Aula 22/11/2024

  Pauta:

- Cuidado com e-mail de exercicios, enviar somete para este email.

- Mostrar como dou aulas em ingles

- Resolver 2 exemplos de ANOVA

IA graduados em Biologia na ESALQ

IA graduados em Biologia na ESALQ

 Rafael Moral

Gabriel Palma

Esposa do Gabriel

   Silvana Regina Vicino

       Laboratorio de Radioisotopos do CENA

Filha

      Cientista de dasdos - Laís

Exercícios e Seminário

 Exercícios e Seminário

Whatsapp do Gabriel:  019-988-627-438

 

Enviar os exercícios e seminario para o e-mail da disciplina.
E-Mail da Disciplina:

biologia.inteligente.10@gmail.com

 

Colocar no Assunto do e-mail o Nome Completo tipo de exercício (pratico ou teórico) número do exercício ou seminário.

 

Seminário

Escolha um assunto entre os exercícios teóricos e práticos e elabore um seminário com 14 slides, em português, inglês ou espanhol.

Exercícios Praticos

• Exercício Prático 1 – Crie um exemplo de regressão linear simples, análogo ao de Concentrações de As a Diferentes Distancias da Rodovia Anchieta. Rode no Excel ou Libreoffice Calc e no SAS com Regressão Robusta. Se não conseguir criar o exemplo acompanhe as aulas de resolução de exercícios, quando Gabriel resolverá os exercícios como se fosse um aluno, você terá somente que substituir os sinais de interrogação pelos últimos dígitos de seu RG. Prazo: 9/10/2023

Dados para Importar:

Distan.	As
(m)	(mg/kg)
100	0,98??
200	0,95???
300	0,85
400	0,86
500	0,59
600	0,45
700	0,32
800	0,15
900	0,11
1000	0,09

 

1100	2,99

Outlier

FIM.

Exercício Pratico 2. Regressão Multipla em Excel ou LOffice Calc, SAS (proc reg e robustreg) e Weka. Dead Line 10/9.

 

Exercício Pratico 3. Realizar Cluster Analysis - ML Não Supervisionado para Agrupamentos Multivariados.

Exercício Pratico 4 Optativo.  Realizar PCA com Biplot. ML Não Supervisando para Redução de Dimensão.

Exercício Pratico 5 Optativo. ANOVA e Robust ANOVA - Seleção de Variáveis Preditoras para IA.

          Exercícios Teoricos

- Exercício Teórico 1 – Elabore 7 slides sobre os assuntos:

Qualquer coisa que tenha te interessado. 

Assuntos

- I Artificial

- C de Dados

- Robótica

- Machine learning

Dead Line: 27/9/2024

 

- Exercício Teórico 2 – Elabore 7 slides sobre Sociedade e Gestão 5.0. DL: 4/10

Exercício Teórico 3 – Elabore 7 slides sobre ISO 17.025 e ISO 14.001. DL: 11/10

Exercício Teórico 4 – Elabore 7 slides sobre Lean Canvas. DL: 18/10

 

Exercício Teórico 5 – Elabore 7 slides sobre Lean Startup e BOS (Estratégia do Oceano Azul). DL: 25/10.

Exercício Teórico 6 – Elabore 7 slides sobre Inovação Disruptiva. DL: 25/10.

 

PCA BIPLOT - IA não supervisionada para redução de dimensão

 PCA BIPLOT - IA não supervisionada para redução de dimensão

PCA BIPLOT - IA não supervisionada para redução de dimensão

data regioes;

input Regiao $ Sobrev Div_Alim Cultura Lucro;

cards;

NE 98 5 20 2.??

N 15 99 21 3

S 1 2 96 21 10

CO 2 3 3 98.??

SE 3 2 4 99

; 

PROC PRINT;

RUN;

/* input Regiao $ Sobrev Div_Alim Cultura Lucro; */

proc prinqual plots=(MDPref);

   transform identity(Sobrev Div_Alim Cultura Lucro);  

   id Regiao;

   ods select MDPrefPlot;

run;

Resultados & D.

Na Figura X podemos observar que a primeira e segunda componentes principais acumularam (44% + 29%) 73% da informação disponível. A região NE se caracteriza pelo risco de sobrevivência, a região N pala a diversidade[G1]  de Alimentos. A regia o S se caracteriza pela Cultura e as regiões SE e CO pelo resultado econômico.

 

Figura X - PCA e Biplot das Regioes do Brasil

Aula 8/11

 Pauta:

- Cuidado com e-mail de exercicios, enviar somete para este email.

Machine Learning para Predição - Regressão Multipla - Biodiversidade Animal - SAS e Weka

 Machine Learning para Predição -  Regressão Multipla - Biodiversidade  Animal - SAS e Weka 

Machine Learning para Predição -

     Regressão - Biodiversidade

                  Animal

Quais Variáveis Preditoras - IA (Variáveis Independentes ou Causa para a Estatística) impactam na Biodiversidade Animal?

Dados para Rodar no Weka

Arquivo

Autor: Gabriel Sarriés

Variáveis Preditoras (Total = 5)

DBO – Demanda Bioquímica de Oxigênio

ICobV – Índice de Cobertura Vegetal

ICArb – Índice de Cobertura Arbórea

IBCont – Bioindicador de Contaminação (agrotóxicos)

Dis_Pl – Distancia do plantio de grãos.

Modelo Matemático:

Biodiversidade Animal = a + b*DBO +c*ICobV+ d*ICArb+e*IBCont+f*Dis_Pl

Exemplo de Biomonitor

Área de Cultivo de Grãos 

Soja - Milho - Algodão - Trigo - Aveia

Banco de Dados para Desenvolver Algoritmo de MLS para Predição

DBO	ICobV	ICArb	Bcont	Dis_Pl	IBD_A
1,604	89	60	11	9	90
0,385	90	61	10	8,9	91
0,216	91	62	9	9,1	92
0,303	90	59	10	8,8	89
1,961	20	12	81	0,2	20
0,782	21	14	79	0,3	22
0,57	22	15	78	0,25	23
2,187	22	12	77	0,2	24
0,764	59	35	41	6	60
0,273	60	32	40	6,5	61
1,883	64	33	38	5,8	63
0,581	62	32	37	5,6	62
0,18	79	50	21	8,2	80
0,007	80	49	20	7,8	79
2,028	80	48	18	8,2	81
2,431	79	47	21	7,7	78

Selecionou 3 Variaveis Preditoras

Machine Learning Supervisionado para Predição - Regressão - Biodiversidade Animal

Arquivo Biodiversidade Animal (do Weka):

                   Arquivo Biodiversidade Animal  (arff)

Resultado do Weka

Linear Regression Model

Ibd_A =

      0.2508 * ICob_V +

      0.1578 * ICArb +

     -0.4855 * BCont +

      1.147  * Dist_Pla +

     52.8115

Resultado do Weka (MLS para Previsão)

 

bd_A =

 

      0.2508 * ICob_V + Diferença com o Excel

      0.1578 * ICArb +  OK Excel

     -0.4855 * BCont +   OK Excel

      1.147  * Dist_Pla +    OK Excel

     52.8115

Resultado do Excel 3 Variáveis Preditoras

Para MLS Previsão foram 4

Material Complementar

Arquivo excel para Download:

Regressao_Multipla_Excel

Script do SAS Regressao Multipla

data bda;

input DBO ICobV ICArb Bcont Dis_Pl IBD_A;

cards;

1.604 89 60 11 9 90

0.385 90 61 10 8.9 91

0.216 91 62 9 9.1 92

0.303 90 59 10 8.8 89

1.961 20 12 81 0.2 20

0.782 21 14 79 0.3 22

0.57 22 15 78 0.25 23

2.187 22 12 77 0.2 24

0.764 59 35 41 6 60

0.273 60 32 40 6.5 61

1.883 64 33 38 5.8 63

0.581 62 32 37 5.6 62

0.18 79 50 21 8.2 80

0.007 80 49 20 7.8 79

2.028 80 48 18 8.2 81

2.431 79 47 21 7.7 78

;

/*

input DBO ICobV ICArb Bcont Dis_Pl IBD_A;

*/

proc reg;

model IBD_A = DBO ICobV ICArb Bcont Dis_Pl;

run;

Saida do SAS

Regressao Robusta Multipla

Comando do SAS: 

Arquivo para Weka (.arff)

@RELATION biodiv_Animal

@ATTRIBUTE dbo REAL

@ATTRIBUTE  ICob_V REAL

@ATTRIBUTE ICArb REAL

@ATTRIBUTE BCont REAL

@ATTRIBUTE Dist_Pla REAL

@ATTRIBUTE Ibd_A REAL

@DATA

6.416555198,60,99,99,5,90

1.538176272,61,98,99,6,91

...