Extração de Conhecimento de Dados em Saúde

Código:

OPT42

Sigla:

ECD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Medicina

Ocorrência: 2020/2021 - 2S (de 08-02-2021 a 31-07-2021)

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	5	Mestrado Integrado em Medicina- Plano oficial 2013 (Reforma Curricular)	4	-	3	28	81
			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. No final, os alunos deverão descrever algumas técnicas, saber aplicá-las a novos problemas e saber interpretar os resultados obtidos.

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. Orientação tutorial (14 horas) para acompanhamento dos trabalhos.

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	30,00
Trabalho escrito	50,00
Participação presencial	20,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	2,00
Estudo autónomo	17,00
Frequência das aulas	12,00
Trabalho de investigação	50,00
Total:	81,00

Obtenção de frequência

Presença em 75% das aulas

Fórmula de cálculo da classificação final

Avaliação dos trabalhos individuais e de grupo propostos (50%), com apresentação oral (20%), e exame final (30%).