113715 - Machine Learning para Predições em Saúde |
Período da turma: | 29/01/2024 a 02/02/2024
|
||||
|
|||||
Descrição: | 1 – Perspectivas do uso de inteligência artificial (machine learning) em saúde.
2 – O uso do Python para limpeza, transformação e visualização de dados. 3 – Sobreajuste e divisão da amostra em treino, validação e teste. 4 – Mensuração da performance de algoritmos preditivos. 5 – Algoritmos para predição de variável dependente contínua (regressões lineares penalizadas com lasso e ridge, redes neurais, random forests, XGBoost, lightGBM e catboost). 6 – Algoritmos para predição de variável dependente binária (regressões logísticas penalizadas com lasso e ridge, redes neurais, random forests, XGBoost, lightGBM e catboost). 7 – Estratégias para a seleção de variáveis preditoras (Boruta). 8 – Aprendizado federado. 9 – Aprendizado online (contínuo). 10 – Estratégias para a identificação da importância de variáveis preditoras (Shapley values). 11 – Desafios éticos do uso de machine learning em saúde. Bibliografia: James G, Witten D, Hastie T, Tibshirani R. An introduction to statistical learning: With applications in R. Springer; 2016. Kuhn M, Johnson Kjell. Applied predictive modelling. Springer; 2013. Goodfellow I, Bengio Y, Courville A. Deep learning. MIT Press; 2016. |
||||
Carga Horária: |
20 horas |
||||
Tipo: | Obrigatória | ||||
Vagas oferecidas: | 70 | ||||
Ministrantes: |
Alexandre Dias Porto Chiavegatto Filho Carine Savalli Redigolo |
voltar |
Créditos © 1999 - 2024 - Superintendência de Tecnologia da Informação/USP |