Python Importância

 Python Importância

Aula 13/11/2023

Aula 13/11/2023

Pauta: 

A) Todos aceleram em novembro e nos desaceleramos. Todos os exercícios obrigatórios resolvidos em sala de aulas, Gabriel como se fosse um aluno.

B) Projetos, em todos coordenamos IA, Ciência de Dados e Robótica com IA, podem trabalhar com a gente:

- Rastreabilidade comodities Amazonia (temático de FAPESP e INCT – 4 milhões de dólares – ESALQ – CENA – IPEN - EMBRAPA)

- Nanopartículas para combater efeito estufa (temático FAPESP - CENA)

- Nanopartículas para combater o câncer (Ministério Inovação - IPEN)

- Genômica e Metabolómica (com Diego e Flavia do CENA)

- Cultivo de algas para alimentação, combustivel e correção de solos (a ser encaminhado - CENA)

- Gestão Ecológica de Fazendas – Sistemas Agroflorestais (FSC) – PPGI-EA

- Qualidade de Vida no Trabalho – Universidade de Harvard, Banco Mundial, Departamento de Estado USA, Mexico e Polonia – PPGI-EA

- Otimização de Algoritmos de IA (Ciências Exatas ESALQ PG)

- Sinergia IA e Ciência de Dados (Ciências Exatas ESALQ PG)

- Sistemas de Gestão Data Driven 4.0 e 5.0 (Ciências Exatas ESALQ PG)

- Fazendas Inteligentes – Holanda e Bélgica – Wageninguen e Antuerp

- Covid e Qualidade de Vida (PPGI-EA)

- Combustíveis sustentáveis – Hidrogênio e Metano Verdes (produzidos com energia eólica e lodo de esgoto). Células de combustíveis (1 litro de etanol ou gasolina – 50 Km – carro) – CENA – IPEN – Empresas de Energia – Nissan – Renault – Hyundai - Toyota

 

C) Capa de Livro Gerada por IA – Antônio Almeida

foto

Ilustração Central BOS, feita pelo Gabriel no Bing

 

D) Fizemos analises da Rafaela - Por favor conta como é o trabalho - Não mostraremos as analises por que são sigilosas.

    

    - Podemos fazer para quem quiser, LIA/PPGI-Ecologia Aplicada, https://sites.google.com/usp.br/lab-ia-cd-r-g-gabriel:

            - Grátis, somente cobramos coautoria nas publicações.

            - Mais de 1.000 experimentos analisados, antes de professor Analista de Sistemas da USP - Piracicaba - Chefe do Setor de Apoio à Pesquisa - 30 pessoas, durante 6 anos.

 

E) Brincadeira em Python - Postagens

 

 

 

- 

Exercícios

     Exercícios

 

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

biologia.inteligente.10@gmail.com

 

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

Exercícios:

Exercício 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

Exercício 2 - Crie um exemplo de regressão múltipla, análogo ao de Biodiversidade Animal. 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 16/10/2023

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
1,604	89	60	11	9	90

Arquivo para o SAS

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

1.604 89 60 11 9 11

;

/*

input DBO ICobV ICArb Bcont Dis_Pl IBD_A;

*/

proc robustreg;

model IBD_A = DBO ICobV ICArb 

              Bcont Dis_Pl / diagnostics; 

run;

Exercício 3 - Crie um exemplo para rodar cluster analysis. 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: 

data  People;

input Categ $ BMI Movm kcal;

cards;

AT 20.5 54.4 3100.???

PR 25.3 2.7 2650

SE 25.6 2.9 2700

SEM 23.1 16.6 2950

;

proc cluster outtree = Dendrog method = average;

var BMI Movm kcal;

id Categ;

run;

PROC TREE DATA = Dendrog;

RUN; 

Exercício 4 - Crie um exemplo para rodar uma Rede Neural no Weka. 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 13/11???

@RELATION Hantav

@ATTRIBUTE MasaCorp REAL

@ATTRIBUTE CompCaud REAL

@ATTRIBUTE OuviExt REAL

@ATTRIBUTE PataPost REAL

@ATTRIBUTE PataAnte REAL

@ATTRIBUTE CorpCabe REAL

@ATTRIBUTE Class {0,1}

@DATA

107.4,91.7,13.11,27,19.4,141.???,0

107.3,90.79,12.97,24.3,19,141.7,0

107.4,90.79,12.97,26.1,19.2,142.2,0

107.4,90.79,12.96,22.5,20.8,142,0

107.5,90.72,12.97,31.2,15.4,141.8,0

107.85,91.56,13.05,27,20.2,141.4,0

107.75,90.65,12.97,23.7,19.2,141.6,0

107.25,90.72,12.92,21.6,21.4,141.7,0

107.45,90.58,12.97,24.6,22,141.9,0

107.6,91.28,13.03,27.6,20,140.7,0

107.65,91.28,13.03,23.7,23.4,141.8,0

107.55,90.65,12.96,23.1,21,142.2,0

107.6,91.56,12.96,23.7,21.6,141.4,0

107.35,90.79,12.97,23.1,21.8,141.7,0

107.55,90.93,12.97,23.1,21.6,141.8,0

107.25,90.86,12.98,27.9,17,141.6,0

107.3,90.93,13.01,24.6,19.6,141.7,0

107.5,90.93,12.97,27,18,141.9,0

107.6,90.72,12.96,22.2,23,141.5,0

107.35,91.14,12.99,25.8,20,141.9,0

107.5,90.93,12.93,25.2,20,141.4,0

107.8,91.35,13,24.3,20.6,141.6,0

107.65,91.42,13,25.2,21.6,141.5,0

107.85,91.14,13,26.1,20,141.6,0

107.55,90.79,12.99,22.2,21.6,141.1,0

107.65,91.28,13.04,24,22,142.3,0

107.75,91.14,13.01,26.7,19.6,142.4,0

107.55,91.21,13.03,29.4,19,141.9,0

107.55,91,13,22.2,21,141.8,0

107.4,90.79,12.93,24.9,18,142,0

107.6,91.07,12.98,23.7,21.4,141.8,0

107.4,90.79,12.97,25.8,18.2,142.3,0

107.5,91,12.96,23.1,21,140.7,0

107.8,91.28,13.01,25.2,20.6,141,0

107.95,91.28,13,26.7,21.2,141.4,0

107.3,91.14,13.02,28.2,19.4,141.8,0

107.75,91.21,13,25.2,19.4,141.8,0

107.65,90.93,12.94,23.7,20,142,0

107.65,91.21,13.01,25.5,18.6,142.1,0

106.95,91.21,12.9,24.3,19.4,141.3,0

107.2,90.86,12.92,26.7,18.8,142.3,0

107.4,91.07,12.96,26.4,19.8,140.9,0

107.45,90.72,12.94,27.9,18,141.7,0

107.45,91.28,12.97,27,19.6,140.9,0

107.4,90.58,12.91,24.6,20.4,141,0

107.15,90.65,12.94,24.9,20.4,141.8,0

107.4,90.93,12.97,24.9,20.4,141.5,0

107.4,90.93,12.97,21.9,21.8,142,0

107.3,90.79,12.98,23.7,20.6,141.1,0

107.25,90.3,12.96,23.4,19.6,142,0

107.3,90.86,12.94,21.6,20,141.3,0

107.65,91.42,13,28.5,19.4,141.1,0

107.25,91.07,13,23.4,21.8,140.9,0

107.7,91.14,13.02,22.8,21.8,141.6,0

107.25,90.58,12.95,23.7,20,141.4,0

107.6,90.79,12.94,27.6,18.8,142,0

107.85,91,12.94,27.6,20.8,141.2,0

107.5,90.72,12.94,26.4,18,141.1,0

107.55,91.07,12.99,23.7,22,141.3,0

107.55,91,12.98,24.6,20.6,141.4,0

107.55,90.72,12.93,24.9,19.8,141.6,0

107.65,90.79,12.94,22.5,21,141.5,0

107.7,90.86,12.94,24,21.2,141.5,0

107.25,91,12.95,24,21.6,141.4,0

107.5,91,12.98,25.8,21.2,141.5,0

107.6,91.42,13,26.4,21.2,140.8,0

107.3,90.65,12.92,23.1,20.6,141.3,0

107.4,90.79,12.93,27.3,19,141.5,0

107.55,90.72,12.98,25.8,19.6,141.8,0

107.45,91.14,13.02,24,22.4,139.6,0

106.9,90.86,12.95,25.2,22.2,140.9,0

107.6,90.93,12.95,24.6,20.6,141.4,0

107.5,90.72,13.02,26.1,20,141.2,0

107.2,90.93,12.96,22.5,21,141.8,0

107.6,90.93,12.97,21.6,21.2,142.1,0

107.05,90.72,12.93,22.8,21.4,141.7,0

107.45,90.93,13.01,26.4,20,141.2,0

107.3,90.86,12.94,22.2,21.2,141,0

107.6,91.35,12.98,23.7,21.8,140.9,0

107.3,90.93,12.94,23.7,20,141.8,0

107.55,90.79,12.97,25.8,20.6,140.6,0

107.45,90.86,12.96,22.5,20.6,141,0

107.6,90.79,12.91,27,19.4,141.9,0

107.6,91.07,12.99,23.7,21.6,141.3,0

107.7,91.49,13.02,27,22.2,141.2,0

107.55,90.93,12.96,26.7,20.4,141.5,0

107.6,90.93,12.97,26.1,19,141.6,0

107.5,90.72,12.92,25.2,20.4,142.1,0

107.45,91.21,12.99,22.2,22.4,141.5,0

107.5,90.93,12.97,24,21,142,0

107.35,90.79,12.93,25.8,19.2,141.6,0

107.7,91,12.99,25.5,19.4,141.4,0

107.45,90.58,12.95,24.6,19.8,141.5,0

107.25,90.65,12.93,22.2,21.4,141.5,0

107.35,90.72,12.95,24.9,20,142,0

107.8,90.93,12.99,27,19,141.7,0

107.5,91.28,13.03,27.3,20.4,141.1,0

107.2,90.79,12.95,24,20.6,141.2,0

107.55,91,12.98,27.3,20.4,141.5,0

107.35,91,12.94,23.4,20,141.2,0

107.2,91.07,13.03,29.1,23.4,139.8,1

107.45,91.35,13.02,33,23,139.5,1

107.45,91.21,13.01,26.1,23.4,140.2,1

107.5,91.28,13.06,29.7,21.8,140.3,1

107.35,91.14,13.03,35.4,21.8,139.7,1

107.5,91.14,13.02,31.8,21.4,139.9,1

107.65,91.21,13.01,27.9,24.2,140.2,1

107.4,91.07,13.04,29.4,23,139.9,1

107.5,91.14,12.99,30,23.8,139.4,1

107.6,91.42,13.08,31.2,22.4,140.3,1

107.6,91.28,13.03,24,23,139.2,1

107.55,91.35,13.03,31.8,23,140.1,1

107.7,91.49,13.11,29.1,23.6,140.6,1

107.45,91.28,12.99,34.2,22,139.9,1

107.55,91.21,13,31.8,21.6,139.7,1

107.75,91.28,13,24.6,22.4,139.2,1

107.35,91.42,13.01,35.4,21,139.8,1

107.35,91.28,13.01,36.3,20.8,139.9,1

107.4,91.35,13.02,33,22,140,1

107.2,91.14,12.99,30.3,24,139.2,1

107.4,91.21,13.04,30.3,24.2,139.6,1

107.55,91.42,13.03,36.9,20.4,139.6,1

107.65,91.56,13.11,34.8,21.2,140.2,1

107.55,91.49,13.04,31.5,22.4,139.7,1

107.35,91.35,13.05,29.7,20.6,140.1,1

107.45,91,13.03,30.6,22.8,139.6,1

107.5,91.28,13.04,28.2,23.2,140.2,1

107.75,91.49,13.03,30.6,23.6,140,1

107.55,91.14,13.02,30.3,22.6,140.3,1

107.25,91.14,13.06,29.4,24.2,139.9,1

107.15,91.14,13,32.1,21,139.8,1

107.25,91.14,12.98,36.9,22.4,139.2,1

107.45,91.35,13.02,31.8,23,139.9,1

107.3,91.14,13.04,31.5,23.6,139.7,1

107.1,91,13.02,33,22.4,139.5,1

107.4,91.07,13.01,35.7,22.2,139.5,1

107.3,90.86,13.02,32.1,22.2,139.4,1

107.45,91.49,13.03,27.9,22.4,138.3,1

107.3,91.28,13.04,33.9,21.6,139.8,1

107.25,91.35,13.02,35.4,20.4,139.6,1

107.4,91.14,13.03,30,23.8,139.3,1

107.35,91,12.94,30.6,22,139.2,1

107.3,91.14,13.04,33.6,21.4,139.9,1

107.5,91.35,13.04,31.8,22.2,139.9,1

107.25,90.86,12.98,34.2,20,139.3,1

107.45,91.42,13.04,35.7,21,139.8,1

107.5,91.35,13.04,34.2,21.4,139.9,1

107.65,91.42,13.03,27.9,22.6,138.1,1

107.35,91.14,13.01,32.1,22,139.4,1

107.45,90.93,13,29.7,24.6,139.4,1

107.45,91.21,12.99,35.7,21.2,139.8,1

107.3,90.93,12.97,35.7,20.2,139,1

107.3,90.79,12.93,31.2,22,139.3,1

107.25,91.07,13.01,36.3,20.6,139.4,1

107.25,91.21,13,33,23,139.5,1

107.55,91,13.03,34.8,21,139.7,1

107.1,90.79,12.96,30.9,22.8,139.5,1

107.2,91.07,13,33.9,21.4,139.2,1

107.4,91.28,13.06,37.5,20,139.3,1

107.3,91.42,13.01,24.3,24.2,137.9,1

107.8,91.07,12.97,22.2,24.4,138.4,1

107.45,91.35,13.01,29.7,20.4,138.1,1

107.3,91.07,13,34.5,21.2,139.5,1

107.35,91.07,13.02,34.8,21.8,139.1,1

107.15,91.21,13,34.2,21,139.8,1

107.55,91.21,13.06,30.9,24,139.7,1

108.15,91.49,13.04,30,20.2,138.8,1

107.8,91.28,13.01,28.8,22.4,138.6,1

107.4,90.93,12.98,28.8,24,139.6,1

107.45,91,12.99,34.2,21.8,139.7,1

106.95,91.49,13.05,26.1,23,137.8,1

107.1,91.42,13.04,36,20.4,139.6,1

107.4,91.35,13.03,35.4,21,139.4,1

107.4,90.72,13,31.2,23.2,139.2,1

107.4,91.07,13,34.2,21,139.6,1

107.45,91.28,13.02,35.7,21.4,139,1

107.15,91.07,13.01,34.8,21,139.7,1

107.25,91.28,13,29.7,24,139.6,1

107.4,91.35,13.03,30.6,24.2,139.1,1

107.25,91.14,13.04,24.6,23.6,137.8,1

107.5,91.28,13.01,34.2,21.4,139.1,1

107.4,91.42,13.06,24,22.8,138.7,1

107.5,91.35,13.01,33,22.8,139.3,1

107.3,91.35,13.04,30.3,22.8,139.3,1

107.35,91.14,13.01,32.1,22.2,139.5,1

107.35,91.28,13,34.5,21.4,139.4,1

107.25,91.28,13,24,24.4,138.5,1

107.4,91,12.97,34.2,21.2,139.2,1

107.4,90.93,13.02,28.8,23.8,139.4,1

107.3,91.21,13.02,38.1,18.2,139.2,1

107.55,91.14,12.98,30.6,24,139.4,1

107.7,91.35,13.06,26.4,22,138.6,1

107.35,91.21,13.02,32.4,22.2,139.2,1

107.5,91.35,13.03,28.8,22,138.5,1

107.45,91.21,13.05,34.8,21.2,139.8,1

107.5,91.28,13.03,29.7,24.2,139.6,1

107.55,91.21,12.99,30.9,23,139.7,1

107.4,91.21,13.04,31.8,22.2,140,1

107.35,91.49,13.08,33.6,22.4,139.4,1

107.15,90.93,12.99,30.6,23,139.6,1

Exercício 5 - Elaborar um seminário,

 - Tarefa Seminário:

      - Utilidade Inteligência Artificial (IA) para o Biólogo

      - Utilidade Ciência de Dados (CD) para o Biólogo

      - Utilidade Simulação Computacional para o Biólogo (Bootstrapping, Jackknife, Monte Carlo etc.)

      - Utilidade Mineração de Texto – IA - CD (Analises Linguísticas) para o Biólogo

      - Utilidade Metaverso para o Biólogo

      - Elaborar de 5 a 7 slides, individual.

      - Parâmetros: 5 a 7 linhas, fonte 28, mínimo, uma palavra da origem a 10 ou 20 na oratória. Colocar símbolos visuais (lado direito do cérebro), também cores, gráficos e diagramas, não tabelas, números (lado esquerdo)

      - Gavar um vídeo ou texto em Word, Libre Office Writer similar a apresentação para China.

- PRAZO 6/11/2023

Exercício 6 - Optativo - Aplicar ANOVA E MANOVA no Exercício 3 

data People;

/* BMI: body mass index --> Índice de M. Corporal = Peso / (Altura * Altura)

     Movm: Movement (Km por semana)

     KCal : Kilocalories (ingeridas por dia)

     ATL: Athletes

     SEMI: Semi-athletes

     SEDE: Sedentary

     PROF: Professor

*/

input Categ $ BMI Movm Kcal;

cards;

ATL 20.2 60.7 3200

ATL 21.3 54.8 3100

ATL 19.3 49.6 2800

ATL 21.1 52.3 3300

SEMI 22.4 14.9 2600

SEMI 21.9 17.8 2700

SEMI 23.8 18.6 3200

SEMI 24.1 15.1 3300

SEDE  27.3 2.5 2700

SEDE 23.4 4.3 2300

SEDE  25.2 2.3 2600

SEDE  26.4 2.6 3200

PROF 26.2 4.1 2600

PROF 24.2 2.1 2700

PROF 25.4 1.9 2650

;

Proc ANOVA;

     Class Categ;

      Model BMI Movm Kcal = Categ;

     Means Categ / Duncan Lines;

Run;

Exercicio 7 - Optativo. Anal. os dados do exercicio 2 com IA no progrma Weka