Programa detalhado:

1. Instalação e Introdução ao Python, Funcionamento geral, Importância científica, comunidade de apoio, Introdução ao JupyterLab, bibliotecas para Data Science, comandos básicos.
2. Equações de volume a uma variável e equações para estimar o diâmetro sem cortiça (Regressão Linear Simples (RLS), fundamentos, período de treinamento e de teste, aplicação, como avaliar o ajuste).
3. Modelos para estimar o índice de qualidade da estação (S) em função de variáveis ambientais (Regressão Linear Múltipla (RLM) com stepwise, fundamentos, aplicação).
4. Ajustamento de um modelo para o crescimento em área basal pelos métodos das equações às diferenças e de estimação dos parâmetros em função de variáveis ambientais (Regressão Não Linear (RNL), importância dos parâmetros, aplicação).
5. Programação Linear mista, delineamento do problema, restrições, aplicação.
6. Modelos para estimar o índice de qualidade da estação (S) em função de variáveis ambientais (Redes Neurais Artificiais Multilayer Perceprton (MLP), topologia, aplicação).