Institutional PortalUFPEL

Objetivo Geral:

Aula inaugural: Epidemiologia e aprendizado de máquina
Inteligência artificial em saúde
Sub-áreas da inteligência artificial e tipos de dados em saúde
Pré-processamento de dados
Principais modelos de machine learning
Seleção de modelos
Mensuração de performance de modelos
Andamento do trabalho prático
Ética em machine learning
Fairness e machine learning
Transfer learning
Projeto de machine learning no mundo real
Experiências exitosas em machine learning: LABDAPS USP
Inteligência artificial para políticas públicas de saúde
Experiências exitosas em machine learning: CIIA UFMG
Apresentação dos trabalhos práticos
Exame
Trabalho prático: análise de aprendizado de máquina na saúde

Bibliografia Básica:

• Raschka S, Mirjalili V. Python Machine Learning Alta Third Edition: Machine Learning and Deep Learning with Python, scikitlearn, and TensorFlow 2. Packt PuSantos HG dos, Nascimento CF do, Izbicki R, Duarte YA de O, Porto Chiavegatto Filho AD. Machine learning para análises preditivas em saúde: exemplo de aFutoma J, Simons M, Panch T, Doshi-Velez F, Celi LA. The myth of generalisability in clinical research and machine learning in health care. Lancet Digit HealthRajkomar A, Hardt M, Howell MD, et al. Ensuring Fairness in Machine Learning to Advance Health Equity. Ann Intern Med.2018;169:866-872. [Epub 4 Decemb Batista AFM, Chiavegatto Filho ADP. Machine Learning aplicado à Saúde. In: Artur Ziviani; Topol E. Deep Medicine: How artificial intelligence can make healthcare human again. Geron A. Mãos à obra: aprendizado de máquina com Scikit-- 19 ne gative prognosis Learn Collins GS, Reitsma JB, Altman DG, et al. Transparent Reporting of a multivariable