Extração de Conhecimento de Dados em Saúde
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Informática |
Ocorrência: 2023/2024 - 2S
Ciclos de Estudo/Cursos
Sigla |
Nº de Estudantes |
Plano de Estudos |
Anos Curriculares |
Créditos UCN |
Créditos ECTS |
Horas de Contacto |
Horas Totais |
MIM |
21 |
Plano de Estudos em vigor |
1 |
- |
3 |
27 |
81 |
Língua de trabalho
Português
Objetivos
Nesta unidade curricular serão abordados métodos de aprendizagem automática para a prospeção e extração de conhecimento de dados (
data mining) na área da saúde.
Resultados de aprendizagem e competências
Esta unidade curricular visa capacitar os alunos com os conhecimentos e competências necessários para: identificar problemas onde as técnicas de prospeção de dados podem ser aplicadas; aplicar métodos de modelação de dados e, especificamente, aplicar técnicas de aprendizagem automática; ser capaz de interpretar resultados no contexto da medicina prática e da investigação clínica nos serviços de saúde.
Modo de trabalho
Presencial
Programa
Machine learning e data mining (introdução, cenários de aplicação, processo de data mining; características específicas da área da saúde); modelação de dados, pré-processamento de dados médicos, qualidade de dados em saúde; aprendizagem automática supervisionada (árvore de decisão, classificação Bayesiana, redes neuronais); aprendizagem automática não supervisionada (análise de clusters, análise de casos desviantes, associação e análise de padrões frequentes); avaliação de técnicas de aprendizagem automática (modelos de classificação, clustering); noções básicas de visual data mining, text mining e Web mining.
Software: RapidMiner, Orange, R
Bibliografia Obrigatória
Jiawei Han, Micheline Kamber and Jian Pei (Authors); Data Mining: Concepts and Techniques, Morgan Kaufmann, 3rd edition, 2011
Ana Carolina Lorena, Katti Faceli, Márcia Oliveira, André Ponce de Leon Carvalho, João Gama (Authors). ; Extração de Conhecimento de Dados - Data Mining, Edições Silabo, 2012
Cruz-Correia RJ et al. ; Data Quality and Integration Issues in Electronic Health Records. In: Hristidis V (ed.). Information Discovery on Electronic Health Records: Chapman and Hall; 2009. p. 55-95.
Métodos de ensino e atividades de aprendizagem
Aulas teóricas e teórico-práticas com apresentação e discussão de temas, exercícios em grupo e individuais, para resolução de problemas práticos em cenários de saúde, com utilização de software específico para desenvolvimento de competências.
Tipo de avaliação
Avaliação distribuída sem exame final
Componentes de Avaliação
Designação |
Peso (%) |
Trabalho escrito |
90,00 |
Participação presencial |
10,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Apresentação/discussão de um trabalho científico |
13,00 |
Estudo autónomo |
20,00 |
Frequência das aulas |
14,00 |
Trabalho de investigação |
34,00 |
Total: |
81,00 |
Obtenção de frequência
Nota mínima de 50% no trabalho de grupo.
Fórmula de cálculo da classificação final
Avaliação distribuída (10%): avaliação feita pelos docentes envolvidos no processo de ensino/aprendizagem, considerando a participação ativa dos estudantes durante as aulas e o seu envolvimento na realização dos exercícios e trabalhos propostos;
Trabalhos de grupo (com apresentação oral) relacionados com os temas da unidade curricular (90%).