[ms_accordion style=”simple” type=”1″ class=”” id=””] [ms_accordion_item title=”Unidade curricular” color=”#7b89b6″ background_color=”” close_icon=”” open_icon=”” status=”open”]
Aprendizagem Automática e Extração de Conhecimento de Dados
[/ms_accordion_item] [/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Coordenadores” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]Pedro Pereira Rodrigues 
[/ms_accordion_item]
[/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””] [ms_accordion_item title=”Objetivos de aprendizagem” color=”#7b89b6″ background_color=”” close_icon=”” open_icon=”” status=”open”]
Nesta unidade curricular serão abordados métodos de aprendizagem automática para a prospeção e extração de conhecimento de dados na área da saúde. No final, os alunos deverão ser capazes de:
• interpretar e aplicar técnicas de aprendizagem automática em bases de dados de saúde
• identificar problemas que podem ser abordados com processos de extração de conhecimento de dados
• reconhecer as tarefas mais comuns de extração de conhecimento de dados (e.g. agrupamento, classificação, associação, regressão)
• aplicar e interpretar os resultados obtidos à luz da correção técnica e de impacto no domínio.
[/ms_accordion_item] [/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””] [ms_accordion_item title=”Conteúdos programáticos” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
O processo de extração de conhecimento de dados
• Compreensão do negócio
• Compreensão dos dados
• Pré-processamento de dados
• Modelação de dados
• Avaliação de modelos de extração de conhecimento de dados
• Implantação prática dos resultados de modelação
Aprendizagem automática
• Aprender conceitos a partir de dados
• Processos indutivos vs processos dedutivos
• Viés indutivo
• Validação de modelos
• Medidas de erro e processos de estimação
Aprendizagem supervisionada
• Árvores de decisão
• Redes Bayesianas
• Redes neuronais
• Deep learning e análise de grandes bases de dados
Aprendizagem não supervisionada
• Análise de clusters
• Deteção de casos extremos e anomalias
• Associação e análise de padrões frequentes
• Interpretação de grandes bases de dados
[/ms_accordion_item] [/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
Os conteúdos lecionados dotarão os estudantes dos conceitos necessários e suficientes para compreender e aplicar os métodos de aprendizagem automática para a extração de conhecimento de dados na área da saúde. Os conteúdos lecionados permitirão ainda dotar os alunos das competências de integração das técnicas abordadas em contextos de prática clínica, de investigação e de análises de dados nos sistemas de informação em saúde.
[/ms_accordion_item]
[/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Metodologias de ensino” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
Aulas teóricas e teórico-práticas com apresentação e discussão de temas, exercícios em grupo e individuais, para resolução de problemas práticos em cenários de saúde, com utilização de software específico para desenvolvimento de competências. Avaliação dos trabalhos individuais e de grupo propostos, com apresentação oral, e exame final.
[/ms_accordion_item]
[/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Demonstração da coerência das metodologias de ensino com os objetivos de aprendizagem da unidade curricular” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
As aulas teóricas são o melhor veículo para a transmissão dos conceitos teóricos relativos à aprendizagem automática em saúde.
Por outro lado, as aulas teórico-práticas conjuntamente com os trabalhos individuais e de grupo, nas várias componentes, permitirão o enraizamento das competências e comportamentos necessários à integração destes novos métodos na investigação e análise inteligente de dados em saúde.
[/ms_accordion_item]
[/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Bibliografia principal” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
The Elements of Statistical Learning: Data Mining, Inference and Prediction. T. Hastie, R. Tibshirani, and J. Friedman. Springer Verlag, 2001.
Data Mining: Concepts and Techniques. Jiawei Han, Micheline Kamber and Jian Pei. Morgan Kaufmann, 3rd edition, 2011.
Extração de Conhecimento de Dados – Data Mining. Ana Carolina Lorena, Katti Faceli, Márcia Oliveira, André Ponce de Leon Carvalho, João Gama. Edições Silabo, 2012.
[/ms_accordion_item]
[/ms_accordion]