Deteção de padrões em dados biomédicos
1
2018-2019
03019579
Engenharia Biomédica
Português
Inglês
Presencial
Semestral
6.0
Opcional
3º Ciclo - Doutoramento
Conhecimentos de Base Recomendados
Conhecimentos básicos de programação
Métodos de Ensino
Expositivo, dialéctico e resolução de problemas práticos.
Resultados de Aprendizagem
Nesta unidade curricular pretende-se aplicar técnicas de Data Science à análise de dados biomédicos. Os objectivos são:
* Adoptar os melhores princípios da investigação reprodutível, tanto ao nível da análise quanto da comunicação de resultados
*Apreender técnicas de limpeza de dados: compreender a diferença entre dados em bruto e dados para análise estatística e conseguir obter os segundos dos primeiros
*Adquirir a capacidade de construir e avaliar modelos explicativos e predictivos de dados biomédicos
* Utilizar ferramentas informáticas apropriadas
* Avaliar criticamente os resultados de trabalhos publicados na literatura especializada
Estágio(s)
NãoPrograma
* Obtenção e limpeza de dados biomédicos ou clínicos
* Princípios de investigação reprodutível
* Análise exploratória de dados: técnicas de normalização de variáveis quantitativas e dicotomização de variáveis qualitativas. Detecção e estratégias para lidar com outliers. Análise gráfica univariada e multivariada; técnicas de apresentação da informação de de variáveis, análise de clusters e técnicas de redução de variáveis
* Predicção estatística, métodos de classificação e regressão
* Métodos estatísticos de classificação supervisionada. Estratégias de ensemble de classificadores.
Docente(s) responsável(eis)
Francisco José Santiago Fernandes Amado Caramelo
Métodos de Avaliação
Avaliação
Projecto: 100.0%
Bibliografia
Análise Estatística, com utilização do SPSS; João Maroco, Edições Silabo;
Fundamentals of Biostatistics, Bernard Rosner, Thomson Brooks/Cole, 2006
Bioestatística, Epidemiologia e Investigação, A. Gouveia de Oliveira, Lidel
Métodos Quantitativos em Medicina, Massad, Menezes, Silveira & Ortega ed. Manole, 2004
Pattern Classification; Richard Duda, Peter Hart, David Stork; John Wiley & Sons, Inc
An Introduction of Support Vector Machines; Nello Christianini, John Shawe-Taylor; Cambridge University Press