Name: Dica do Dia (ep03) - OUTLIERS, exemplo prático detectando acessos anormais em equipamentos
Uploaded: 2021-08-09T23:47:30.395Z
Duration: 5 min 55 s

Engenharias

Brasil

Engenharia Mecânica

Dica do Dia (ep03) - Outliers demonstrados em um exemplo prático para detecção de acessos anormais... - OUTLIERS - Ponto fora da série ou dados discrepantes em Ciência da Computação que podem ser sinais de anomalias, valores atípicos. Essa técnica pode ajudar detectar fraudes, erros sistêmicos, entradas inválidas por algum motivo relacionado ao processo. --------------- BOXPLOT: Possibilita vizualizar os pontos de max e min e a mediana Diagrama de caixas em estatística que representa variação de dados. SCATTER: Gráfico de dispersão em dois eixos "entrada" e "saída". diagramas de dispersão que representa os dados com duas ou mais variáveis. Referências: a) CURSO PHYTON A a Z da IA Expert Academy b) https://plotly.github.io/plotly.py-docs/generated/plotly.express.box.html

pt-br

Machine Learning

Machine Learning é uma disciplina da área de Inteligência Artificial que se concentra no desenvolvimento de algoritmos e modelos que permitem que um sistema aprenda e melhore a partir de dados. Durante as aulas, os alunos aprendem sobre técnicas de aprendizado supervisionado e não supervisionado, redes neurais, árvores de decisão, entre outras. A disciplina é importante para profissionais que trabalham com análise de dados, reconhecimento de padrões, processamento de linguagem natural, visão computacional, entre outras áreas. O conhecimento em Machine Learning é fundamental para o desenvolvimento de sistemas inteligentes e automatizados, que podem ser aplicados em diversas áreas, como saúde, finanças, marketing, entre outras.

Lecture

Video

Dica do Dia (ep03) - OUTLIERS, exemplo prático detectando acessos anormais em equipamentos

Youtube

Postgraduate

USP - São Paulo

Experiência Profissional: a) Quatro (4) anos fazendo parte do grupo de pesquisa em sistemas inteligentes de produção (IPS). Este projeto de pesquisa se propõe a investigar e desenvolver técnicas e métodos de modelagem, análise e síntese de controle de IPS. Concentrado em Arquitetura Multi-Agente para a síntese de sistemas de controle IPS. (http://pmrlsa.poli.usp.br/)

b) Dois (2) anos trabalhando em Equipe Técnica com Inteligência Artificial em um departamento de Inovação, aplicando métodos ágeis e de pesquisa. Treinamento de equipe e envolvimento de centros digitais para atendimento de uma demanda digital envolvendo: aplicação de técnicas, modelagem e desenvolvimento de soluções em a Gerência de Manutenção e Industrial. (https://xsensors.ai/).

c) Seis (6) anos atuando com Gestão de Projetos e como Engenheiro de Projetos, amplo domínio na análise de contratos nas áreas de engenharia, dimensionando requisitos, realizando análise de risco e planejamento para execução e entrega de projetos. Atuação em obras nos segmentos de portos e mineração, no desenvolvimento e planejamento de
engenharia básica com a engenharia de portos. Criação do procedimento para análise e escolha de fornecedores e documentação de projeto padrão utilizado pelos parceiros fabricantes. (https://www.murrelektronik.com/)

Em 2018 iniciei o mestrado na USP, com tema de Pesquisa: Sistemas de Controle Inteligentes no Contexto da I4.0. Fiz quatro matérias relacionadas a modelagem e simulação de processos. Minha 

Dica do Dia (ep03) - OUTLIERS, exemplo prático detectando acessos anormais em equipamentos

Machine Learning

USP-SP