Extração de Conhecimento de Dados em Saúde

Código:

OPT42

Sigla:

ECD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Medicina

Ocorrência: 2017/2018 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Medicina da Comunidade, Informação e Decisão em Saúde
Curso/CE Responsável:	Mestrado Integrado em Medicina

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MIMED	10	Mestrado Integrado em Medicina- Plano oficial 2013 (Reforma Curricular)	4	-	1,5	14	40,5

Língua de trabalho

Português - Suitable for English-speaking students

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

No final, os alunos deverão descrever algumas técnicas, saber aplicá-las a novos problemas e saber interpretar os resultados obtidos.

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 e Weka

Bibliografia Obrigatória

Jiawei Han, Micheline Kamber and Jian Pei; Data Mining: Concepts and Techniques, Morgan Kaufmann, 2011
Ana Carolina Lorena, Katti Faceli, Márcia Oliveira, André Ponce de Leon Carvalho, João Gama; 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
Vijay Kotu, Bala Deshpande; Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner, Morgan Kaufmann, 2014

Métodos de ensino e atividades de aprendizagem

Aulas teóricas (4h) e teórico-práticas (8h) 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. Avaliação dos trabalhos individuais e de grupo propostos (40%), com apresentação oral (20%), e exame final (40%).

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	40,00
Prova oral	20,00
Trabalho escrito	40,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	2,00
Estudo autónomo	12,00
Frequência das aulas	12,00
Trabalho de investigação	14,50
Total:	40,50

Obtenção de frequência

Presença em 75% das aulas

Fórmula de cálculo da classificação final

Avaliação dos trabalhos individuais e de grupo propostos (40%), com apresentação oral (20%), e exame final (40%).