Prezados, em caso de dúvida com a sua inscrição ou atualização de boleto vencido, favor entrar em contato com a Diva (Financeiro SIF) pelo telefone (31) 3612 3957 ou e-mail financeiro@sif.org.br.

Cursos:

INFORMÁTICA

ARDUINO E INTERNET DAS COISAS

DESCRIÇÃO: Nos últimos 10 anos ocorreu uma nova revolução nos sistemas embarcados de baixo custo com a padronização e popularização introduzida pela plataforma Arduino. Este curso irá apresentar os principais facilitadores introduzidos pelo Arduino e similares.

PÚBLICO-ALVO: Estudantes de pós-graduação e graduação, profissionais envolvidos automação, agricultura de precisão, medidas em laboratório.

OBJETIVOS: Introduzir o uso de Arduino.

PRÉ-REQUISITOS: Conceitos básicos de Programação. A programação pode ser feita na Linguagem C ou Micro-Python.

CONTEÚDO PROGRAMÁTICO: Existe uma enorme variedade de sensores de baixo custo (temperatura, umidade, pressão, luz, distância, …) e várias maneiras de armazenar e disponibilizar o acesso aos dados: Cartoes SD, Internet, Rádios, Celulares. Os mecanismos da Internet das Coisas também serão apresentados; Programa do Curso: Historia e Inovações do Arduino. Uno, Esp8266, NodeMCU, Esp32. Sensores e padrões de comunicação: SPI, I2C. 0ne-Wire. Radios e Transceivers. Internet das Coisas: Mqtt, Ubidots, Blynk, NodeRed.

COMO EXECUTAR MEUS PROGRAMAS NA NUVEM DA AMAZON

DESCRIÇÃO: Neste curso você vai aprender de forma simplificada como executar uma aplicação para nuvem. Assim, ao invés de executar seu software no seu computador com poucos recursos de memória e processamento, você poderá usar com baixo custo (da ordem de centavos a dezenas de reais), uma ou mais máquinas com muita memória e muito processamento na nuvem da Amazon. PÚBLICO-ALVO: Estudantes, Pesquisadores e Professores que possuem demanda para executar softwares em uma ou mais máquinas (simulações, banco de dados, processamento, aprendizado de máquina, …) OBJETIVOS: Neste curso você vai aprender como fazer a migração de suas aplicações para Amazon AWS usando containers do docker. Aprender a avaliar os custos da execução local e da execução na nuvem. PRÉ-REQUISITOS: Conhecimentos básicos em comandos linux, além de conhecimento em programação (básico). CONTEÚDO PROGRAMÁTICO: – Conhecendo o Docker; – Principais comandos do Docker; – Criando um DockerFile; – Conhecendo o docker-compose; -Estruturar um arquivo YAML para docker-compose; – Criar uma conta na AWS – Conhecendo as instâncias do EC2 (capacidade de memória, de disco, de processamento, preço); – Custos para execução de uma aplicação e avaliação do custo/beneficio

INTRODUÇÃO À CIÊNCIA DE DADOS: UMA VISÃO PRAGMÁTICA UTILIZANDO PYTHON, APLICAÇÕES E OPORTUNIDADES.

DESCRIÇÃO: No intuito de extrair informações relevantes de bases de dados, a Ciência de Dados está se popularizando e ganhando espaço nas mais diversas áreas de conhecimento. Esse minicurso apresenta, por meio da linguagem Python e bibliotecas específicas, os métodos mais usados para manipular dados, realizar redução de dimensionalidade e aplicar aprendizado supervisionado e não supervisionado.

PÚBLICO-ALVO: Estudantes (graduação e pós-graduação) e profissionais que tenham interesse em manipular e analisar bases de dados.

OBJETIVOS: Apresentar a área da Ciência de Dados para os participantes. Apresentar ferramentas em Python para resolução de problemas clássicos em mineração de dados e Aprendizado de Máquina.

PRÉ-REQUISITOS: É desejado, mas não obrigatório, que os participantes tenham conhecimento básico de programação de computadores. Os participantes que quiserem usar computadores próprios poderão o fazer sem problemas. É necessário apenas que o computador tenha conexão com a Internet e um navegador.

CONTEÚDO PROGRAMÁTICO: – Visão geral da área de Ciência de Dados; – Visão geral sobre a linguagem de programação Python; – Leitura e manipulação de dados com a biblioteca Pandas; – Redução de dimensionalidade (PCA e SVD); – Algoritmos de Agrupamento; – Algoritmos de Classificação.

RECONHECIMENTO DE PADRÕES EM IMAGENS APLICADO À AGRONOMIA

DESCRIÇÃO: atualmente, ferramentas de aprendizado de máquina e reconhecimento de padrões são amplamente empregadas em várias áreas de aplicação. A disponibilidade, hoje em dia, de softwares de fácil acesso e uso, e que não exigem configurações de hardware de alto custo também é grande. Este irá introduzir os alunos aos princípios, técnicas e ferramentas de aprendizado de máquina que possam ser empregadas em problemas de pesquisa na área de Agronomia e que possam ser resolvidos integral ou parcialmente utilizando-se análise automática de imagens, por meio de software, como classificação de sementes, diagnóstico de patologias em plantas, reconhecimento de espécies, dentre muitos outros.

PÚBLICO-ALVO: Professores pesquisadores, alunos de pós-graduação e alunos de graduação que desenvolvam projetos de Iniciação Científica.

OBJETIVOS: munir os alunos de noções de aprendizado de máquina, análise automática de imagens e ferramentas disponíveis no mercado para que os mesmos possam aplicar os conhecimentos e softwares abordados em suas respectivas pesquisas.

PRÉ-REQUISITOS: conhecimento básico em computação.

CONTEÚDO PROGRAMÁTICO: – Conceitos básicos: aprendizado de máquina, mineração de dados e reconhecimento de padrões; – O problema de classificação e principais técnicas; – Montando um projeto de exemplo;- Download e instalação do pacote de softwares e imagens de exemplo;- Preparação das imagens e dados;- Seleção e preparação dos modelos classificadores;- Realização de experimento;- Organização, comparação e análise dos resultados;- Conclusões finais.

ENGENHARIA CIVIL

INTRODUÇÃO AO MAPEAMENTO AÉREO COM DRONES

DESCRIÇÃO: Curso introdutório para aprender conceitos de fotogrametria, legislação, planejamento, levantamento e processamento com Drones.

PÚBLICO-ALVO: Este curso é destinado a profissionais de empresas privadas e públicas, técnicos, pesquisadores e estudantes de graduação e pós-graduação que pretendem ou estejam envolvidos com atividades de execução, contratação ou fiscalização de levantamentos aéreos com drones.

OBJETIVOS: Introduzir os procedimentos de planejamento, levantamento e processamento de dados provenientes de Drones.

PRÉ-REQUISITOS: Qualquer pessoa interessada em mapeamento aéreo com Drones.

CONTEÚDO PROGRAMÁTICO: -Teoria (Fotogrametria e Legislação); – Elaboração de Plano de Voo (Drone Deploy); – Levantamento de campo (Mavic); – Processamento fotogramétrico (Agisoft Photoscan)

PROCESSAMENTO DE DADOS BATIMÉTRICOS NO HYDROMAGIC

DESCRIÇÃO: O software Hydromagic é empregado para planejamento, coleta e processamento de dados batimétricos. É uma ferramenta simples e de baixo custo, que pode ser utilizada para coletar dados batimétricos em ambientes submersos rasos e profundos. O Hydromagic também permite o processamento e a geração de produtos finais, bem como estimativas de volumes e pequenos projetos de dragagem. PÚBLICO-ALVO: Este curso é destinado a profissionais de empresas privadas e públicas, técnicos, pesquisadores e estudantes de graduação e pós-graduação que pretendem ou estejam envolvidos com atividades de execução, contratação ou fiscalização de levantamentos hidrográficos monofeixe.  OBJETIVOS: O objetivo principal deste curso é apresentar as funcionalidades do software Hydromagic, em especial, as configurações inicias, o processamento de dados e a geração de produtos finais. O usuário terá possibilidade de utilizar o software conjuntamente com o instrutor na maioria das etapas apresentadas. PRÉ-REQUISITOS: Conhecimentos básicos em informática. É desejável também que o aluno possua conhecimento em Topografia e Cartografia. CONTEÚDO PROGRAMÁTICO: – Download e instalação do software; – Configurações iniciais; – Conversão de dados para formato primitivo; – Importação de dados; –Processamento de dados; – Cálculo de volumes; – Confecção de seções; – Projeto de dragagem.  

ENGENHARIA AGRÍCOLA

PROCESSAMENTO DE IMAGENS DIGITAIS APLICADO A AGRICULTURA

DESCRIÇÃO: A aplicação do processamento de imagens aumentou exponencialmente em poucos anos no setor agrícola. Neste curso, será apresentado conceitos e princípios que norteiam o processamento de imagens: representação de uma imagem, espaços de cores, realce; segmentação; operações morfológicas; análise de textura, características e classificação de imagens utilizando a linguagem de programação Python.

PÚBLICO-ALVO: Estudantes de Graduação, Pós-Graduação ou profissionais

de todas as áreas.

OBJETIVOS: Introduzir as principais ferramentas, funções e procedimentos utilizados no processamento de imagens digitais utilizando a linguagem Python e a biblioteca Opencv.

PRÉ-REQUISITOS: Conhecimentos básicos em computação.

CONTEÚDO PROGRAMÁTICO: – Download e instalação do Anaconda e do pacote Opencv;  – Funções básicas da linguagem Python;  – Representação de uma imagem digital;  – Espaço de cores; – Realce de imagens digitais;  – Segmentação de imagens digitais;  – Operações morfológicas em imagens digitais; – Descritores de formas em imagens digitais;  – Análise de textura em imagens digitais.

USO DO COMPUTADOR DE PLACA ÚNICA BEAGLEBONE BLACK PARA O DESENVOLVIMENTO DE SISTEMAS EMBARCADOS PARA AGRICULTURA

DESCRIÇÃO: Beablebone Black é um computador de placa única que utiliza operacional Linux Debian. Além das conexões de um computador pessoal, Ethernet, HDMI, leitor de cartão e USB, a Beablebone Black possui portas de entrada e saída de uso geral. Estas portas permitem desenvolver sistemas aplicáveis à agricultura, como sensores, sistemas de aquisição de dados, sistemas de monitoramento e sistemas para controle de processos.

PÚBLICO-ALVO: Estudantes de graduação e pós-graduação ou profissionais da área.

OBJETIVOS: Apresentar os procedimentos necessários para desenvolver sistemas utilizando a Beaglebone Black.

PRÉ-REQUISITOS: É desejável conhecimento básico em linguagem de programação (C++ ou Python) e no sistema operacional Linux.

CONTEÚDO PROGRAMÁTICO: – Apresentação das caracteristicas da Beaglebone Black – Conexão da Beablebone Black com o computador utilizando o software Putty – Acesso remoto à Beaglebone Black usando o software TightVNC – Transferência de arquivos entre a Beaglebone Black e o computador usando o software WinSCP – Comandos básicos para manipulação de arquivos e diretórios usando o terminal de comando do Linux – Desenvolvimento de programas de computador em linguagem Python, para utilização das portas de entrada e saída de uso geral.

DESENVOLVIMENTO DE PROGRAMAS DE COMPUTADOR COM INTERFACE GRÁFICA, UTILIZANDO A FERRAMENTA PYQT

DESCRIÇÃO: PyQt é uma ferramenta que permite desenvolver programas de computador com interfaces gráficas, utilizando a linguagem de programação Python. Os programas desenvolvidos podem ser executados em dispositivos com sistema operacional Linux, Windows ou iOS.

PÚBLICO-ALVO: Estudantes de graduação e pós-graduação ou profissionais da área.

OBJETIVOS: Apresentar os procedimentos para o desenvolvimento de programas com interface gráfica.

PRÉ-REQUISITOS: É desejável conhecimento básico em linguagem de programação Python. É desejável que o participante leve seu notebook.

CONTEÚDO PROGRAMÁTICO: -Instalação e apresentação do ambiente de desenvolvimento Spyder – Instalação e apresentação do programa QtDesigner – Desenvolvimento de programas de computador com interface gráfica.

SENSORIAMENTO REMOTO COM DRONES PARA AGRICULTURA DE PRECISÃO

DESCRIÇÃO: Noções sobre o uso dos Drones como ferramenta do sensoriamento remoto na agricultura. Vantagens no uso, equipamentos embarcados, softwares utilizados e aquisição de dados. Interação com os equipamentos e aprendizagem para uso.

PÚBLICO-ALVO: Estudantes de graduação e pós-graduação ou profissionais envolvidos em Agricultura de Precisão.

OBJETIVOS: Introduzir as principais formas de uso e aquisição de dados oriundos do levantamento aéreo com Drones.

PRÉ-REQUISITOS: Noções de informática.

CONTEÚDO PROGRAMÁTICO:-Introdução de conceitos; – Tipos de equipamentos; – Introdução aos softwares; – Utilização dos softwares; – Elaboração de planos de trabalho com drone; – Aquisição de dados;

INTRODUÇÃO AOS SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS (SIG): UMA ABORDAGEM UTILIZANDO O QGIS

DESCRIÇÃO: Amplamente utilizado na agricultura 4.0 e agricultura de precisão, o SIG é uma importante ferramenta na gestão de propriedades rurais, possibilita a intepretação das informações e dá base as tomadas de decisão. Neste curso serão abordados conceitos e ferramentas fundamentais para a utilização do SIG, tipos de dados, geoprocessamento das informações e criação de mapas para Agricultura de Precisão.

PÚBLICO-ALVO: Estudantes de graduação e pós-graduação ou profissionais envolvidos em Agricultura de Precisão.

OBJETIVOS: Entender os conceitos necessários para utilização dos softwares de SIG, utilizar as ferramentas básicas para extrair informações de interesse e gerar mapas para impressão.

PRÉ-REQUISITOS: Caso o participante deseje levar seu computador pessoal, o mesmo deverá ter o software QGIS 3.4 instalado.

CONTEÚDO PROGRAMÁTICO: Introdução ao SIG: O que é SIG; Sistemas de coordenadas de referência; Tipos de dados mais usados em SIG; O QGIS; Ferramentas básicas do software Geoprocessamento: Ferramentas de seleção; Ferramentas de interpolação; Ferramentas de geoprocessamento; Mapa de declividade do terreno; Criação de mapas para impressão.

PROGRAMAÇÃO LINEAR APLICADA AO PROCESSAMENTO DE PRODUTOS AGRÍCOLAS

DESCRIÇÃO: Programação Linear – PL é uma ferramenta de Pesquisa Operacional – PO aplicada em processo de tomada de decisão. Neste curso será abordado a proposição e solução de modelos de PL no ambiente do programa Microsoft Office Excel® empregando suplemento Solver®. Os modelos serão direcionados a solução de problemas relacionados ao processamento de produtos agrícolas quanto a formulações de alimentos, escala de trabalho em agroindústrias, controle de estoque e logística.

PÚBLICO-ALVO: Estudantes de graduação e pós-graduação e gestores de agroindústrias.

OBJETIVOS: Introduzir conhecimento de Pesquisa Operacional quanto ao emprego da ferramenta Programação Linear em processos de tomada de decisão e planejamento associados a agroindústrias.

PRÉ-REQUISITOS: Ter conhecimento básico Microsoft Office Excel. Trazer o notebook com o Microsoft Office Excel instalado®.

CONTEÚDO PROGRAMÁTICO: -Estrutura de modelos de Programação Linear – PL. -Uso do suplemento Solver no ambiente do programa Microsoft Office Excel. -Modelos clássicos de PL: a. dieta, b. escala de trabalho, c. controle de estoque, d. logística – transporte e expedição.

ZOOTECNIA

ANÁLISE DE DADOS NO SOFTWARE RBIO

DESCRIÇÃO: O software Rbio é um software gratuito para análises biométricas e estatísticas baseado na linguagem de programação R. Nesse curso serão apresentados os princípios básicos para análise de variância, análise de variância no delineamento inteiramente ao acaso, blocos, e arranjo fatorial. Serão ainda abordados os testes comparativos de médias, e análises de regressão.

PÚBLICO-ALVO: Estudantes de graduação, pós-graduação e profissionais que querem recordar alguns conceitos de estatística experimental.

OBJETIVOS: Apresentar a comunidade acadêmica o software Rbio, e mostrar seu potencial nas principais análises de estatística experimental.

PRÉ-REQUISITOS: Nenhum pré-requisito é exigido, mas conhecimento em R é um facilitador.

CONTEÚDO PROGRAMÁTICO: – Introdução ao Rbio – Instalação do R e Rbio – Estatísticas Descritivas – Análise de variância – Testes de médias – Análise de Regressão

BIOLOGIA GERAL

GENES – ESTATÍSTICA EXPERIMENTAL

DESCRIÇÃO: O Software Genes – Módulo Estatística Experimental é uma ferramenta indispensável a estudantes, pesquisadores e geneticistas, trata-se de procedimentos fundamentados em modelos estatísticos com larga aplicação nas diversas áreas da pesquisa e em atividades de ensino, tanto de graduação quanto de pós-graduação. As análises estatísticas têm sido utilizadas para a comprovação probabilística da veracidade de determinada hipótese e apresentação de descrições, de forma resumida, de eventos, sem perda de informações relevantes. O curso também aborda procedimentos relativos a operações e diagnósticos de matrizes. Para usar o software não há necessidade de ser programador. O software é muito amigável com o usuário.

PÚBLICO-ALVO: Estudantes de graduação, pós – graduação e pesquisadores.

OBJETIVOS: Introduzir as principais ferramentas do software, planejamento experimental, sorteio, carregar planilhas de dados, exportar arquivos do Excel para o Genes, análise de variâncias em delineamento inteiramente ao acaso, blocos ao acaso, lattes, parcela subdivida e fatorial, teste de médias, regressão e correlações, obtenção de matrizes de variâncias e covariâncias.

PRÉ-REQUISITO: Nenhum

CONTEÚDO PROGRAMÁTICO:  – Instalação, procedimentos básicos e código de erros comuns;  – Planejamento Experimental; – Sorteio; – Preparar arquivos e carregar arquivos do excel para o Genes;  – Delineamentos experimentais (DIC, DBC, Lattes, Parcela Subdividida e Fatorial); – Teste de médias; – Regressão;  – Correlações.

ENGENHARIA FLORESTAL

SOFTWARE MATA NATIVA 4

DESCRIÇÃO: Curso de nível básico a intermediário da utilização do software Mata Nativa 4 que permite a execução de cálculos relacionados ao inventário florestal com elevada precisão, mobilidade, facilidade e agilidade.

PÚBLICO-ALVO: Direcionado a profissionais e alunos de graduação e pós- graduação que trabalhem com inventário de florestas plantadas ou nativas. Geralmente procurado por alunos de Engenharia Florestal, Agronomia e Ciências Biológicas.

OBJETIVOS: Promover o aprendizado da utilização do software em sua versão tradicional e na versão móvel.

PRÉ-REQUISITOS: Conhecimento de conceitos básicos de inventário florestal.

CONTEÚDO PROGRAMÁTICO: – Breve explicação sobre práticas e conceitos de inventário florestal; – Software Mata Nativa 4: importação e exportação de projetos; gerar e restaurar cópias de segurança; criar novo projeto; cadastro de espécies, de parcelas e de árvores; calcular volume de árvore individual; inserir atributos de espécies, parcelas e árvores e cadastro de fórmula de volume; – Importação de dados do Excel para o Mata Nativa: preparar planilhas para importação; importação de dados propriamente dita e exportação de dados; – Cálculos: Florística, diversidade, estrutura horizontal, estrutura diamétrica e amostragem; – Exercício; – Mata Nativa Móvel.

ARCGIS

DESCRIÇÃO: Saber associar dados à sua localização é algo extremamente poderoso na compreensão de um fenômeno, por vezes, imprescindível. Isso não é uma constatação nova, a primeira Lei da Geografia já afirma que tudo está relacionado com tudo, porém coisas mais próximas estão mais correlacionadas do que as distantes. Em virtude disso, este curso almeja introduzir ao aluno formas de representar elementos do mundo real em um ambiente virtual, por meio de um Sistema de informações Geográficas (SIG), que nos permite visualizar, criar e armazenar dados geográficos, além, de fazer análises espaciais e belos mapas. O ArcGIS será a plataforma SIG adotada durante o curso, esta é a líder do mercado no que se refere a Geotecnologias.

PÚBLICO-ALVO: Pessoas que tenham a mínima ou nenhuma experiência com SIG.

OBJETIVOS: Após completar este curso, você será capaz de: – Visualizar feições espaciais e acessar informações sobre elas; – Realizar análises espaciais para responder questões e criar novas informações; – Elaborar mapas.

PRÉ-REQUISITOS: Experiência com aplicativos baseados na plataforma Windows para gerenciamento básico de arquivos e navegação entre os dados quando necessário.

CONTEÚDO PROGRAMÁTICO:  – Conceitos de SIG; – Modelo de dados geográficos; – Como construir banco de dados geográficos; – Análises espaciais; – Criação de um mapa.

 PROCESSAMENTO DE NUVEM DE PONTOS LIDAR NO R

DESCRIÇÃO: LiDAR (Light Detection and Ranging) é o termo designado para descrever o sensor remoto ativo que utiliza energia a laser para detecção de objetos. Este curso irá fornecer um panorama sobre o proessamento de nuvem de pontos geradas com sensores LiDAR aerotransportados, principalmente para o aplicações no setor florestal. O curso será baseado no pacote LidR.

PÚBLICO ALVO: Estudantes e profissionais interessados em sensoriamento remoto com LiDAR (Light Detection and Ranging).

OBJETIVOS: Fornecer aos participantes uma visão geral do processamento de dados LiDAR.

PRÉ-REQUISITOS: Conhecimento básico em R.

CONTEÚDO PROGRAMÁTICO: – Introdução ao LiDAR e suas aplicações; – Importação, visualização e filtragem da nuvem de pontos; – Geração de modelos digitais (MDT, MDS, MDC); – Cálculo de estatísticas da nuvem de pontos (métricas); – Aplicação do LiDAR na detecção de topo de árvores.

TIMESAT ANÁLISES DE SÉRIES TEMPORAIS NDVI

DESCRIÇÃO: Neste curso o participante aprenderá a preparar, inserir e analisar dados de séries temporais MODIS NDVI no software livre TIMESAT usado para a extração de métricas de sazonalidade da vegetação. Através da análise de dados do índice espectral o participante aprenderá a reconhecer o comportamento fenológico de fitofisionomias. Dentre as métricas estudadas estão o início, duração, amplitude e fim da estação de crescimento das populações vegetacionais. PÚBLICO-ALVO: Estudantes de pós-graduação e graduação e profissionais envolvidos com pesquisas sobre a análises do comportamento fenológico da vegetação através da observação e análises de séries temporais. OBJETIVOS: Introduzir o uso do software livre TIMESAT como ferramenta para análises de series temporais e extração de métricas fenológicas. PRÉ-REQUISITOS: Conhecimentos básicos de ArcGIS e linguagem R de programação. CONTEÚDO PROGRAMÁTICO: Geração de pixels puros no ArcGIS; – Extração dos valores de NDVI dos pixels puros no R (pacote labgeo); – Explanação sobre as funcionalidades do TIMESAT; – Extração das métricas fenológicas no TIMESAT;        – Análise dos dados temporais obtidos   

R: MODELAGEM DE REGRESSÃO

DESCRIÇÃO: Um curso focado na introdução aos conceitos e usos básicos dos mais utilizados modelos de regressão lineares para investigação de relações entre variáveis e informações preditivas. Portanto nesse curso será abordado: pré-processamento de dados (correlação e linearidade) e execução de modelos (ex: LM e GLM).

PÚBLICO-ALVO: Aberto a todos os públicos, mas com especial foco para pós-graduandos de todas as áreas.

OBJETIVOS: Fornecer conceitos básicos de uso, princípios, execução e interpretação de resultados de modelagens lineares popularmente utilizadas em multiáreas.

PRÉ-REQUISITOS: Noção básica de uso do software R (ex: importação e carregamento de dados, instalação e carregamento de pacotes, execução de funções básicas como cálculos de médias, desvios padrões, etc); Portar notebook com sistema operacional Windows (o curso não é operável para Mac e Linux) contendo a versão mais atual do software R instalado; Noção de estatística básica (ex: média, variância, desvio padrão, regressão simples).

CONTEÚDO PROGRAMÁTICO:  – Introdução teórica aos modelos lineares;  – Testes de normalidade e ajuste de resíduos;  – Testes de homocedasticidade e linearidade;  – Testes de correlação e inflação de variância; – LM (modelos lineares); – GLM (Modelos lineares generalizados); – GLMM (Modelos lineares generalizados mistos);  – Seleção e média de modelos via critério Akaike; – Testes post-hoc (Tukey HSD e LmerTest); – Regressão Logística.

INTRODUÇÃO A ESTATÍSTICA NO R

DESCRIÇÃO: Diferentemente de um curso de introdução ao uso a linguagem de programação R, este curso é focado na aplicação da estatística básica (ex: ANOVA, uma e duas amostras) no R. Assim, o conteúdo desse curso é um bom ponto de partida para quem já iniciou aprendizagem do uso do R, mas precisa se aprimorar em aplicações estatísticas básicas.

PÚBLICO-ALVO: Aberto a todos os públicos, mas com especial foco para pós-graduandos de todas as áreas.

OBJETIVOS: Fornecer conceitos básicos de uso, execução e interpretação de resultados de métodos e testes da estatística básica.

PRÉ-REQUISITOS: Noção básica de uso do software R (ex: importação e carregamento de dados, instalação e carregamento de pacotes, execução de funções básicas como executar funções de pacotes); Portar notebook com sistema operacional Windows (o curso não é operável para Mac e Linux) contendo a versão mais atual do software R instalado; Noção de estatística básica (ex: média, variância, desvio padrão, regressão simples).

CONTEÚDO PROGRAMÁTICO: – Testes de normalidade;  – Estatística descritiva (ex: variância, médias, medianas, desvio padrão)  – Transformação de dados (ex: raiz quadrada, log, inversa, arcoseno) – Testes de uma amostra (Teste T e Wilcoxon);  – Testes de duas amostras independentes e dependentes (ex: Teste T pareado); – ANOVA (paramétrica e não paramétrica); – Testes a posteriori (ex: Tukey e Dunnet); – Testes de correlação (ex: Pearson); – Regressão linear (LM).– Formatos de apresentação em artigos.

REDES NEURAIS ARTIFICIAIS NO SOFTWARE NEUROFOREST

DESCRIÇÃO: As redes neurais artificiais são ferramentas computacionais extremamente úteis no tratamento de diversos problemas nas mais diversas áreas do conhecimento. Por trata-se de uma técnica relativamente nova no que tange às suas aplicações na área florestal, esse curso pretende sistematizar os principais conceitos sobre essa ferramenta e suas aplicações utilizando o software NeuroForest. O NeuroForest é um software em Java, que possibilita o treinamento e a aplicação de redes neurais artificiais em uma plataforma intuitiva e amigável, utilizando planilhas eletrônicas.

PÚBLICO-ALVO: Estudantes de graduação e pós-graduação, profissionais da área florestal e qualquer pessoa com interesses na abordagem de redes neurais artificiais aplicadas.

OBJETIVOS: Introduzir conceitos teóricos sobre redes neurais artificiais e demonstrar aplicações práticas na área florestal, utilizando o software Neuro4.

PRÉ-REQUISITOS: Notebook com Java instalado e atualizado https://www.java.com/pt_BR/download/)

CONTEÚDO PROGRAMÁTICO: – Teorias e histórico das ferramentas de aprendizado de máquina; – Teoria e fundamentos das Redes Neurais Artificiais;- Tipologias e estruturas de Redes Neurais Artificiais; – Utilização do Neuro4: – A interface do Neuro4 – Importando e exportando arquivos de dados – Exemplos práticos (Estimativas de Altura; Estimativas de Volume e Taper; Estimativas dendrométricas utilizando variáveis ambientais).

QGIS

DESCRIÇÃO: O QGIS é um software de Sistema de Informação Geográfica (SIG) de Código Aberto licenciado segundo a Licença Pública Geral GNU. É um projeto oficial da Open Source Geospatial Foundation (OSGeo). No curso de QGIS o participante irá ser capaz de entender o mundo real através do computador, visualizar, criar, editar eanalisar dados geográficos.

PÚBLICO-ALVO: Qualquer pessoa interessada em sistemas de informações geográficas.

OBJETIVOS: Incentivar o uso do software livre e gratuito em operações de geoprocessamento e sensoriamento remoto.

PRÉ-REQUISITOS: -Noções básicas em informática; – QGIS 3.4.x Long Term Released (LTR – longa duração); – Uso do computador pessoal (opcional)

CONTEÚDO PROGRAMÁTICO: -Conceitos em sistemas de informações geográficas; – Como instalar o QGIS; – Conhecendo o QGIS; – Como instalar plugins;- Integração com GRASS, SAGA e R; – Uso do complemento QuickMapServices; – Processos de edição vetorial; – Manipulação de atributos; – Cálculo de áreas; – Consulta SQL; – Confecção de mapa temático.

REDES NEURAIS EM R

DESCRIÇÃO: As redes neurais artificiais são consideradas as técnicas de Machine Learning (aprendizagem de máquina) mais eficientes da atualidade. Neste curso serão abordados conceitos sobre neurônio artificial, redes multicamada, função de ativação, descida do gradiente e algoritmo backpropagation (retropropagação), para o entendimento e aplicação das redes neurais.

PÚBLICO-ALVO: Qualquer pessoa interessada em aprender o funcionamento teórico e prático de redes neurais artificiais.

OBJETIVOS: Apresentar os principais conceitos teóricos de forma simples, e fornecer ferramentas para que o aluno aplique as redes neurais em problemas de regressão e classificação.

PRÉ-REQUISITOS: Conhecimento básico em R

CONTEÚDO PROGRAMÁTICO: – Introdução as redes neurais; – Paradigmas de aprendizagem; – Neurônio artificial e funções de ativação; – Redes multicamadas; – Descida do gradiente; – Algoritmo backpropagation; – Aplicação das redes neurais em problemas de regressão e classificação no R; – Avaliação das redes neurais.

GREENUP – SISTEMA DE SUPORTE A DECISÃO NO PLANEJAMENTO FLORESTAL ESTRATÉGICO. SIGMAE – OTIMIZAÇÃO DE MULTIPRODUTOS.

DESCRIÇÃO:O sistema Greenup foi criado para resolver problemas de regulação florestal com restrições espaciais utilizando meta-heurísticas, neste curso serão abordados conceitos referentes a regulação florestal, tipos de restrições espaciais utilizadas nos modelos, além de uma breve descrição das meta-heurísticas Simulated annealing, Grasp, Algoritmo Genético e VNS.  O sistema Sigma e foi desenvolvido utilizando programação dinâmica e é utilizado para otimizar o sortimento florestal. PÚBLICO-ALVO: Estudantes de Graduação de Pós-Graduação de todas as áreas. OBJETIVOS:Apresentar as principais funcionalidades dos softwares Sigmae e Greenup preparar os dados para análise e de um problema para resolução. PRÉ-REQUISITOS: nenhum CONTEÚDO PROGRAMÁTICO: -Instalação dos softwares; – Apresentação das funcionalidades; – Apresentação das meta-heurísticas para uso no Greenup; – Preparando os dados do problema no Excel; – Exportando os dados; – Apresentação das funcionalidades de Sigmae; – Preparando os dados para processamento; – Analisando e exportando os resultados no Sigmae.

INTRODUÇÃO À PLATAFORMA GOOGLE EARTH ENGINE

DESCRIÇÃO: Google Earth Engine é uma plataforma de computação baseada em nuvem para análises geoespaciais e sensoriamento remoto em larga escala. PÚBLICO-ALVO:Devem participar estudantes de graduação, pós-graduação e professores interessados em aprender uma nova ferramenta para análises geoespaciais e sensoriamento remoto. OBJETIVOS: Divulgar a plataforma Google Earth Engine para a comunidade acadêmica. Incentivar a utilização de linguagens de programação pela comunidade acadêmica. Introduzir as principais ferramentas da plataforma. PRÉ-REQUISITOS:Conhecimento básico em lógica de programação, geoprocessamento e sensoriamento remoto. CONTEÚDO PROGRAMÁTICO: – Criação de usuário e acesso à plataforma; –  Introdução ao GEE Code Editor; -Inserção de dados na plataforma; -Operações comuns de SIG no GEE; -Trabalhando com Image Collections; – Filtros temporais e funções Reducer; – Criação de funções para calcular indices de VegetaçãO; – Classificação de imagem utilizando Random Forest; – Exportação de dados

R-BÁSICO

DESCRIÇÃO:R é uma linguagem e um ambiente para modelagem estatística, construção de gráficos, altamente extensiva a outras aplicações. Neste curso, serão abordados aspectos básicos da programação em R, tais como: principais funções, tipos de objetos, variáveis e manipulação de dados. Este curso consiste na etapa inicial do desenvolvimento de habilidades de programação. PÚBLICO-ALVO: Qualquer pessoa interessada em desenvolver habilidades de programação. OBJETIVOS:Introduzir as principais ferramentas, funções e procedimentos utilizados no processamento de dados com a linguagem R. PRÉ-REQUISITOS: Conhecimentos básicos em computação. CONTEÚDO PROGRAMÁTICO: – Download e instalação do R e de pacotes; – Funções básicas da linguagem R; – Tipos de dados e de objetos na linguagem R; – Importação de dados; – Manipulação de objetos; – Exportação de dados processados.

R-DELINEAMENTOS

DESCRIÇÃO: Sob condições de normalidade e homocedasticidade em relação a variável predita, a análise de variância (ANOVA) permite discriminar variações ocorridas em um experimento segundo suas componentes (tratamentos, blocos, fatores). A linguagem R, por sua vez, é uma ferramenta essencial para análises estatísticas como ANOVA, além de possuir diversas bibliotecas que estendem sua funcionalidade e aplicações. PÚBLICO-ALVO:Interessados em aprimorar habilidades estatísticas, sobretudo quanto a experimentação. Desejável conhecimento básico na linguagem R. OBJETIVOS:O objetivo deste curso é compilar e exemplificar algumas análises de estatística experimental na linguagem R. PRÉ-REQUISITOS:Conhecimento básico quanto a manipulação de objetos na linguagem R. CONTEÚDO PROGRAMÁTICO: – Estatística descritiva (Medidas de tendência central, dispersão, construção de gráficos); – Análise de variância – ANOVA (Delineamentos: Inteiramente Casualizado, em Blocos e em Esquema Fatorial); – Análise de regressão (linear e não linear)