Disciplina Ecologia - Draft para Insights Seminários

Disciplina Ecologia

Titulo: Inteligência Artificial, Gestão Sistémica 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

Exemplos:

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 Sistémica 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

Weka