mostre a temperatura em graus Celsius.
C = 5 * ((F-32) / 9).'''

5- Exercício: Crie um programa que leia um número inteiro e
mostre na tela se ele é PAR ou ÍMPAR.

6- Exercício : Escreva um programa para aprovar
o empréstimo bancário para a compra de uma casa. Pergunte o valor da casa, o salário do comprador
e em quantos anos ele vai pagar.
A prestação mensal não pode exceder 30% do salário ou então o empréstimo será negado.

7- Exercício: Escreva um programa que faça o computador "pensar"
em um número inteiro entre 0 e 5 e peça para o usuário tentar descobrir qual
foi o número escolhido pelo computador. O programa deverá escrever na tela se o usuário venceu ou perdeu. Nota: Biblioteca random, função randint.

8- Tendo como dado de entrada a altura (h) de uma pessoa, construa um algoritmo que
calcule seu peso ideal, utilizando as seguintes fórmulas:
Para homens: (72.7*h) - 58
Para mulheres: (62.1*h) - 44.7

9- Faça um Programa que peça o raio de um círculo,
calcule e mostre sua área, sua perimetro e seu diametro.
lembre que: perimetro = 2pi * r, diametro = 2r e area = pi x r^2
use pi atravez da função math

10- faça um programa que leia um ano qualquer
e mostre se ele é bissexto:
lembre-se que Para ser bissexto, o ano deve ser:
Divisível por 4. Sendo assim, a divisão é exata com o resto igual a zero;


Não pode ser divisível por 100. Com isso, a divisão não é exata, ou seja, deixa resto diferente de zero;

Pode ser que seja divisível por 400. Caso seja divisível por 400, a divisão deve ser exata, deixando o resto igual a zero.
use a biblioteca 'datetime' função date para dizer se o ano atual é bissexto








sexta-feira, 23 de abril de 2021

Horários de Consulta e Whatsapp do Gabriel

Horários de Consulta

Já estou on line

Link Permanente no Google Meet

 

zwz-pbzr-qkx

 

 

Link Completo (celular e pc) será colocado 30 minutos antes do horário de consultas neste blog:

https://meet.google.com/bcx-some-rhe


Qualquer problema fazer contato por Whatsapp: 019-988-627-438

Teremos horários de consulta todos as segundas das 18:50 até as 20:20 horas, quando iniciaremos o ensino de Python (voluntariamente, fora do programa da disciplina).

Também quintas das 20 às 22 horas.

Excepcionalmente também teremos horário de consultas sábado 24/4/2021, das 15 às 17 horas.

 

 criando o link

segunda-feira, 19 de abril de 2021

Tomada de Decisão em Inteligência Organizacional

 






Tomada de Decisão em Inteligência Organizacional



Videoaula 1






Videoaula 2






Livro Básico - Infer. Estat. Indutiva - Download












- Exemplo: Arquivo do Excel para Download:

           







Aparentemente há diferenças, as medias aritméticas são diferentes, umas maiores ou menores que as outras. Por exemplo o DBO da Área Urbana é 9,7 mg/l e da Área Semiurbana 7,2 mg/l. Essa informação é suficiente para tomar a decisão de falar que são diferentes?

Não, essa diferença de medias aritméticas é matemática, 


não estatística, para falar que são diferentes devemos


 aplicar um teste de hipótese estatístico (que faz parte da


 Inferência Estatística Indutiva), por exemplo o Teste T de


 Student (se os dados tiverem distribuição Normal) ou U de


 Mann–Whitney (Estatística Robusta) se tivermos problemas


 de normalidade, heterocedasticidade ou presença de 


outliers (dados fora de contexto), o se simplesmente não


 quisermos ou podermos, testar todas essas pressuposições.


Esses testes nos fornecerão uma Margem de Erro (probabilidade) e uma Margem de Confiança, para tomarmos a decisão da melhor maneira possível, por exemplo em ciência (teses, papers, congressos. Etc.) não são aceitas as tomadas de decisão sem os endossos probabilísticos. Tambem é assim na área de gestão, desde a segunda gerra mundial (E. Deming), em EUA e Japão.


OK, vamos fazer a primeira analise desses dados no Excel, utilizando macros analíticas (programas dentro do programa Excel). Uma dessas macros é Teste T de Student para Duas Amostras Independente com Variâncias Desconhecidas.

O teste T é a ferramenta mais importante para a tomada de decisão em gestão, inteligência e certificação internacional da qualidade.
Na área de pesquisa a principal ferramenta de tomada de decisão é ANOVA. ANOVA é uma generalização do Teste T, quando existem mais do que dois níveis do fator tratamentos, o Teste T é somente para dois níveis.



Em primeira instancia devemos ativar as macros analíticas do Excel, normalmente compramos o Excel e utilizamos somente uma parte dele, o mais frequente é não estarem ativadas (como comprar um apartamento de 3 quartos e utilizar somente um ou dois), nos departamentos, laboratóriosempresas, etc.





·      Ho: Hipótese de Nulidade ou de Igualdade
o    DBO Reg. Urbana = DBO Reg. Semiurbana
o    DBO Reg. Urbana - DBO Reg. Semiurbana = 0
o     
·      H1:  Hipótese de Alternativa
o    H1a: Uni caudal: 
§  DBO Reg. Urbana > DBO Reg. Semiurbana
o    H1b: Bicaudal:
§  DBO Reg. Urbana    ≠ DBO Reg. Semiur.
·         H1a: Uni caudal - Demanda Informação Confiável Previa
·         H1b: Bicaudal - Sem Informação Previa

Teste-t: duas amostras presumindo variâncias diferentes
DBO - Urbana
DBO Semiurbana
Média
9,666667
7,166666667
Variância
2,333333
1,583333333
Observações
3
3
Hipótese da diferença de média
0
gl
4
Stat t
2,187975
P(T<=t) uni-caudal
0,046952
Margem de Erro
t crítico uni-caudal
2,131847
P(T<=t) bi-caudal
0,093904
Margem de Erro
t crítico bi-caudal
2,776445


Margem de Erro Uni caudal =4,7 %      
  • Demanda Informação Previa Confiável
    • Publicação (Academia)    
    •  Sumario Executivo (Empresa Privada)                                     

                                                                                                         
Margem de Erro Bi caudal = 9,4   %       

  • Não Demanda Informação Previa Confiável                

Resultados e Discussão (de um documento cientifico – Iniciação, TCC, Mestrado, Doutorado, Pós-doutorado, publicação):
Com Informação Previa Confiável:
A média aritmética para DBO dos ribeirões da região urbana (9,7 mg/l) foi maior significativamente ( p <  0,04695) do que media dos ribeirões da região semiurbana ( 7,2 mg/l).
Sem Informação Previa Confiável:
Não foram conseguidos argumentos suficientes para se rejeitar a hipótese de igualdade ( p < 0,093904151)

Sumario Executivo (Empresa):
Com Informação Previa Confiável:
O DBO da área urbana (9,7 ) é maior do que o DBO da área semiurbana (7,2) com 95,3% de confiança;

Sem Informação Previa Confiável:
Não existe evidencia significativa de diferença na quantidade de DBO nas duas situações analisadas (margem de confiança insuficiente 91%)