Extração de Conhecimento de Dados em Saúde
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Medicina |
Ocorrência: 2017/2018 - 2S
Ciclos de Estudo/Cursos
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%).