Estrutura curricular

O conteúdo desse curso corresponde a uma introdução sólida e aplicada ao aprendizado de máquina com foco nas ciências da vida. Trata-se de uma formação que contempla temas normalmente distribuídos entre disciplinas introdutórias de ciência de dados, estatística computacional e inteligência artificial, adaptados para o contexto biológico. São cinco módulos, que iniciam com uma introdução ao campo da inteligência artificial, passam pelo pré-processamento de dados e seguem com uma apresentação aprofundada de algoritmos supervisionados e não supervisionados, culminando com aplicações em análise de dados e imagens biológicas.

O conteúdo detalhado de cada módulo é apresentado a seguir:

Módulo 1 – Introdução à Inteligência Artificial e ao Aprendizado de Máquina nas Ciências da Vida
O que é inteligência artificial?
Aprendizado de máquina: conceitos e aplicações
Diferenças entre aprendizado supervisionado, não supervisionado e por reforço
Aplicações em genômica, saúde, biotecnologia e biomedicina
O ciclo de aprendizado de máquina: dados, modelo, avaliação, interpretação
Ferramentas utilizadas no curso
Introdução ao repositório de dados públicos (Kaggle e outros)

Módulo 2 – Preparação e Pré-processamento de Dados
Tipos de dados biológicos e biomédicos
Importância da preparação de dados em bioinformática
Limpeza de dados, imputação de valores faltantes
Seleção e transformação de atributos
Redução de dimensionalidade: análise de componentes principais (PCA)
Introdução ao conceito de desenho experimental

Módulo 3 – Aprendizado Supervisionado
Conceito de modelos supervisionados
Separação entre treino e teste; validação cruzada
Regressão logística
Naive Bayes
K-vizinhos mais próximos (KNN)
Árvores de decisão e Random Forests
Máquinas de vetores de suporte (SVM)
Redes neurais artificiais
Deep Learning: conceitos básicos
Avaliação de modelos: acurácia, precisão, revocação, F1-score, matriz de confusão
Curva ROC e AUC

Módulo 4 – Aprendizado Não Supervisionado
Introdução ao aprendizado sem rótulos
K-means
DBSCAN
Agrupamento hierárquico
Detecção de anomalias
Avaliação de agrupamentos: índice de silhueta e outros métodos

Módulo 5 – Aplicações com Dados Reais
Trabalhando com dados genômicos e transcriptômicos
Análise de dados clínicos
Introdução à análise de imagens biológicas
Conjuntos de dados em saúde e bioinformática
Estudo de caso integrado: pipeline completo de aprendizado de máquina aplicado a um problema da biologia real.


Fechar