ONLINE | Uso de inteligência artificial na previsão de propriedades metalúrgicas de produtos siderúrgicos
inscreva-seProver aos alunos conhecimentos gerais sobre os desafios do modelamento das propriedades metalúrgicas de produtos siderúrgicos através de técnicas de inteligência artificial. Apresentar o estado da arte da tecnologia de Inteligência Artificial, bem como seus conceitos básicos. Discutir conceitos relacionados à tomada de decisões orientada por dados (Data-Driven). Explorar o modelamento de um caso real através de Auto Machine-Learning. Comparar os resultados obtidos com diferentes tecnologias a partir de um mesmo conjunto de dados. Discutir o mercado de trabalho atual e as demandas por qualificação em tecnologias preditivas
Profissionais de nível técnico ou superior envolvidos com o tema ou que tenham interesse em aprofundar seus conhecimentos.
Estudantes de nível técnico ou superior que tenham conhecimentos básicos ou experiência no tema.
Para participar é indispensável o uso de um equipamento com conexão à internet e sistema de áudio.
Regulamento:
- A transmissão das aulas será ao vivo, com interatividade e a gravação disponibilizada por até 05 dias úteis após o término do curso;
- Para participar, é indispensável o uso de um equipamento com conexão de internet e áudio (headset, caixa de som, etc.);
- O acesso será enviado aos participantes por meio de link, após a confirmação do pagamento;
- O material didático será enviado pelo aplicativo;
- O certificado de participação é emitido somente aos alunos que responderem a pesquisa de satisfação;
- Atenção: A inscrição no curso não garante a sua realização e a ABM reserva-se ao direito de adiá-lo ou cancelá-lo, caso não haja quórum.
- A confirmação do curso é feita até 1 semana antes da data de realização, a depender do quórum. Se o curso for cancelado, informaremos por e-mail.
- O pagamento do curso poderá ser feito das seguintes formas: boleto bancário, cartão de crédito ou faturamento em nome da empresa.
- Após o pagamento da inscrição não serão aceitos cancelamentos. A inscrição é pessoal e intransferível, sendo aceita substituição de participante somente quando comunicada formalmente até 72 horas (3 dias) antes do início do curso e devidamente autorizada pela ABM. A troca só será autorizada se o participante pertencer a mesma categoria de taxa de inscrição.
- Não será aceita a participação de pessoas não inscritas e não autorizadas. Participantes não autorizados terão acesso bloqueado.
Faturamento para empresa:
Dúvidas devem ser encaminhadas à financeiro@abmbrasil.com.br
WARNING - this course will be available only in portuguese.
Registration for foreigners:
Please send a message to cursos@abmbrasil.com.br, informing which course you want to register for.
Alisson Paulo de Oliveira
Engenheiro Metalurgista, UFMG, com passagem por diversas empresas do setor siderúrgico em mais de 20 anos de trajetória profissional. Atuação profissional em diversas áreas do processo siderúrgico: Refino, Lingotamento Contínuo de Placas e Beam Blanks, Lingotamento Convencional, Laminação de Tiras a Quente, Trefilarias, Laminação de Fio Máquina e Perfis Estruturais. Atuação no desenvolvimento de variados aços para diversas aplicações e projetos de melhoria visando o aumento de qualidade dos produtos e aumento de rendimento.
Doutorando e Mestre em Engenharia Metalúrgica e de Minas, ambos pela UFMG, Dissertação de Mestrado desenvolvida em Modelos Matemáticos de Previsão de Propriedades Mecânicas de Perfis Laminados, utilizando técnicas de Inteligência Artificial (Redes Neurais Artificiais) e Modelamento Estatístico. Sua tese de doutorado é intitulada: Mecanismo de aumento de resistência em aços HSLA com adição de Boro em Laminador de Tiras a Quente. Também é pós-graduado, nível especialista, em Gestão de Negócios e Gestão de Projetos, pela Fundação Dom Cabral. Foi membro do PMI-USA/BR (Project Management Institute) entre Out./2012 e Out./2020.
Atualmente é consultor, com atuação global, da CBMM S/A e de outras empresas do setor siderúrgico, através da NSigma Consulting.
Leonardo Sene de Lourenço
Estatístico pela Unesp de Presidente Prudente, mestre e doutor em Engenharia Agrícola pela Unicamp, tendo atuado por 8 anos em empresas do mercado financeiro (Itaú) e de seguros (Seguros Unimed) em áreas como Desenvolvimento de Negócios, Risco de Crédito, CRM e Fraude. Com 12 anos de experiência docente em cursos de graduação e pós graduação lecionando disciplinas da área Estatística, Matemática Financeira e Pesquisa Operacional nas Universidades Anhembi Morumbi, Estácio de Sá, Senac, Uninove e UniSalesiano. Nos últimos 3 anos atua como cientista de Dados Sênior em diferentes consultorias, sendo a Inteligência de Negócios a empresa atual. Prestando serviços para diferentes tipos de clientes como: General Motors, Bradesco, Agis, Amil, Samarco, ONS, dentre outros.
Introdução: A modelagem de Processos Industriais com o uso de ferramentas de Inteligência Artificial
• Uso de IA em processos siderúrgicos;
• Ferramentas de IA para previsão de propriedades metalúrgicas de produtos laminados.
Data Driven: O que é???
• Cenários e Tecnologias.
• Os dados.
• Análises vs. Relatórios.
• Profissionais envolvidos.
• Maturidade.
• Como é uma organização Data-Driven?
Revisão Bibliográfica
• Inteligência Artificial: Origem, principais tecnologias;
• Redes Neurais Artificiais.
Metodologia
• Obtenção/Características do Banco de Dados;
• Tratamento do Banco de Dados;
• Desenvolvimento do modelo em Redes Neurais Artificiais;
• Tamanho da camada oculta.
Desenvolvimento de modelos para previsão de propriedades mecânicas de aços HSLA em laminador de perfis estruturais, Resultados e Discussões
• Variáveis escolhidas para modelamento;
• Gráficos de Dispersão: Limite de Resistência;
• Metodologia para Modelamento: Desenvolvimento do Modelo no AutoML (Auto Machine Learning);
• O que é o AutoML;
• O uso do DataRobot como AutoML;
• Modelos construídos: Geral vs. Customizado, conforme validação estatística e metalúrgica;
• Desenvolvimento dos modelos na plataforma de AutoML DataRobot: BluePrint, Competição entre Modelos, Teste e Análise de Sensibilidade, Associação de Características, Dependência Parcial, Impacto das Variáveis de Entrada, Análise de Resíduos;
• Simulação das Propriedades Mecânicas nas Faixas de Validade: Validação Metalúrgica.
Aplicação/Demonstração prática da plataforma de Auto ML DataRobot pelo cientista de dados Leonardo Lourenço da A10br Analytics Advance.
• Conceito de AutoML;
• Posicionamento do software DataRobot no mercado;
• Funcionamento do software;
• Entrada de dados;
• Configuração avançada de modelagem;
• Diferenças das três formas de se modelar (Autopilot, Quick e Comprehensive);
• Análise descritiva e criação de subconjunto de dados;
• Interpretação dos modelos gerados;
• Formas de melhorias na modelagem;
• Escoragem de bases;
• Monitoramento dos modelos.
Indústria 4.0
Profissional 4.0
Conclusões
Referências Bibliográficas
| Categoria | Valor |
| Associado Júnior | 288,00 |
| Associado - Remido / Sênior / Titular | 480,00 |
| *Novo Associado - Sênior / Titular *(somente uma anuidade paga) | 672,00 |
| Empregado de Empresa Mantenedora | 768,00 |
| Empregado de Empresa Associada | 864,00 |
| Não Associado | 960,00 |
