Tópicos em Inteligência Computacional - Inteligência Computacional em Saúde (INF16170)
Objetivo
Capacitar estudantes a compreender e aplicar técnicas de inteligência computacional para abordar desafios específicos na área da saúde. Explorar algoritmos de aprendizado de máquina e técnicas avançadas. Desenvolver habilidades práticas para análise de dados médicos e diagnóstico preditivo. Compreender as nuances éticas do uso da tecnologia na área médica.
Ementa
O conteúdo da disciplina abrange desde os fundamentos da inteligência computacional até sua aplicação prática na saúde. Os módulos exploram conceitos-chave, como pré-processamento de dados, modelos preditivos e técnicas avançadas, incluindo deep learning. Os alunos terão a oportunidade de aplicar esses conhecimentos em projetos práticos, abordando desafios específicos na área de saúde, como diagnóstico médico, análise de padrões e ética em modelos complexos.
Conteúdo Programático
- Introdução à Inteligência Computacional em Saúde (2h)
- Definições e abordagens em Inteligência Computacional
- Contextualização da aplicação em saúde
- Desafios e oportunidades na área
- Ética
- Conceitos básicos de Inteligência Computacional (6h)
- Fundamentos básicos em IA/IC
- Motivações para o uso em saúde
- Tipos de aprendizado e treinamento de modelos
- Definição e exemplificação dos principais desafios
- Métricas de desempenho
- Estratégias e boas práticas de treinamento
- Ferramentas básicas do ambiente Python (16h)
- Revisão geral de Python
- Jupyter Notebooks
- Principais bibliotecas e frameworks
- Preparação de dados com foco na área de saúde (4h)
- Coleta de dados
- Limpeza de dados
- Visualização de dados
- Algoritmos de aprendizado aplicados em saúde (16h)
- Introdução básica de cálculo, álgebra e estatística
- Introdução aos principais algoritmos de aprendizado
- Introdução ao scikit-learn
- Compreender qual e quando usar um determinado algoritmo em problemas na área de saúde
- Criação de um fluxo de treinamento
- Documentação e organização de treinamento e experimentos
- Aprendizado profundo aplicado a imagens médicas (16h)
- Introdução aos principais conceitos da área
- Redes neurais artificiais
- Redes neurais convolutivas
- Arquiteturas de redes neurais convolutivas
- Introdução ao Pytorch
- Problemas e aplicações na área médica
- Desafios éticos e interpretabilidade em modelos complexos