Programas de Disciplinas

Captura de Programas do Site da USP 5/2/2022

https://uspdigital.usp.br/jupiterweb/obterDisciplina

As disciplinas a continuação foram criadas e lecionadas pelo Prof. Gabriel, essas disciplinas existem há mais de 25 anos e foram evoluindo com o tempo.

A partir de 2022 começam a ser lecionadas em parceria com o Prof. Cristian. Também a revisão dos programas de 2022 terão a participação do Prof. Cristian.

Escola Superior de Agricultura "Luiz de Queiroz"

Ciências Exatas

Disciplina: LCE1270 - Inteligência Artificial, Big-Small Data e Gestão para Indústria, Serviços e Fazenda 4.0

Artificial Intelligence, Big-Small Data and Management for Industry, Services and Farm 4.0

Créditos Aula:

Créditos Trabalho:

Carga Horária Total:

60 h

Tipo:

Semestral

Ativação:

01/01/2020

Desativação:

Objetivos

Desenvolver no aluno senso crítico em Inteligência Artificial, Big-Small Data e Gestão para Indústria, Serviços Marketing, Economia e Fazenda 4.0, buscando aumentar significativamente sua empregabilidade e competitividade quando ingressar no mercado de trabalho.

Docente(s) Responsável(eis)

5542817 - Cristian Marcelo Villegas Lobos

2553644 - Edwin Moises Marcos Ortega

2688982 - Gabriel Adrian Sarries

Programa Resumido

Inteligência Artificial (IA): conceito, algoritmos e aplicações em gestão, engenharia, biologia, ambiência, economia, gestão de negócios e pesquisa. Aprendizado de máquina e redes neurais, comparação de resultados com métodos estatísticos convencionais. Aplicação de IA, Data Mining, Big-Small Data, trade off. Tecnologias de gestão e certificação Internacional da qualidade, na Indústria, Serviços Marketing, Economia e Fazenda 4.0 Visando Hipercompetitividade.

Philosophy, basic concepts and tools of the main global management systems and business quality assurance systems, international certification. Statistical Quality Control and Statistic for Management. Business Intelligence Systems. Elaboration of process maps, mental maps, UML and other diagrams using programs with hypertext and “flash” tool. Learning systemic management and global system through electronic learning with certification. Entrepreneurship, centralized or third-party work. Life quality: conceptualization, measurement and diagnosis (WHO).

Programa

Inteligência Artificial (IA): conceito, algoritmos: Rain Forest, Support Vector Machine, NaiveBayes, E Clasification e RegressionTree. Aplicações em gestão, engenharia, biologia, ambiência, economia, gestão de negócios e pesquisa.Aprendizado de máquina e redes neurais, comparação de resultados com métodos estatísticos convencionais, linguagens R, Python, SAS e outras. Noções introdutórias: Regressão Logística, MANOVA, NPMANOVA, Funções Canônicas, DiscriminanteNP. Aplicação de IA,Big Data VsSmall Data, trade off, Big Data (petabytes, noções de Ferramentas: Inteligência Artificial, Machine Learning, Redes Neurais, HDFS, YARN, Hadoop, MAP REDUCE, etc. para desenvolver produtos hipercompetitivos) Small Data (terabytes, noções de Ferramentas: Inteligência Artificial, Machine Learning, Redes Neurais, testes de hipóteses, métodos robustos, multivariados, univariados, paramétricos, etc., para decisões internas das organizações, acabamento dos produtos hipercompetitivos, etc.) e Tecnologias de Gestão (como LeanSartup_Amazom, TQM_Toyota-Porsche-GE, ISO-9001-14001-22000-27000-17025,etc.GlobalGAP, BSC, PNQ,PPQ, EQA, 6 Sigma, Malcolm Baldrige, Deming Prize,LeanCanvas, QFD, FMEA/FTA, RCA, etc.) na Industria, Serviços Marketing e Fazenda 4.0 Visando Hipercompetitividade.

Avaliação

Método

A avaliação do aprendizado é feita por meio de prova (P), relatórios (R) e apresentação de seminário (S) utilizando hipermidias.

Critério

A média final é obtida da seguinte forma: 0,3 P + 0,35 R + 0,35 S.

Norma de Recuperação

Será feita sob a forma de uma prova com duas horas de duração, aplicada após o término das aulas, em época determinada pela USP. A média final será a média aritmética entre a nota desta prova e a média obtida no semestre.

Bibliografia

AZEVEDO FILHO, A. J. B.V. .Princípios de Inferência Dedutiva e Indutiva: Noções de Lógica e Métodos de Prova. 1/1. ed. Scotts Valley, EUA: CreateSpace Publishers, 2010. v. 1. 140p . BARBOSA L. P.;MORAES W. F. A. Estratégias em Ambientes Hipercompetitivos: O Caso da Indústria Brasileira de Embalagens para Cervejas e Refrigerantes. 2016. Disponível em:< http://www.anpad.org.br/admin/pdf/enanpad2001-eso-276.pdf>. Acesso em: 20/02/2019. COELHO A. C. As 7 tendências para o uso de inteligência artificial no Direito em 2018. Thomson Reuters The AnswerCompany. 2018. Disponível em: Acesso em: 21/2/2019. CURY R. G.; SERAFIM J. S. A Formação em Ciência de Dados: Uma Analise Preliminar do Panorama Estadunidense. DOI: 10.5433/1981-8920.2016v21n2p307. 2016. Disponível em. Acesso em: 20/02/2019. GALDINO N. Big Data: Ferramentas e Aplicabilidade. IESSA. 2016. Disponível em: . Acesso em: 20/2/2019. GOVERNO FEDERAL. Agenda brasileira para a Indústria 4.0 – O Brasil Preparado para os Desafios do Futuro. Ministério da Industria Comercio e Serviços. Disponível em: < http://www.industria40.gov.br/>. Acesso em: 20/02/2019. HEKIMA. O guia definitivo de Big Data para iniciantes. Big Data Business. 2019. Disponível em: < http://www.mettodo.com.br/ebooks/O_guia_definitivo_de_Big_Data_para_iniciantes.pdf >Acesso em: 21/2/2019. INTEL IT CENTER. Introdução à Big Data. Guia de Planejamento. 2014. Disponível em: . Acesso em: 20/02/2019. OVANESSOFFA.; PLASTINO E. Como a Inteligência Artificial pode Acelerar o Crescimento de América do Sul. 2018. Disponível em: https://www.accenture.com/t20170927T065936Z__w__/us-en/_acnmedia/PDF-50/Accenture-Como-a-inteligencia-artificial-acelero-crescimento-da-america-do-sul.pdf. Acesso em: 20/02/2019. SANTOS R. Introdução à Mineração de Dados com Aplicações em Ciências Ambientais e Espaciais. LAC-INPE.2012. Disponível em: . Acesso em: 20/02/2019. TEIXEIRA T.M.C. Uma Reflexão Teórica Sobre a Subjetividade da Informação. Perspectivas em: Ciência da Informação, v.22, n.4, p.82-97, out./dez. 2017. Disponível em: . Acesso em: 20/02/2019. VON ZUBEN F. Introdução à Inteligência Artificial. DCA/FEEC/Unicamp. 2017. Disponível em: . Acesso em: 20/02/2019.

Escola Superior de Agricultura "Luiz de Queiroz"

Ciências Exatas

Disciplina: LCE0105 - Computação, Inteligência Artificial e Organizacional para Economia Visando Hipercompetitividade

Information Systems and Organizational Intelligence

Créditos Aula:

Créditos Trabalho:

Carga Horária Total:

60 h

Tipo:

Semestral

Ativação:

01/01/2020

Desativação:

Objetivos

Fornecer subsídios para os alunos acompanharem disciplinas de graduação que demandam conhecimento em computação, sistemas de informação, inteligência artificial e organizacional e colaborar significativamente na empregabilidade e competitividade dos egressos.

Docente(s) Responsável(eis)

271045 - Carlos Tadeu dos Santos Dias

5542817 - Cristian Marcelo Villegas Lobos

2688982 - Gabriel Adrian Sarries

Programa Resumido

Bancos de dados relacionais e não relacionais. Uso avançado de planilhas eletrônicas . Data crunching, data analysis, data mining, funções logicas, gráficos, cálculos, funções estatísticas, uso de macros. Computação em nuvem, para data mining e SQL. Inteligência Artificial: conceito, algoritmos e aplicações em economia e gestão de negócios, aprendizado de maquina e redes neurais, comparação de resultados com métodos estatísticos convencionais. Inteligência organizacional, estratégica, tática e organizacional, implementações computacionais. Sistemas informatizados de inteligência empresarial e rastreabilidade. Sistemas de informação para certificação internacional da qualidade e sistemas mundiais de gestão. Ferramentas para elaborar mapas de processos, para posterior informatização. Ferramentas para análise e projeto de sistemas. Elaboração de sites e blogs. Aplicações dos conceitos adquiridos em ambientes de hipercometitividade, com dispositivos eletrônicos.

1. Electronic spreadsheet advanced use. 2. Lecture, seminars and video conferencing elaboration using hypermedia. 3. Computer local and remote network notions. 4. Internet, advanced search, downloads, web spaces and web onthologies. 5. On line information access (CMA Broadcast). 6. Basic concepts, support tools and database management (SIG, GPS, etc). 7. Computer systems for business intelligence and traceability (DSS, ERP, MRP, Benchmarking, etc.). 8. Information Systems for International Certification of Quality. 9. Programs that work in the processing “cloud”. 10. Tools for elaboration of process maps, to future computerization. Tools for analyzes and system project. 11. E-Learning. 12. Android Operational System, app development for production control. 13. Websites and blogs elaboration. 14. System logic using mental maps and UML language. 15. Life quality, concept, measuring and diagnosis (WHO).

Programa

Bancos de dados relacionais e não relacionais: campos, registros, filtros, consistência, listas de verificação, pesquisa e réplicas. Data crunching, data analysis, conceito de data mining, funções logicas: união, interseção, complemento, etc. gráficos: bi e tridimensionais, cálculos, funções estatísticas, macros. Computação em nuvem, para data mining e SQL. Inteligência Artificial: conceito, algoritmos: Random Forest, Support Vector Machine, Naive Bayes, E Clasification e Regression Tree. Aplicações em economia e gestão de negócios de inteligência artificial, aprendizado de maquina e redes neurais, comparação de resultados com métodos estatísticos convencionais, linguagens R, Python, SAS e outras. Inteligência organizacional, estratégica (kaikaku), tática e organizacional (kaizen). Sistemas informatizados de inteligência empresarial e rastreabilidade (DSS, ERP, MRP, CRM, Benchmarking, QFD, etc.). Sistemas de Informação para certificação internacional da qualidade( ISO- 9001-14001-22000-27000, GlobalGAP, FSC, etc.) e sistemas mundiais de gestão (TQM-Toyota-Porsche-GM, BSC, Lean Startup, 6 Sigma, PNQ, EQA, etc.) . Ferramentas para elaborar mapas de processos, para posterior informatização. Ferramentas para análise e projeto de sistemas. Elaboração de sites e blogs. Aplicações dos conceitos adquiridos em ambientes de hipercometitividade, com dispositivos eletrônicos

Avaliação

Método

A avaliação do aprendizado é feita por meio de prova (P), relatórios (R) e apresentação de seminário (S) utilizando hipermidias.

Critério

A média final é obtida da seguinte forma: 0,3 P+ 0,35 R + 0,35 S

Norma de Recuperação

A prova de recuperação é feita com toda a matéria dada, tendo duas horas de duração, aplicada após o final do semestre, em época determinada pela USP. A média final será a média aritmética entre a nota desta prova e a média obtida no semestre.

Bibliografia

AZEVEDO FILHO, A. J. B.V. . Princípios de Inferência Dedutiva e Indutiva: Noções de Lógica e Métodos de Prova. 1/1. ed. Scotts Valley, EUA: CreateSpace Publishers, 2010. v. 1. 140p . BARBOSA L. P.; MORAES W. F. A. Estratégias em Ambientes Hipercompetitivos: O Caso da Indústria Brasileira de Embalagens para Cervejas e Refrigerantes. 2016. Disponível em:< http://www.anpad.org.br/admin/pdf/enanpad2001-eso-276.pdf>. Acesso em: 20/02/2019. COELHO A. C. As 7 tendências para o uso de inteligência artificial no Direito em 2018. Thomson Reuters The Answer Company. 2018. Disponível em: < https://www.thomsonreuters.com.br/content/dam/openweb/documents/pdf/Brazil/white-paper/As_7_Tend%C3%AAncias_para_o_uso_da_Inteligencia_Artificial_EM_2018.pdf > Acesso em: 21/2/2019. CURY R. G.; SERAFIM J. S. A Formação em Ciência de Dados: Uma Analise Preliminar do Panorama Estadunidense. DOI: 10.5433/1981-8920.2016v21n2p307. 2016. Disponível em: < http://www.uel.br/revistas/uel/index.php/informacao/article/download/27945/20195>. Acesso em: 20/02/2019. GOVERNO FEDERAL. Agenda brasileira para a Indústria 4.0 – O Brasil Preparado para os Desafios do Futuro. Ministério da Industria Comercio e Serviços. Disponível em: < http://www.industria40.gov.br/>. Acesso em: 20/02/2019. OVANESSOFF A.; PLASTINO E. Como a Inteligência Artificial pode Acelerar o Crescimento de América do Sul. 2018. Disponível em: https://www.accenture.com/t20170927T065936Z__w__/us-en/_acnmedia/PDF-50/Accenture-Como-a-inteligencia-artificial-acelero-crescimento-da-america-do-sul.pdf. Acesso em: 20/02/2019. TAKAI O.K.; ITALIANO I.C.; FERREIRA J.E. Introdução a Banco de Dados.. DCC-IME-USP, 2005. Disponível em: < https://www.ime.usp.br/~jef/apostila.pdf>. Acesso em: 20/02/2019. TEIXEIRA T.M.C. Uma Reflexão Teórica Sobre a Subjetividade da Informação. Perspectivas em: Ciência da Informação, v.22, n.4, p.82-97, out./dez. 2017. Disponível em: . Acesso em: 20/02/2019. VON ZUBEN F. Introdução à Inteligência Artificial. DCA/FEEC/Unicamp. 2017. Disponível em: . Acesso em: 20/02/2019.

Parte inferior do formulário

Parte superior do formulário

Escola Superior de Agricultura "Luiz de Queiroz"

Ciências Exatas

Disciplina: LCE0136 - Ciência de Dados e Gestão para Empregabilidade, Empreendedorismo e Inovação

Data Science and Management for Employability, Entrepreneurship and Innovation

Créditos Aula:

Créditos Trabalho:

Carga Horária Total:

30 h

Tipo:

Semestral

Ativação:

01/01/2020

Desativação:

Objetivos

Desenvolver no aluno senso crítico em ciência de dados e gestão para empregabilidade, empreendedorismo e inovação, buscando aumentar significativamente sua empregabilidade e competitividade no mercado de trabalho.

Docente(s) Responsável(eis)

5542817 - Cristian Marcelo Villegas Lobos

2688982 - Gabriel Adrian Sarries

5551088 - Renata Alcarde Sermarini

Programa Resumido

Bancos de dados: relacionais e não relacionais. Data Crunching, Analysis, Mining. Uso de Macros. Linguagem computacional em nuvem para data mining. Ciência de Dados (CD): conceitos, algoritmos e aplicações em gestão, engenharia, biologia, ambiência, economia, e pesquisa. A CD como a principal habilidade de mercado inespecífica (independentemente da profissão) do mundo, seu impacto na empregabilidade inespecífica. A CD na Gestão Empresarial e Biologia em ambientes de Hipercompetitividade e Hiperinovação. Impactos das tecnologias abordados no índice de sucesso do empreendedorismo e articulação com métodos modernos de gestão. Estrutura dos principais sistemas mundiais de gestão e de certificação internacional da qualidade.

Programa

Bancos de dados: relacionais e não relacionais. Data: Crunching, Analysis, Mining. Uso de Macros. Linguagem computacional em nuvem para data mining, SAS on demand. Ciência de Dados: alia big-small data, inteligência artificial (machine learning, redes neurais, etc.), estatística, economia, matemática, computação, administração, contabilidade gerencial, controladoria, atuarial, engenharia, bancos de dados, análise de agrupamentos, algoritmos e aplicações em gestão, engenharia, biologia, economia, e pesquisa, transformação de dados brutos em insights de negócios e descobertas científicas. A CD como a principal habilidade de mercado inespecífica (independentemente da profissão) do mundo, seu impacto na empregabilidade inespecífica, dados de 2018. A CD na Gestão Empresarial e Biologia em ambientes de Hipercompetitividade e Hiperinovação. Impactos das tecnologias abordadas no índice de sucesso do empreendedorismo e articulação com métodos modernos de gestão como Lean Startup _Amazon e TQM_Toyota-Porsche –GE, Lean Canvas, 6 Sigma, ISO, GlobalGAP, PNQ, EQA, BSC, Etc. Estrutura dos principais sistemas mundiais de gestão e de certificação internacional da qualidade.

Avaliação

Método

A avaliação do aprendizado é feita por meio de prova (P), relatórios (R) e apresentação de seminário (S) utilizando hipermidias.

Critério

A média final é obtida da seguinte forma: 0,3 P + 0,35 R + 0,35 S.

Norma de Recuperação

Não haverá recuperação.

Bibliografia

ALONSO R. Inteligencia Artificial y Estadística. Estadística Española. Disponível em: < http://www.ine.es/ss/Satellite?blobcol=urldata&blobheader=application%2Fpdf&blobheadername1=Content-Disposition&blobheadervalue1=attachment%3B+filename%3D711%2F524%2F131_3.pdf&blobkey=urldata&blobtable=MungoBlobs&blobwhere=711%2F524%2F131_3.pdf&ssbinary=true>. Acesso em: 20/2/2019. AZEVEDO FILHO, A. J. B.V. . Princípios de Inferência Dedutiva e Indutiva: Noções de Lógica e Métodos de Prova. 1/1. ed. Scotts Valley, EUA: CreateSpace Publishers, 2010. v. 1. 140p BARBOSA L. P.; MORAES W. F. A. Estratégias em Ambientes Hipercompetitivos: O Caso da Indústria Brasileira de Embalagens para Cervejas e Refrigerantes. 2016. Disponível em:< http://www.anpad.org.br/admin/pdf/enanpad2001-eso-276.pdf>. Disponível em:<="" http:="" www.uel.br="" revistas="" uel="" index.php="" informacao="" article="" download="" 27945="" 20195="">. Acesso em: 20/02/2019. COELHO A. C. As 7 tendências para o uso de inteligência artificial no Direito em 2018. Thomson Reuters The Answer Company. 2018. Disponível em: < https://www.thomsonreuters.com.br/content/dam/openweb/documents/pdf/Brazil/white-paper/As_7_Tend%C3%AAncias_para_o_uso_da_Inteligencia_Artificial_EM_2018.pdf > Acesso em: 21/2/2019. GOVERNO FEDERAL. Agenda brasileira para a Indústria 4.0 – O Brasil Preparado para os Desafios do Futuro. Ministério da Industria Comercio e Serviços. Disponível em: < http://www.industria40.gov.br/>. Acesso em: 20/02/2019. ISENBERG P. Visual Analytics Introduction. Teaching VA 2014. 2014. Disponível em: https://aviz.fr/wiki/uploads/TeachingVA2014/lecture1-introduction.pdf. Acesso em: 20/02/2019. KRAUSE J. Using Visual Analytics to Explain Black-Box Machine Learning. New_York_University. 2018. Disponível em: https://www.researchgate.net/publication/325010090_Using_Visual_Analytics_to_Explain_Black-Box_Machine_Learning> . Acesso em: 20/2/2019. OLIVEIRA L. Empregabilidade: Uma Análise Histórica e Crítica. Fundação Getúlio Vargas. 2018. Disponível em:. Acesso em: 20/02/2019. OVANESSOFF A.; PLASTINO E. Como a Inteligência Artificial pode Acelerar o Crescimento de América do Sul. 2018. Disponível em: . Acesso em: 20/02/2019. SANTOS R. Introdução à Mineração de Dados com Aplicações em Ciências Ambientais e Espaciais. LAC-INPE.2012. Disponível em: . Acesso em: 20/02/2019. TAKAI O.K.; ITALIANO I.C.; FERREIRA J.E. Introdução a Banco de Dados.. DCC-IME-USP, 2005. Disponível em: < https://www.ime.usp.br/~jef/apostila.pdf>. Acesso em: 20/02/2019. TEIXEIRA T.M.C. Uma Reflexão Teórica Sobre a Subjetividade da Informação. Perspectivas em: Ciência da Informação, v.22, n.4, p.82-97, out./dez. 2017. Disponível em: . Acesso em: 20/02/2019. VON ZUBEN F. Introdução à Inteligência Artificial. DCA/FEEC/Unicamp. 2017. Disponível em: . Acesso em: 20/02/2019

Parte inferior do formulário

Escola Superior de Agricultura "Luiz de Queiroz"

Ciências Exatas

Disciplina: LCE0137 - Inteligência Artificial, Data Mining e Gestão para Inovação e Hipercompetitividade

Artificial Intelligence, Data Mining and Management for Innovation and Hypercompetitiveness

Créditos Aula:

Créditos Trabalho:

Carga Horária Total:

30 h

Tipo:

Semestral

Ativação:

01/01/2020

Desativação:

Objetivos

Desenvolver no aluno senso crítico em Inteligência Artificial, Data Mining e Gestão – Sistemas Mundiais de Gestão- para Inovação e hipercompetitividade. O conhecimento será útil em sua vida acadêmica e principalmente no mercado de trabalho, aumentando significativamente a empregabilidade e competitividade do egresso.

Docente(s) Responsável(eis)

5542817 - Cristian Marcelo Villegas Lobos

2688982 - Gabriel Adrian Sarries

5551088 - Renata Alcarde Sermarini

Programa Resumido

Inteligência Artificial (IA): conceito, algoritmos e aplicações em gestão, engenharia, biologia, economia, ambiência e pesquisa. Aprendizado de máquina e redes neurais, comparação de resultados com métodos estatísticos convencionais. Métodos estatísticos para Data Mining. Métodos de gestão e certificação internacional da qualidade. O NIT Qualidade e Metrologia na Agropecuária USP/EMBRAPA/CNPq/Indústria. Aplicação de IA e Data Mining na Gestão da Inovação em ambientes de Hipercometitividade.

Philosophy; Basic concepts and quality management tools of the main world systems; International certification; Quality statistical control; Process maps, mind maps and other diagrams to be developed using programs with hypertext resources and "flash" tool; Systemic management and global systems through e-learning with certification; Entrepreneurship: concepts, schools, advantages, application methodology, expansion of the labor market; Analysis of the Biology labor market in Brazil and worldwide.

Programa

Inteligência Artificial (IA): conceito, algoritmos: Rain Forest, Support Vector Machine, Naive Bayes, E Clasification e Regression Tree . Aplicações em gestão, engenharia, biologia, ambiência, economia, e pesquisa. Aprendizado de máquina e redes neurais, comparação de resultados com métodos estatísticos convencionais, linguagens R, Python, SAS e outras. Noções introdutórias: Regressão Logística, NPMANOVA, DiscriminanteNP. Métodos estatísticos para Data Minig: univariados, multivariados, paramétricos e robustos. Métodos de gestão como Lean Startup-Amazon, TQM-Toyota- Porsche-GM, ISO-9000-14000-22000-27000, GlobalGAP, FSC, BSC, PNQ, EQA, 6 Sigma, Malcolm Baldrige, etc. O Núcleo de Inovação Tecnológica Qualidade e Metrologia na Agropecuária USP/EMBRAPA/CNPq/Indústria, coordenado pelo CENA e ESALQ USP. Aplicação de IA, Data Mining e Gestão em ambientes de Hipercometitividade e hiperinovação.

Avaliação

Método

A avaliação do aprendizado é feita por meio de prova (P), relatórios (R) e apresentação de seminário (S) utilizando hipermidias.

Critério

A média final é obtida da seguinte forma: 0,3 P + 0,35 R + 0,35 S.

Norma de Recuperação

Bibliografia

ALONSO R. Inteligencia Artificial y Estadística. Estadística Española. Disponível em: . Acesso em: 20/2/2019 AZEVEDO FILHO, A. J. B.V. . Princípios de Inferência Dedutiva e Indutiva: Noções de Lógica e Métodos de Prova. 1/1. ed. Scotts Valley, EUA: CreateSpace Publishers, 2010. v. 1. 140p . BARBOSA L. P.; MORAES W. F. A. Estratégias em Ambientes Hipercompetitivos: O Caso da Indústria Brasileira de Embalagens para Cervejas e Refrigerantes. 2016. Disponível em:< http://www.anpad.org.br/admin/pdf/enanpad2001-eso-276.pdf>. Acesso em: 20/02/2019. COELHO A. C. As 7 tendências para o uso de inteligência artificial no Direito em 2018. Thomson Reuters The Answer Company. 2018. Disponível em: < https://www.thomsonreuters.com.br/content/dam/openweb/documents/pdf/Brazil/white-paper/As_7_Tend%C3%AAncias_para_o_uso_da_Inteligencia_Artificial_EM_2018.pdf > Acesso em: 21/2/2019. CURY R. G.; SERAFIM J. S. A Formação em Ciência de Dados: Uma Analise Preliminar do Panorama Estadunidense. DOI: 10.5433/1981-8920.2016v21n2p307. 2016. Disponível em:< http://www.uel.br/revistas/uel/index.php/informacao/article/download/27945/20195>. Acesso em: 20/02/2019. GOVERNO FEDERAL. Agenda brasileira para a Indústria 4.0 – O Brasil Preparado para os Desafios do Futuro. Ministério da Industria Comercio e Serviços. Disponível em: < http://www.industria40.gov.br/>. Acesso em: 20/02/2019. OVANESSOFF A.; PLASTINO E. Como a Inteligência Artificial pode Acelerar o Crescimento de América do Sul. 2018. Disponível em: https://www.accenture.com/t20170927T065936Z__w__/us-en/_acnmedia/PDF-50/Accenture-Como-a-inteligencia-artificial-acelero-crescimento-da-america-do-sul.pdf. Acesso em: 20/02/2019. SANTOS R. Introdução à Mineração de Dados com Aplicações em Ciências Ambientais e Espaciais. LAC-INPE.2012. Disponível em: <="" https:="" www.ime.usp.br="" ~jef="" apostila.pdf="">. Acesso em: 20/02/2019. TEIXEIRA T.M.C. Uma Reflexão Teórica Sobre a Subjetividade da Informação. Perspectivas em: Ciência da Informação, v.22, n.4, p.82-97, out./dez. 2017. Disponível em: . Acesso em: 20/02/2019. VON ZUBEN F. Introdução à Inteligência Artificial. DCA/FEEC/Unicamp. 2017. Disponível em: . Acesso em: 20/02/2019.