Sala Isaac Newton
Área interna do Museu da Matemática
Entrada do Museu da Matemática
Prédio do Museu da Matemática
Galeria 2 do Museu da Matemática
Sala René Descartes
Experimento do Museu da Matemática
Aula 7 do Curso de Matemática
Experimento do Museu
Entrada do Museu da Matemática
Formatura na Páscoa
Uma aula de matemática básica
BIG DATA
Leis Preditivas abduzidas como lições de aprendizagem.
Curso Prandiano de 
 BIG DATA

Esse Curso não se ocupa em apresentar técnicas de coleta e armazenamento de dados e menos ainda em treinar os seus alunos nessa ou naquela plataforma de software da moda. Mesmo porque o importante do Curso é capacitar o candidato a cientista de dados a desenvolver sua própria plataforma de Data Analysis. 

Público:

estudantes ou profissionais que 

possuam noções

de matemática

informações sobre o curso

Serão 12 aulas

(aproximadamente uma por mês)

Público:

estudantes ou profissionais que possuam 

noções de matemática

turma:

aos domingos, às 15h30

 

 Matrículas abertas!

Para se matricular, escreva para 

contato@prandiano.com.br ou

 

pelo WhatsApp (11)96335-4224

ou ligue no (12)39317281

Museu da Matemática Prandiano

Rua Gaspar Lourenço, 64 - Vila Mariana

Metrô Ana Rosa

São Paulo (SP)

preço

(material já incluso)​

Custa R$5.000,00 à vista. 

 

Esta valor pode ser parcelado em até 10x no cheque pré-datado (o primeiro no ato da inscrição e os outros com data a cada 30 dias). 

 

Ou, este valor, pode ser pago em até 5x no cartão mas com correção de 5%.

1a aula: 13/06 (domingo) 15h30

2a aula: 04/07 (domingo) 15h30

3a aula: 25/07 (domingo) 15h30

4a aula: 22/08 (domingo) 15h30

5a aula: 19/09 (domingo) 15h30

6a aula: 17/10 (domingo) 15h30

7a aula: 28/11 (domingo) 15h30

8a aula: 19/12 (domingo) 15h30

9a aula: 09/01 (domingo) 15h30

10a aula: 30/01 (domingo) 15h30

11a aula: 13/02 ((domingo) 15h30

12a aula: 27/02 ((domingo) 15h30

as aulas
conteúdo

​​

  • Algoritmo Genético

  • Modelo Creditus (Disjungo de Tomadores de Crédito)

  • Modelo Divortium (Disjunção de Casais)

  • Modelo Diagnosticus(Aplicativo Médico)

  • Modelo Excolha(Admissão de Empregados)

  • Teste Qui – Quadrado 

  • Estatistitica Newcomb-Benford

  • Modelo Frauss (Contabilometria de Fraudes)

  • Sequência Mereológica de Fibonacci

  • Support Scalar Machine 

  • Discriminante de Fisher (Estatística Multivariada) 

  • Abdução e Big Data

  • Espisteme Abdutiva

  • Dendrometria de Contabilometria 

  • Seguro Contra Risco de Morte

  • Escolha Computacional de Mudas de Eucalipto

  • Data Dendrogram 

  • Padronização de Dados

  • Operações de Dendrostâncias

  • Matriz Fenética e Matriz Cofenética (Semiose e Noeses)

  • Dendrograma de Jatos Comerciais e Possíveis Namorados 

  • Desdobramento do Diabetes Tipo 2 (Retinopatas, Arteriopatas, Nefropatas, Assitomatas)

  • Outliers Data (Estatística Robusta)

  • Kmeans de MacQueen (Análise de Clusters)

  • (Aprendizado de Máquina não Supervisionado)

  • Análise Química de Sucos

  • Cálculo do Elbow Data Chart

  • WithinSum e suas Sementes e seus Medioides

  • Modelo Civitas (Valoração de IPTU com Partição de Veronoi)

  • Clusters de Agências de Rating

  • Produto Escalar

  • Média, Variância, Covariância, Desvio Padrão e 

  • Correlação com Bolhas de Sabão

  • Matriz Inversa e Solução de Sistemas de Equações 

  • Mahalanobis Classifier (Classificação de Asteroides) 

  • Persona 

  • (Personalidades em Redes Sociais por Postagem de Fotos)

  • Venda de Apartamentos e Carros Usados

  • Modelo Sensus (Sensoriamento Remoto)

  • Sensor de Pedágios e Dados Coletados

  • Support Vector Machine

  • Modelo Gatinho (Roubo de Luz e Água)

  • Radial Basis Function

  • Álgebra da Matriz Pseudo Inversa

  • Data Pesca(Propensão de Pesca)

  • Data Gênero (Indicação de Gênero)

  • Modelo Bigpropdata(Testes de Propulsores à Jato)

  • Modelo Saccharum (Estimativa de Produtividade Agrícola)

  • Modelo Prior (Previsão de Vendas de Produtos com Lag 2 e Lag 3) 

  • Expoente de Hurst (Mulas de Mandelbrot)

  • Morfogênese Fractal de Sinais Gráficos 

  • Modelo Petroleum (Avaliações de Jazidas de Óleo com Hurst e Fractal)

  • Lógica Fuzzy – Pertinência Nebulosa

  • Lógica Formal e Lógica Informal

  • Medicina Prescritiva de Precisão 

  • Profissiográficos de Funcionários e Demissionários 

  • Modelo Litigium (Ações Trabalhistas) 

  • Modelo Fallibilis (Empresas com Probabilidade de (in)Solvência 

  • Matemática Thing – Think 

  • Internet das Coisas (Estatística Bivariada) 

  • Variância e Desvio Padrão do Produto de Variáveis

  • DP(AxB) e VAR(AxB) 

  • Teoria do Ponto Fixo (Movimento de Cartões de Crédito)

  • Modelo Porcus (Vocalização Animal e suas Doenças iOt)

  • Anova (Análise de Variância)

  • Between and Within Sum

  • Aplicação de Nematicidas

  • Classificador  de Mahalanobis

É sabido que o momento exige dos diversos profissionais o domínio de algoritmos que potencializam o processamento de grandes volumes de informações - big data, desdobrados no entendimento ótimo das suas profissões.
O Curso Prandiano de Big Data, desenvolvido e ministrado pelo Prof. Ricieri (ITA), aborda os principais tópicos matemáticos de Data Science mirando descobrir e aplicar as regras de coocorrências dos it_sets de um banco de dados:
Leis Preditivas abduzidas como lições de aprendizagem.
Esse Curso não se ocupa em apresentar técnicas de coleta e armazenamento de dados e menos ainda em treinar os seus alunos no software da moda. O importante do Curso é capacitar o candidato a cientista de dados a desenvolver sua própria plataforma de Data Analysis.  
    
Panfleto curso de big data prandiano
Panfleto curso de big data prandiano
Panfleto curso de big data prandiano
Página_1_-_Panfleto_Big_Data.jpg
Abaixo algumas amostras do conteúdo do Curso Prandiano de Big Data. Clicando nas imagens é possível ver mais do material das aulas:    
Análise de Padrões big data

O Curso de Big Data de lousa - uma comemoração dos 35 da Prandiano Museu da Matemática, desenvolvido a pedido de seus ex-alunos, é ministrado pelo prof Ricieri (ITA), que não entende nada de computação, muito menos de banco de dados, mas que entende de matemática.

 

O Curso tem como objetivo popularizar as principais técnicas que permitem a formatação de modelos matemáticos de aprendizagem de máquina e que necessitam de um banco de dados copioso. Para isso, esse Curso foi desenvolvido em um ano de atividades, baseado em suas experiências de consultorias, e foi escrito procurando didatizar estas técnicas, muitas vezes difíceis de serem compreendidas pelos usuários dos softwares da moda. 

 

Por isso, é bom saber, você que pretende fazer este Curso, que nele estão matriculados advogados, professores universitários, médicos, estudantes de pós-graduação, estudantes de graduação, curiosos, e funcionários de empresas e bancos. Aos quais caberá absorver as informações segundo suas capacidades técnicas. 

Assim, isso posto, a intenção original do Prof. Ricieri é permitir que seu aluno desenvolva alguma aplicação útil do Curso na sua área de atuação. Daí os inúmeros modelos de lousa feitos com banco de dados didatizados com no máximo seiscentas lições ou linhas de aprendizagem.