Carga Horária
Teórica por semana |
Prática por semana |
Créditos |
Duração |
Total |
2 |
2 |
8 |
15 semanas |
120 horas |
Docentes responsáveis
Marcos Roberto Benso
Objetivo
Apresentar e discutir os principais métodos estatísticos de análise de dados, inferência e otimização para engenharia de sistemas agrícolas. Estudar os fundamentos da descoberta científica frente a diferentes fontes de incerteza. Capacitar sobre a aplicação de métodos baseados em dados para modelagem e inferência por meio de análise estatística, aprendizagem de máquina e otimização. Ao final da disciplina, espera-se desenvolver competências e habilidades relacionadas ao pensamento computacional, resolução de problemas, programação em linguagens como Python e R e extração de conhecimento com métodos baseados em dados.
Conteúdo
1. Fundamentos de ciência de dados para engenharia de biossistemas. Tipos de coleta de dados, estruturas e boas práticas de armazenamento de dados.
2. Inferência estatística: estimador de máxima verossimilhança (EMV) para modelos lineares. Propriedades de estimadores e aplicações em problemas reais.
3. Análise de incertezas em estimadores por meio de Bootstrap.
4. Teoria da informação de Shannon e técnicas de otimização aplicadas: buscas heurísticas, gananciosas e meta-heurísticas.
5. Modelos de aprendizagem supervisionado: regressão logística, método do gradiente e gradiente estocástico. Redes neurais para problemas de regressão.
6. Estudos de caso e aplicações de modelos inferenciais na engenharia de biossistemas.
Bibliografia
HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The Elements of Statistical Learning: data mining, inference, and prediction. 2. ed. Nova Iorque: Springer, 2009. 745 p. Disponível em: https://doi.org/10.1007/978-0-387-84858-7. Acesso em: 30 jul. 2025. MORETTIN, Pedro Alberto; BUSSAB, Wilton de Oliveira; SILVA, Aldir Coelho Corrêa da. Estatística Básica. 6. ed. São Paulo: São Paulo Novatec Editora Ltda, 2017. 554 p.
SCAVETTA, Rick J.; ANGELOV, Boyan; SILVA, Aldir Coelho Corrêa da. Python e R para o cientista de dados moderno: o melhor de dois mundos. São Paulo: São Paulo Novatec Editora Ltda, 2022. 200 p.