INFO
Seg e Qua | 9h às 12h | de 22/Maio a 14/Junho
com Prof. Robespierre Pita (IC/UFBA)
Doutor em Ciência da Computação (UFBA)
Especialista em Ciência e Engenharia de Dados
Informações e Inscrição em:
EMENTA:
Fundamentos e introdução: ciência de dados, engenharia de dados e big data, gestão de dados; dominio de dados: escalas de mensuração e tipos de dados; pipeline analítico: aquisição, armazenamento, processamento e análise de dados de saúde; estudo de caso.
QUEM PODE FAZER ESTE CURSO:
Perfil esperado: Estudantes, pesquisadores, profissionais e entusiastas da computação, saúde pública ou economia.
Pré-requisitos: proficiência em alguma linguagem de programação (Python, R, STATA, etc) ou ferramenta analítica.
POR QUE DEVO FAZER ESTE CURSO:
Bem vindo(a) a Ciência de Dados Aplicada à Saúde. Durante o curso teremos uma introdução aos conceitos mais relevantes da ciência de dados, sua relação e aplicação em dados de saúde. Tópicos como engenharia, gestão e modelos de dados serão abordados em aulas expositivas com importante proporção de práticas. Durante o percurso, são discutidas, demonstradas e desenvolvidas algumas tarefas de aprendizagem de máquina que poderão ser utilizados para a predição de eventos ou caracterização de populações. Este conhecimento é fundamental para reforçar suas habilidades de pensamento computacional, resolução de problemas e análise de dados.
OBJETIVOS
Compreender as principais técnicas de ciência de dados aplicados em processos analíticos em dados provenientes de sistemas de informação da área da saúde.
Objetivos Específicos:
- Caracterizar principais práticas e ferramentas analíticas utilizadas em dados da saúde;
- Identificar modelos analíticos adequados para diferentes tipos e coleções de dados;
- Refletir criticamente sobre a qualidade e gestão dos dados nos seus sistemas de informação de origem.
SOBRE O PROFESSOR
Prof. Robespierre Pita é Professor do Departamento de Ciência da Computação do Instituto de Computação, UFBA. Doutor em Ciência da Computação, pesquisador da Computação Aplicada com atuação em projetos de Ciência e Engenharia de Dados aplicados à saúde. Com foco na integração de Big Data, tem aplicado modelos de Machine Learning para agrupar e indexar grandes volumes de dados.