Ideia - Laboratório: Ciência de Dados, Aprendizado de Maquina e Gestão Sistêmica 4.0
Laboratório: Ciência de Dados, Aprendizado de Maquina e Gestão Sistêmica 4.0
Podem participar como ouvintes sem buscar certificação (logicamente não terão o compromisso de estudar asidamente), futuramente, quando tiverem motivação e tempo podem fazer o processo de certificação.
Laboratório: Ciência de Dados, Aprendizado de Maquina e Gestão Sistêmica 4.0
Podem participar como ouvintes sem buscar certificação (logicamente não terão o compromisso de estudar asidamente), futuramente, quando tiverem motivação e tempo podem fazer o processo de certificação.
Filosofia Basica
Missão: Desenvolver tecnologia e recursos humanos altamente qualificados em Ciência de Dados, Aprendizado de Maquina e Gestão Sistêmica 4.0, com empregabilidade e competitividade diferenciadas.
Visão: Pessoas altamente qualificadas, publicações, patentes, soluções para organizações e sociedade utilizando ciência e tecnologia da Era da Inteligência Artificial.
Valores: trabalhar, estudar, se divertir, evoluir moral e intelectualmente e fazer historia.
Outros Valores:
· Gestão de Negócios
· Sobrevivência
· Competitividade
· Crescimento
· Sustentabilidade
· Responsabilidade
· ???
Métodos:
· Totalmente Virtual (Indústria 4.0 – na nuvem, Estudo Filosofia, Psicologia, Ecumenismo e Antropologia com Filhos, Esposa e Irmão por Internet, toda quarta à noite, ver Anexo)
· Plataforma Na Nuvem, viveoaulas teóricas e praticas em diversos softwares;
· Certificação dos Participantes:
o Green Belt, Brown Belt, Black Belt, etc.;
o Treinamento teórico-prático
§ Aulas
§ Trabalhos práticos:
· Empresas
· Publicações (5 em 2019)
· Cursos
· Disciplinas de Graduação (7)
· Disciplinas de Pós-graduação (6)
· Projetos de Pesquisa (3)
· Projetos de Extensão (2)
· Intercambio com organizações do Brasil e exterior (América Latina, Europa, Ásia, USA, Canadá e BRICS)
????????????????????????????????????????????????????
????????????????????????????????????????????????????
· Mandar manifestação de interesse em ser certificado gratuitamente (do ponto de vista financeiro, com muito esforço, terá que estudar muito) para meu e-mail: gasarrie@usp.br.
Métodos:
????????????????????????????????????????????????????
Filosofia Básica
Missão: Desenvolver
tecnologia e recursos humanos altamente qualificados em Ciência de Dados,
Aprendizado de Máquina e Gestão Sistêmica 4.0, com empregabilidade e
competitividade diferenciadas.
Visão: Pessoas altamente
qualificadas, publicações, patentes, soluções para organizações e sociedade
utilizando ciência e tecnologia da Era da Inteligência Artificial.
Valores: trabalhar,
estudar, se divertir, desenvolver habilidades de mercado, evoluir
moral e intelectualmente e fazer história.
Outros Valores:
· Gestão
de Negócios
· Sobrevivência
· Competitividade
· Crescimento
· Sustentabilidade
· Responsabilidade
· ???
Métodos:
· Totalmente Virtual (Indústria 4.0 – na
nuvem, Estudo Filosofia, Psicologia, Ecumenismo e Antropologia com Filhos,
Esposa e Irmão por Internet, toda quarta à noite, ver Anexo)
· Plataforma Na Nuvem, viveoaulas teóricas e práticas
em diversos softwares;
· Certificação dos Participantes:
o Green Belt, Brown Belt, Black Belt, etc.;
o Treinamento teórico-prático
§ Aulas
§ Trabalhos práticos:
· Empresas
· Publicações (5 em 2019)
· Cursos
· Disciplinas de Graduação (7)
· Disciplinas de Pós-graduação (6)
· Projetos de Pesquisa (3)
· Projetos de Extensão (2)
· Intercambio com organizações do Brasil e
exterior (América Latina, Europa, Ásia, USA, Canadá e BRICS)
????????????????????????????????????????????????????
· Mandar manifestação de interesse em ser
certificado gratuitamente (do ponto de vista financeiro, com muito esforço,
terá que estudar muito) para meu e-mail: gasarrie@usp.br.
Anexos:
Eles estarão oferecendo uns dos primeiros cursos de graduação de Ciência de Dados do Brasil.
Anexo I : MBA CD USP São Carlos
Investimento para o MBA em Ciência de Dados da USP de São Carlos 19.999,90 Reais por ano. Com certificação USP e parceria com mais de 60 empresas de primeiro nível.Eles estarão oferecendo uns dos primeiros cursos de graduação de Ciência de Dados do Brasil.
Anexo II: Material para estudo virtual em família no momento.
Anexo III: Disciplina Pós-Graduação ( já tenho duas, esta
será a terceira)
Titulo: Inteligência Artificial, Gestão Sistêmica 4.0 e Aprendizado de Maquina ou IA, Ciência de Dados e GS4.0 (acho que melhor o segundo)
Laboratório (Absolutamente virtual 0 espaço físico, 4 lugares oferecidos - muito obrigado!): Ciência de Dados, Machine Learning e Gestão Sistêmica 4.0
Software para o Economista:
Laboratório (Absolutamente virtual 0 espaço físico, 4 lugares oferecidos - muito obrigado!): Ciência de Dados, Machine Learning e Gestão Sistêmica 4.0
Software para o Economista:
- SAS
- Weka
- Excel Avançado
- R
- Access - SQL
- SPSS - PSPP - IBM
- Python
I) Inteligência Artificial
Conceito
Histórico
Protagonistas
Sistemas
Utilizações
Benefícios para a Humanidade
Riscos para a Humanidade
Funcionamento das principais plataformas mundiais - IBM Watson, Pluribus-Carnegie Mellon Facebook 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.
Robots funcionamento utilização
Potencialidade previsões
II) Gestão Sistêmica 4.0
Conceito de gestão sistémica, gestão 4.0, certificação internacional da qualidade. Objetivos, stakeholders, macroprocessos, histórico, protagonistas, gerações, estratégias de implantação.
Gestao estrategica tatica e operacional (tecnica)
Sistemas Mundiais de Gestão:
Bell Company
Toyota
GE
BSC
6 Sigma
Porsche
Hiperin. E Hipercom
Google
Microsoft
M. Benz
EQA
MB
AQA
PNQ-PPQ
Lean Canvas
CIQ
ISO: 9001, 14001, 22000, etc.
GLOBALG.A.P
FSC
Cert soja e milho resp.
OHSAS
SA
Auditorias
Tipos: 1a, 2a, 3a partes, follow up, etc.
protagonistas,
Custo/Beneficio
Participacao: estrat tat oper.
Industria, seservicos, fazenda, mineracao 4.0
Gestao de Risco:
FMEA/FTA -NASA
Matriz de Risco
Atuarial
Eststistica e Machine Learning para risco.
Analise da Causa Raiz de Problemas:
Regressao, linear, multipla, polinomial, logistica, nao linear, robusta, etc.
RCA
Metodologia da Analise de acidentes aereos, como benchmark
MASP
DEMAIC
IIshikawa
D Pareto
Mapas mentais
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.
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.
III) Machine Learning
Conceito
Fundsmentacao
Historico
Principios, macros em Excel, analises estatisticad preliminares. Sinergia Estatistica- ML.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).
ML Nao Supervicionada:
PCA
Biplot
Cluster Analysis
Software: SAS, R, SPSS, JMP e Statistica.
ML Superv.:
Clasificacao:
An Discriminante linear quadratico e bayesiano
MANOVA
Funcoes Canonicas de Fisher Biplot, bi e tridimencionais
Random Forest
SVM
Redes Neurais
Ver.
Previsao:
Splain
RRegressao parametrica
Regressao nao parametrica
. 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.
Big data
Small data - trade off
Data minig
Data.crunchig
Data analysis
ML vs. MANOVA.
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
Nenhum comentário:
Postar um comentário