Descrição: O objetivo do curso é introduzir as aplicações práticas de machine learning para realizar predições na área da saúde. Programa: 1 – Perspectivas do uso de inteligência artificial em saúde. 2 – Pré-processamento dos dados (seleção de variáveis, padronização, one-hot encoding, missing, rebalanceamento, vazamento de informação). 3 – Sobreajuste e divisão da amostra em treino, validação e teste. 4 – Mensuração da performance de algoritmos preditivos (área abaixo da curva ROC, precisão, recall, especificidade, valor predito negativo e raiz quadrada do erro quadrático médio). 5 – Algoritmos para predição de variável dependente contínua e categórica (regressões penalizadas com lasso e ridge, redes neurais, random forests, XGBoost, lightGBM, catboost e TabPFN). 6 – Técnicas de otimização de hiperparâmetros. 7 – Estratégias para a seleção de variáveis preditoras (Boruta). 8 – Aprendizado federado, aprendizado de transferência e aprendizado online (contínuo). 9 – Estratégias para a identificação da importância de variáveis preditoras (Shapley values). 10 – Desafios éticos do uso de machine learning em saúde.

Requisito: Graduados e graduandos.

Público: É importante um conhecimento pelo menos introdutório de estatística e programação. É necessário que o aluno traga notebook.

Carga horária: 20h

Atualização: Não

Professor: Alexandre Dias Porto Chiavegatto Filho (Coordenador), Ruchelli Franca de Lima

Horário: Segunda, Terça, Quarta, Quinta e Sexta das 14:00 às 18:00;

Sala:

Período Inicial: 30/01/2023

Período Final: 03/02/2023

Taxa: R$ 400,00

Vagas: 83