SIEX - Sistema de Informações de Extensão

Plano de ensino: Introdução às redes neurais artificiais; perceptron; adaline; perceptron multicamadas; problemas estáticos e temporais; seleção de variáveis; aplicações na indústria química; trabalho de conclusão

Objetivos e Resultados Esperados: O objetivo deste curso é capacitar estudantes e profissionais da área de exatas com relação ao uso de redes neurais artificiais, tendo como enfoque processos químicos industriais. Espera-se, ao final do curso que o aluno seja capaz de aplicar e resolver problemas usando tal ferramenta

Justificativas: A inteligência artificial ganhou relevância nos últimos anos e tem estado cada vez mais presente no cotidiano. Este curso visa a capacitação de estudantes e profissionais da área de exatas que tenham interesse em ampliar suas habilidades na área de modelagem e simulação de processos.

Metodologias: aulas expositivas e aulas práticas.

Conteúdo programático com responsáveis pedagógicos por tema/assunto - aula ou grupo de aulas: Módulo 1: Introdução às redes neurais artificiais; perceptron; adaline; perceptron multicamadas; Módulo 2: problemas de regressão e problemas de classificação com uma saída; redes temporais; Módulo 3: aplicações na indústria química; Módulo 4: métodos de seleção de variáveis: análise de componentes principais, regressão por mínimos quadrados parciais; planejamento de experimentos; trabalho de conclusão

Referências (bibliográficas e outras): Bibliografia básica: HAYKIN, Simon. Redes neurais: princípios e prática. Porto Alegre: Bookman, 2011. (ebook) MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e probabilidade para engenheiros. 7 .ed. Rio de Janeiro: LTC, 2021. (ebook) BRAGA, A. P.; CARVALHO, A. P. L.; LUDERMIR, T. B. Redes Neurais Artificiais: Teoria e Aplicações. Rio de Janeiro: LTC ¿ Livros Técnicos e Científicos, 2ª Ed., 2007. DA SILVA, I. N.; SPATTI, D. H.; FLAUZINO, R. A. Redes Neurais Artificiais para Engenharia e Ciências Aplicadas - Curso Prático. São Paulo: ARTLIBER, 2ª Edição, 2016. Bibliografia complementar MEDEIROS, Luciano Frontino de. Inteligência artificial aplicada: uma abordagem introdutória. Editora Intersaberes, 2018. (ebook) LUDWIG, O.; COSTA, E. M. M. Redes neurais: fundamentos e aplicações com programas em C. Rio de Janeiro: Ciência Moderna, 2007. BARROS NETO, Benício de; SCARMINIO, Ieda Spacino; BRUNS, Roy Edward. Como fazer experimentos: pesquisa e desenvolvimento na ciência e na indústria. 3.ed. Campinas: Editora UNICAMP, 2007. MILLER, J. N.; MILLER, J. C. Statistics and Chemometrics for Analytical Chemistry. Prentice Hall/Pearson, 2010.

Modo e critérios da avaliação de aproveitamento: Os participantes receberão o certificado de conclusão do curso caso atendam os seguintes requisitos: (i) Entrega das atividades propostas ao fim de cada módulo; (ii) Entrega e apresentação do estudo de caso a ser desenvolvido ao longo do módulo V. (iii) 75% de participação em cada módulo, individualmente.

Estratégias de Divulgação: Página da Unifesp, Instagram e Linkedin

Recursos didáticos: quadro, computadores, projetor multimídia, softwares: matlab e excel.

Ementa: Introdução às redes neurais artificiais; perceptron; adaline; perceptron multicamadas; problemas de regressão com uma saída; problemas de classificação com uma saída; métodos de seleção de variáveis: análise de componentes principais, regressão por mínimos quadrados parciais; planejamento de experimentos; aplicações na indústria química; trabalho de conclusão