{"id":2730,"date":"2026-11-17T14:35:31","date_gmt":"2026-11-17T17:35:31","guid":{"rendered":"https:\/\/wp.ufpel.edu.br\/engmateriais\/?p=2730"},"modified":"2026-11-17T14:35:53","modified_gmt":"2026-11-17T17:35:53","slug":"2730","status":"publish","type":"post","link":"https:\/\/wp.ufpel.edu.br\/engmateriais\/2026\/11\/17\/2730\/","title":{"rendered":"Intelig\u00eancia Artificial aplicada \u00e0 Qu\u00edmica"},"content":{"rendered":"<p>Publica\u00e7\u00e3o \u00e0 pedido:<\/p>\n<p>&nbsp;<\/p>\n<h1>Intelig\u00eancia Artificial aplicada \u00e0 Qu\u00edmica<\/h1>\n<p><strong>Introdu\u00e7\u00e3o \u00e0 an\u00e1lise de dados e ao aprendizado de m\u00e1quina com Python<\/strong><\/p>\n<p><img decoding=\"async\" class=\"an1\" draggable=\"false\" src=\"https:\/\/fonts.gstatic.com\/s\/e\/notoemoji\/17.0\/1f4c5\/32.png\" alt=\"&#x1f4c5;\" data-emoji=\"&#x1f4c5;\" aria-label=\"&#x1f4c5;\" \/> <strong>Datas:<\/strong> 30 de novembro, 01 e 03 de dezembro de 2026<br \/>\n<img decoding=\"async\" class=\"an1\" draggable=\"false\" src=\"https:\/\/fonts.gstatic.com\/s\/e\/notoemoji\/17.0\/1f556\/32.png\" alt=\"&#x1f556;\" data-emoji=\"&#x1f556;\" aria-label=\"&#x1f556;\" \/> <strong>Hor\u00e1rio:<\/strong> 19h \u00e0s 21h \u2014 hor\u00e1rio de Bras\u00edlia<br \/>\n<img decoding=\"async\" class=\"an1\" draggable=\"false\" src=\"https:\/\/fonts.gstatic.com\/s\/e\/notoemoji\/17.0\/1f4bb\/32.png\" alt=\"&#x1f4bb;\" data-emoji=\"&#x1f4bb;\" aria-label=\"&#x1f4bb;\" \/>\u00a0<strong>Evento 100% online<\/strong>, com inscri\u00e7\u00f5es gratuitas (at\u00e9 30\/11) e certificado de participa\u00e7\u00e3o de <strong>6 horas<\/strong>.<\/p>\n<p><strong>Link para inscri\u00e7\u00e3o:<\/strong><\/p>\n<p><img decoding=\"async\" class=\"an1\" draggable=\"false\" src=\"https:\/\/fonts.gstatic.com\/s\/e\/notoemoji\/17.0\/1f449\/32.png\" alt=\"&#x1f449;\" data-emoji=\"&#x1f449;\" aria-label=\"&#x1f449;\" \/> <a href=\"https:\/\/www.even3.com.br\/inteligencia-artificial-aplicada-a-quimica-804324\/\" target=\"_blank\" rel=\"noopener\" data-saferedirecturl=\"https:\/\/www.google.com\/url?q=https:\/\/www.even3.com.br\/inteligencia-artificial-aplicada-a-quimica-804324\/&amp;source=gmail&amp;ust=1795014596417000&amp;usg=AOvVaw31DmutJbtjVaPIP41sCN-1\"><strong>REALIZAR INSCRI\u00c7\u00c3O<\/strong><\/a><\/p>\n<p><strong>Ministrado por:<\/strong><\/p>\n<p><strong>Dr. Gabriel Nicolai<\/strong><br \/>\nDoutor em Engenharia Qu\u00edmica pela Unicamp<\/p>\n<h1><\/h1>\n<h1>O que ser\u00e1 abordado no workshop<\/h1>\n<h2><span style=\"color: #ff0000;\">Aula 1 (30\/11) \u2014 Intelig\u00eancia artificial, dados e Python para Qu\u00edmica<\/span><\/h2>\n<h3>Conte\u00fado program\u00e1tico<\/h3>\n<ul>\n<li>O que s\u00e3o intelig\u00eancia artificial, aprendizado de m\u00e1quina, deep learning e intelig\u00eancia artificial generativa;<\/li>\n<li>Diferen\u00e7as entre previs\u00e3o de propriedades, classifica\u00e7\u00e3o de compostos, otimiza\u00e7\u00e3o e gera\u00e7\u00e3o de mol\u00e9culas;<\/li>\n<li>Aplica\u00e7\u00f5es da IA em descoberta de f\u00e1rmacos, desenvolvimento de materiais, toxicidade, an\u00e1lise espectral, planejamento de s\u00ednteses e otimiza\u00e7\u00e3o de processos;<\/li>\n<li>Como mol\u00e9culas, materiais, experimentos e propriedades qu\u00edmicas podem ser representados como dados;<\/li>\n<li>Organiza\u00e7\u00e3o de dados qu\u00edmicos em amostras, vari\u00e1veis, descritores e propriedades;<\/li>\n<li>Introdu\u00e7\u00e3o ao Google Colab;<\/li>\n<\/ul>\n<ul>\n<li>Opera\u00e7\u00f5es qu\u00edmicas simples com Python;<\/li>\n<li>C\u00e1lculos de massa, quantidade de mat\u00e9ria, concentra\u00e7\u00e3o, dilui\u00e7\u00e3o e convers\u00e3o de unidades;<\/li>\n<li>Identifica\u00e7\u00e3o de amostras, vari\u00e1veis de entrada e propriedade-alvo em uma base qu\u00edmica.<\/li>\n<\/ul>\n<div><\/div>\n<h2><span style=\"color: #ff0000;\">Aula 2 (01\/12) \u2014 Organiza\u00e7\u00e3o e visualiza\u00e7\u00e3o de dados qu\u00edmicos com Pandas<\/span><\/h2>\n<h3>Conte\u00fado program\u00e1tico<\/h3>\n<ul>\n<li>Introdu\u00e7\u00e3o ao Pandas e ao conceito de DataFrame;<\/li>\n<li>Importa\u00e7\u00e3o de arquivos CSV no Google Colab;<\/li>\n<li>Estat\u00edstica descritiva: m\u00e9dia, mediana, m\u00ednimo, m\u00e1ximo e desvio padr\u00e3o;<\/li>\n<li>Histogramas, gr\u00e1ficos de barras, linhas e dispers\u00e3o;<\/li>\n<li>Interpreta\u00e7\u00e3o de rela\u00e7\u00f5es entre vari\u00e1veis qu\u00edmicas.<\/li>\n<\/ul>\n<ul>\n<li>Importa\u00e7\u00e3o de uma base de compostos e propriedades qu\u00edmicas;<\/li>\n<li>Inspe\u00e7\u00e3o e organiza\u00e7\u00e3o dos dados;<\/li>\n<li>Identifica\u00e7\u00e3o de poss\u00edveis inconsist\u00eancias;<\/li>\n<li>C\u00e1lculo de estat\u00edsticas descritivas;<\/li>\n<li>Produ\u00e7\u00e3o de gr\u00e1ficos para investigar distribui\u00e7\u00f5es, rela\u00e7\u00f5es e poss\u00edveis valores an\u00f4malos;<\/li>\n<li>Discuss\u00e3o dos problemas que precisam ser corrigidos antes da constru\u00e7\u00e3o de modelos.<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h2><\/h2>\n<h2><span style=\"color: #ff0000;\">Aula 3 (03\/12) \u2014 Constru\u00e7\u00e3o de modelos de regress\u00e3o e classifica\u00e7\u00e3o<\/span><\/h2>\n<h3>Conte\u00fado program\u00e1tico<\/h3>\n<ul>\n<li>Aprendizado supervisionado;<\/li>\n<li>Vari\u00e1veis de entrada e vari\u00e1vel-alvo;<\/li>\n<li>Diferen\u00e7as entre regress\u00e3o e classifica\u00e7\u00e3o;<\/li>\n<li>Separa\u00e7\u00e3o dos dados em conjuntos de treinamento e teste;<\/li>\n<li>Treinamento, previs\u00e3o e avalia\u00e7\u00e3o dos modelos;<\/li>\n<li>Generaliza\u00e7\u00e3o, sobreajuste e introdu\u00e7\u00e3o \u00e0 valida\u00e7\u00e3o cruzada;<\/li>\n<li>Introdu\u00e7\u00e3o ao scikit-learn.<\/li>\n<\/ul>\n<h3>\u00a0 \u00a0 \u00a0 Regress\u00e3o<\/h3>\n<ul>\n<li>Formula\u00e7\u00e3o de uma quest\u00e3o de previs\u00e3o de propriedade qu\u00edmica;<\/li>\n<li>Sele\u00e7\u00e3o dos descritores e da propriedade-alvo;<\/li>\n<li>Constru\u00e7\u00e3o de um modelo de refer\u00eancia e de regress\u00e3o linear;<\/li>\n<li>Compara\u00e7\u00e3o entre valores experimentais e previstos;<\/li>\n<li>Interpreta\u00e7\u00e3o de MAE, RMSE e R\u00b2;<\/li>\n<li>An\u00e1lise das amostras com maiores erros de previs\u00e3o.<\/li>\n<\/ul>\n<h3>\u00a0 \u00a0 \u00a0 Classifica\u00e7\u00e3o<\/h3>\n<ul>\n<li>Formula\u00e7\u00e3o de um problema de classifica\u00e7\u00e3o aplicado \u00e0 Qu\u00edmica;<\/li>\n<li>Constru\u00e7\u00e3o de uma \u00e1rvore de decis\u00e3o;<\/li>\n<li>Gera\u00e7\u00e3o e avalia\u00e7\u00e3o das previs\u00f5es;<\/li>\n<li>Interpreta\u00e7\u00e3o da matriz de confus\u00e3o e da acur\u00e1cia;<\/li>\n<li>Introdu\u00e7\u00e3o \u00e0 precis\u00e3o, sensibilidade e F1-score.<\/li>\n<\/ul>\n<div>\n<hr \/>\n<\/div>\n<h1><\/h1>\n<h1><\/h1>\n<h1>Benef\u00edcios para os participantes<\/h1>\n<p>Ao final do workshop, os participantes poder\u00e3o:<\/p>\n<ul>\n<li>compreender diferen\u00e7as entre IA, machine learning, deep learning e IA generativa;<\/li>\n<li>reconhecer aplica\u00e7\u00f5es da IA em diferentes \u00e1reas da Qu\u00edmica;<\/li>\n<li>executar comandos b\u00e1sicos de Python no Google Colab;<\/li>\n<li>representar problemas qu\u00edmicos por meio de dados e vari\u00e1veis;<\/li>\n<li>importar, inspecionar e organizar dados qu\u00edmicos com Pandas;<\/li>\n<li>identificar valores ausentes, duplicatas e inconsist\u00eancias;<\/li>\n<li>calcular e interpretar estat\u00edsticas descritivas;<\/li>\n<li>criar visualiza\u00e7\u00f5es para explorar propriedades qu\u00edmicas;<\/li>\n<li>diferenciar problemas de regress\u00e3o e classifica\u00e7\u00e3o;<\/li>\n<li>acompanhar a constru\u00e7\u00e3o de modelos introdut\u00f3rios com scikit-learn;<\/li>\n<li>interpretar m\u00e9tricas de desempenho e erros de previs\u00e3o;<\/li>\n<li>reconhecer limita\u00e7\u00f5es relacionadas a generaliza\u00e7\u00e3o, sobreajuste e extrapola\u00e7\u00e3o;<\/li>\n<li>avaliar criticamente o significado cient\u00edfico das previs\u00f5es.<\/li>\n<\/ul>\n<div><\/div>\n<h1><\/h1>\n<h1>P\u00fablico-alvo<\/h1>\n<p>O workshop \u00e9 destinado a: estudantes de gradua\u00e7\u00e3o e inicia\u00e7\u00e3o cient\u00edfica; mestrandos e doutorandos; p\u00f3s-doutorandos e pesquisadores; professores e orientadores; profissionais da Qu\u00edmica e Engenharia Qu\u00edmica;\u00a0profissionais das \u00e1reas de Farm\u00e1cia, Materiais, Alimentos, Biotecnologia e Ci\u00eancias Ambientais; profissionais envolvidos em pesquisa, desenvolvimento, inova\u00e7\u00e3o e an\u00e1lise de dados; pessoas interessadas em iniciar o uso de aprendizado de m\u00e1quina em problemas qu\u00edmicos.<\/p>\n<p><strong>N\u00e3o \u00e9 necess\u00e1rio possuir experi\u00eancia pr\u00e9via em programa\u00e7\u00e3o ou aprendizado de m\u00e1quina.<\/strong><\/p>\n<p>Para acompanhar as atividades pr\u00e1ticas, ser\u00e1 necess\u00e1rio apenas computador com acesso \u00e0 internet, navegador atualizado e uma conta Google.<\/p>\n<p>N\u00e3o ser\u00e1 necess\u00e1rio instalar Python: todos os notebooks ser\u00e3o executados diretamente no <strong>Google Colab<\/strong>.<\/p>\n<p>Durante o workshop ser\u00e3o utilizadas:<\/p>\n<ul>\n<li><strong>Google Colab<\/strong> \u2014 execu\u00e7\u00e3o dos notebooks;<\/li>\n<li><strong>Python<\/strong> \u2014 programa\u00e7\u00e3o e an\u00e1lise;<\/li>\n<li><strong>Pandas<\/strong> \u2014 organiza\u00e7\u00e3o e explora\u00e7\u00e3o dos dados;<\/li>\n<li><strong>Matplotlib e Seaborn<\/strong> \u2014 visualiza\u00e7\u00e3o;<\/li>\n<li><strong>scikit-learn<\/strong> \u2014 constru\u00e7\u00e3o e avalia\u00e7\u00e3o dos modelos.<\/li>\n<\/ul>\n<div><\/div>\n<div>\n<hr \/>\n<\/div>\n<h1><\/h1>\n<h1>Inscri\u00e7\u00f5es<\/h1>\n<p>As inscri\u00e7\u00f5es podem ser realizadas diretamente pela p\u00e1gina:<\/p>\n<p><img decoding=\"async\" class=\"an1\" draggable=\"false\" src=\"https:\/\/fonts.gstatic.com\/s\/e\/notoemoji\/17.0\/1f449\/32.png\" alt=\"&#x1f449;\" data-emoji=\"&#x1f449;\" aria-label=\"&#x1f449;\" \/> <a href=\"https:\/\/www.even3.com.br\/inteligencia-artificial-aplicada-a-quimica-804324\/\" target=\"_blank\" rel=\"noopener\" data-saferedirecturl=\"https:\/\/www.google.com\/url?q=https:\/\/www.even3.com.br\/inteligencia-artificial-aplicada-a-quimica-804324\/&amp;source=gmail&amp;ust=1795014596417000&amp;usg=AOvVaw31DmutJbtjVaPIP41sCN-1\"><strong>REALIZAR INSCRI\u00c7\u00c3O<\/strong><\/a><\/p>\n<p>Caso seja poss\u00edvel, agrade\u00e7o imensamente o apoio na divulga\u00e7\u00e3o junto a <strong>alunos, professores, pesquisadores, grupos de pesquisa, programas de gradua\u00e7\u00e3o e p\u00f3s-gradua\u00e7\u00e3o, profissionais e redes institucionais<\/strong> que possam ter interesse no tema.<\/p>\n<p><strong>Para d\u00favidas ou mais informa\u00e7\u00f5es:<\/strong><br \/>\n<img decoding=\"async\" class=\"an1\" draggable=\"false\" src=\"https:\/\/fonts.gstatic.com\/s\/e\/notoemoji\/17.0\/1f4e9\/32.png\" alt=\"&#x1f4e9;\" data-emoji=\"&#x1f4e9;\" aria-label=\"&#x1f4e9;\" \/> <a href=\"mailto:contato@harrsonsantana.com.br\" target=\"_blank\" rel=\"noopener\">contato@harrsonsantana.com.br<\/a><\/p>\n<p>Atenciosamente,<\/p>\n<p><strong>Dr. Harrson S. Santana<\/strong><br \/>\nDoutor em Engenharia Qu\u00edmica (Unicamp)<br \/>\nFundador da Fator de Impacto Academy<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Publica\u00e7\u00e3o \u00e0 pedido: &nbsp; Intelig\u00eancia Artificial aplicada \u00e0 Qu\u00edmica Introdu\u00e7\u00e3o \u00e0 an\u00e1lise de dados e ao aprendizado de m\u00e1quina com Python Datas: 30 de novembro, 01 e 03 de dezembro de 2026 Hor\u00e1rio: 19h \u00e0s 21h \u2014 hor\u00e1rio de Bras\u00edlia \u00a0Evento 100% online, com inscri\u00e7\u00f5es gratuitas (at\u00e9 30\/11) e certificado de participa\u00e7\u00e3o de 6 horas. [&hellip;]<\/p>\n","protected":false},"author":479,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[18],"tags":[],"class_list":["post-2730","post","type-post","status-publish","format-standard","hentry","category-sem-categoria"],"jetpack_featured_media_url":"","_links":{"self":[{"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/posts\/2730","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/users\/479"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/comments?post=2730"}],"version-history":[{"count":2,"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/posts\/2730\/revisions"}],"predecessor-version":[{"id":2732,"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/posts\/2730\/revisions\/2732"}],"wp:attachment":[{"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/media?parent=2730"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/categories?post=2730"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/engmateriais\/wp-json\/wp\/v2\/tags?post=2730"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}