CURTA DURAÇÃO
ANÁLISE DE BIG DATA
E INTELIGÊNCIA ARTIFICIAL
PARA A ÁREA MÉDICA
CARGA HORÁRIA: 80 horas
COORDENAÇÃO:
Prof.ª Dr.ª Alessandra de Ávila Montini
OBJETIVOS
• Introduzir o conceito de Big Data, apresentando as vantagens, softwares e metodologia para
a análise de informações
• Introduzir o conceito de Inteligência Artificial
• Apresentar as etapas de um projeto de Machine Learning
• Introduzir o conceito de Machine Learning e Deep Learning
• Apresentar as etapas de um projeto de Machine Learning
• Apresentar vários algoritmos de Inteligência Artificial aplicados na área médica
PERFIL DO ALUNO
• Profissionais da área da saúde que precisam modelar bases de dados com tecnologias
de Big Data e Inteligência Artificial
CORPO DOCENTE
• O corpo docente conta com professores altamente capacitados com experiência no mundo
corporativo. Nos critérios de seleção do corpo docente, serão priorizadas sua qualificação e
experiências profissionais nas distintas matérias, de maneira que o curso permita não somente
a transmissão de conhecimentos mas também experiências enriquecedoras para os alunos
METODOLOGIA
• Aulas expositivas, resolução de exercícios práticos e estudos de casos
DIFERENCIAL
• A FIA é líder em educação executiva
• O LabData é um dos pioneiros no lançamento dos cursos de Big Data e Analytics no Brasil
• Laboratórios de alta qualidade
• Participação gratuita dos alunos do LabData nas Batalhas de Dados e Hackatons
• Participação gratuita nas palestras do LabData com profissionais de grandes multinacionais
CONHEÇA O LABDATA
• Convido você a assisir o vídeo do LabData e conhecer nossos laboratórios. Acesse o QR code.
1
MATRIZ CURRICULAR
Analytics
Análise Exploratória de Dados
• Tipos de variáveis
• Dados qualitativos e quantitativos
• Medidas de posição e de variabilidade
• Boxplot
• Identificação de outlier
• Distribuição de frequência e histograma
Regressão Linear Simples e Múltipla
• Coeficiente de correlação linear de Pearson
• Coeficiente de determinação e Coeficiente de determinação ajustado
• Ajuste de equação de projeção
• Testes estatísticos sobre os parâmetros
• Interpretação dos parâmetros do modelo
• Intervalo de confiança para os parâmetros do modelo
• Previsão
• Análise de Resíduos
Análise de Cluster
• Medidas de distância - Medidas de similaridade e de dissimilaridade
• Distância Euclidiana
• Métodos de Agrupamento - Método hierárquico e Método das k médias
• Dendograma
• Técnicas de agrupamento - Método do vizinho mais próximo (nearest neighbor)
Método do vizinho mais distante (furthest neighbor) - Método da centróide
• Método das k médias
• Estudo de caso
Regressão Logística
• Regressão logística binária
• Estimação dos parâmetros do modelo
• Teste de hipótese e intervalo de confiança
• Interpretação dos parâmetros do modelo
• Obtenção da probabilidade de sucesso
• Previsão
• Classificação em grupos
• Tabela de classificação
• Estudo de caso
Árvore de Decisão
• Teste qui-quadrado
• Elaboração da árvore de decisão
• Tabela de classificação
• Estudo de caso
Aplicações de Inteligência Artificial
Aplicações de Big Data
• Dados Estruturados e Não Estruturados
Introdução a Inteligência Artificial
• Conceitos de Inteligência Artificial
Seleção de Modelos
• Aplicações de Machine Learning
• Amostra de Estimação, Amostra de Validação e Amostra de Teste
• Algoritmos de validação cruzada: Cross Validation
• Métricas de Performance
• Seleção de Modelos
• Aplicações de Machine Learning com bibliotecas do Spark
• Aplicações de Machine Learning com bibliotecas do Python
Modelos de Machine Learning baseados em Árvore de Decisão
• Árvore de Decisão
• Bagging
• Random Forest
Modelos de Machine Learning utilizando Support Vector Machines
• Modelos de Machine Learning utilizando Support Vector Machines
• Boosting
Tecnologias de Big Data
• Tecnologias de Big Data (Python e Spark)
• Introdução ao Python
• Introdução ao Spark
INFORMAÇÕES
Tel: (11) 3732-3535 | faleconosco@[Link]