MANOVA 

Testes de comparaçoes multiplas de medias de Tukey é mais consevador que o teste de Duncan (usado na genetica).

Seria melhor que o Tukey o testes Teste de Dunn (Dunn's Test) ou comparaçoes multiplas de K Wallis que sao baseados mas medianas nao nas medias.


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.

IA Geral e Singularidade da IA

 o que é a IA chegar na singularidade e na IA Geral

Os conceitos de Inteligência Artificial Geral (AGI) e Singularidade Tecnológica estão profundamente conectados, mas representam marcos diferentes na evolução da tecnologia e do impacto da IA na humanidade.

🧠 1. O que é a IA Geral (AGI - Artificial General Intelligence)?

A IA Geral (também chamada de IA Forte) refere-se a um sistema de inteligência artificial que possui a capacidade de compreender, aprender e aplicar conhecimento em qualquer domínio intelectual, de forma equivalente ou superior a um ser humano.

O estado atual (IA Estreita / Narrow AI): Hoje, a maioria das IAs é altamente especializada em uma única tarefa (ex.: jogar xadrez, traduzir idiomas, gerar imagens ou prever rotas). Ela não possui consciência, raciocínio abstrato ou capacidade real de transferir o aprendizado para contextos totalmente diferentes sem novo treinamento.

O que seria a AGI: Uma AGI conseguiria aprender a tocar piano, fazer diagnósticos médicos, escrever um romance e gerenciar uma cadeia de suprimentos adaptando-se autonomamente, resolvendo problemas inéditos com o mesmo nível de versatilidade e bom senso de uma pessoa.

⚡ 2. O que é a Singularidade Tecnológica?

A Singularidade Tecnológica (ou simplesmente "a Singularidade") é um ponto hipotético no futuro em que o progresso tecnológico se torna tão rápido e avassalador que a sociedade humana sofre transformações imprevisíveis e irreversíveis.

O Motor da Singularidade: Geralmente, imagina-se que a Singularidade seja desencadeada pela própria AGI. Quando uma inteligência artificial atinge o nível humano de capacidade cognitiva, ela passa a ser capaz de melhorar o seu próprio código e arquitetura (autoaperfeiçoamento recursivo).

A Explosão de Inteligência: Uma IA aprimorando a si mesma criaria uma versão ainda mais inteligente, que por sua vez se aprimoraria ainda mais rápido. Esse ciclo gera uma reação em cadeia (intelligence explosion) em escala exponencial, ultrapassando a inteligência combinada de toda a humanidade em questão de dias, horas ou segundos.

Por que "Singularidade"? O termo foi emprestado da física (como o centro de um buraco negro). Assim como a física tradicional deixa de funcionar dentro de um buraco negro, na Singularidade tecnológica o futuro da humanidade torna-se completamente imprevisível porque não conseguimos conceber o que uma superinteligência seria capaz de fazer ou descobrir.

🔄 A Relação entre os Dois Conceitos

A AGI é o degrau: É a criação de uma máquina com a inteligência geral de um humano.

A Singularidade é a consequência: É o momento em que essa AGI (ou uma sucessão rápida de gerações dela) se torna uma Superinteligência Artificial (ASI), cujos saltos evolutivos fogem totalmente ao controle e à compreensão humana.

Gostaria de discutir os principais debates éticos e os riscos associados ao controle de uma possível AGI ou Superinteligência?

Site de Laboratorios LIA+

 Site de Laboratorios LIA+ 

https://lia-plus.github.io/

Prototipos MMV - Lean Startup:

https://sites.google.com/usp.br/lia

Reunião dos Laboratóios LIA+ e Hoários de Consulta

 Reunião dos Laboratóios LIA+ e Hoários de Consulta

Link Google Meet para todas as reuniões: 

xgf-jman-pyv

Reunião dos Laboratóios LIA+

     - Terças das 20:30 às 21:30 horas

     - Domingos das 21 às 22 horas  

     - Cursos internos de:

           - Linguagem SQL

           - Linguagem Python

           - Elaboração e Gerenciamento de GitHub

           - Ingles Diverido - Musica etc.

     - Jornal de Endomarketing

     - Elaborando 10 artigos, capitulos de livros.

     - Já estamos trabalhando com:

• Training (Treinamento / Capacitação)

  • Significado: Focado no aprendizado prático e no desenvolvimento de habilidades específicas para uma tarefa ou função.

• Consulting (Consultoria)

  • Significado: Prestação de conselhos de especialistas ou diagnóstico para resolver problemas específicos em um negócio ou projeto.

• Mentoring (Mentoria)

  • Significado: Um processo de orientação no qual alguém mais experiente guia o desenvolvimento pessoal ou profissional de outra pessoa a longo prazo.

• Coaching (Coaching / Processo de desenvolvimento)

  • Significado: Um processo estruturado para ajudar uma pessoa ou equipe a atingir metas específicas e destravar seu potencial máximo.

Telefone Gabriel e Horarios de Consulta

019-988-627438

horarios de consulta

Sabados 14 as 15 

domingos 20 - 21 horas

Tenis e MindFulness:

    - Sábados das 16 ás 18 - quadras da ESALQ

Semestre que vem Teinos de Mesa e MindFulness, quinta das 19 às 21 horas.

MANOVA

 MANOVA 

Testes de comparaçoes multiplas de medias de Tukey é mais consevador que o teste de Duncan (usado na genetica).

Seria melhor que o Tukey o testes Teste de Dunn (Dunn's Test) ou comparaçoes multiplas de K Wallis que sao baseados mas medianas nao nas medias.


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.

Arquivo Weka Dinheiro Falso

 Arquivo Weka Dinheiro Falso 

Arquivo para Download

Clicar Aqui

NVIDIA DGX Station Performance

 A NVIDIA DGX Station é uma estação de trabalho de alto desempenho projetada para trazer a potência de um supercomputador de inteligência artificial diretamente para o ambiente de laboratório ou escritório (sem necessidade de infraestrutura de data center dedicada).

Na prática, a capacidade e o impacto de uma DGX Station (evoluindo desde gerações com arquitetura V100/A100 até as versões mais recentes baseadas em arquiteturas avançadas como Grace Blackwell) em Inteligência Artificial e Ciência de Dados destacam-se nos seguintes pontos:

1. Treinamento de Modelos de Deep Learning e Machine Learning

• Escala e Velocidade: Por contar com múltiplas GPUs de arquitetura voltada a tensores interconectadas por alta largura de banda (como o NVLink), ela reduz o tempo de treinamento de redes neurais profundas de dias/semanas (em servidores tradicionais baseados apenas em CPU) para horas ou minutos.
  
  
• Visão Computacional e NLP: É altamente eficaz para rodar pipelines pesados de Visão Computacional (ex: YOLO, CNNs para análise de imagens de satélite ou drones agrícolas) e Processamento de Linguagem Natural (NLP), viabilizando o ajuste fino (fine-tuning) de modelos de linguagem de médio porte diretamente no laboratório.
  
  

2. Ciência de Dados em Grandes Volumes (Big Data Analytics)

• Aceleração de Bibliotecas: Na ciência de dados tradicional, ferramentas como o ecossistema RAPIDS (cuDF, cuML) permitem executar algoritmos de machine learning (como regressões, árvores de decisão, K-means e PCA) diretamente na GPU.
  
  
• Ganha de Performance: Na prática, isso substitui ou complementa clusters pesados de servidores distribuídos (como clusters Spark baseados em dezenas de nós de CPU), processando tabelas massivas de dados em frações do tempo habitual.
  
  

3. Desenvolvimento de MVPs e IA Generativa Localizada

• Ambiente Privado e Descentralizado: Permite testar, prototipar e validar protótipos (MVPs) de IA generativa e modelos de linguagem de código aberto (open-weight, via Ollama, vLLM, etc.) localmente, garantindo total governança, segurança e privacidade de dados sensíveis (sem depender de APIs externas na nuvem).
  
  
• Ecossistema Otimizado: O grande trunfo prático da linha DGX é o stack de software da NVIDIA pré-configurado e otimizado (Docker containers, drivers, CUDA, cuDNN e frameworks como PyTorch e TensorFlow). Isso elimina o gargalo clássico de engenharia de software e configuração de ambiente que consome dias de equipes de pesquisa.
  
  

4. Vantagens Práticas para Ambientes de Pesquisa e Universidades

• Silenciosa e Sem Data Center: Diferente de servidores de rack tradicionais que exigem salas com piso elevado, alto isolamento acústico e refrigeração industrial pesada, a DGX Station foi concebida para operar em escritórios ou laboratórios comuns (com nível de ruído e dissipação térmica adaptados para o ambiente de trabalho).
  
  
• Multiusuário para Equipes: Funciona como um hub robusto onde múltiplos pesquisadores, cientistas de dados ou alunos de pós-graduação podem submeter seus experimentos e jobs computacionais simultaneamente, otimizando o fluxo de trabalho de grupos de pesquisa inteiros.
  
  

Em suma, na prática, a DGX Station atua como uma ilha de supercomputação dedicada, ideal para instituições e laboratórios que precisam avançar rapidamente da pesquisa teórica para a implementação de soluções complexas de IA e ciência de dados sem a burocracia ou o custo recorrente de infraestruturas de nuvem em larga escala.