[SAVE THE DATE] Semana de IA da Faculdade de Saúde Pública da USP
<p>16, 17 e 18 de novembro de 2026.</p> <p>Mais informações em breve!</p>
Curso de Verão
<p data-path-to-node="5,0"><strong data-path-to-node="5,0" data-index-in-node="0">Objetivo</strong> O curso tem como foco introduzir as aplicações práticas de <em data-path-to-node="5,0" data-index-in-node="68">Machine Learning</em> para o desenvolvimento e a avaliação de modelos preditivos na área da saúde. A capacitação une teoria e prática para lidar com dados reais, desde o pré-processamento até a implementação e interpretação dos algoritmos.</p> <p data-path-to-node="5,1"><strong data-path-to-node="5,1" data-index-in-node="0">Conteúdo Programático</strong></p> <ul data-path-to-node="5,2"> <li> <p data-path-to-node="5,2,0,0"><strong data-path-to-node="5,2,0,0" data-index-in-node="0">Introdução:</strong> Perspectivas atuais e futuras do uso de Inteligência Artificial em saúde.</p> </li> <li> <p data-path-to-node="5,2,1,0"><strong data-path-to-node="5,2,1,0" data-index-in-node="0">Preparação de Dados:</strong> Pré-processamento, seleção de variáveis, padronização, <em data-path-to-node="5,2,1,0" data-index-in-node="76">one-hot encoding</em>, tratamento de dados faltantes (<em data-path-to-node="5,2,1,0" data-index-in-node="125">missing</em>), rebalanceamento de classes e prevenção de vazamento de informação (<em data-path-to-node="5,2,1,0" data-index-in-node="202">data leakage</em>).</p> </li> <li> <p data-path-to-node="5,2,2,0"><strong data-path-to-node="5,2,2,0" data-index-in-node="0">Validação de Modelos:</strong> Sobreajuste (<em data-path-to-node="5,2,2,0" data-index-in-node="35">overfitting</em>) e estratégias de divisão da amostra (treino, validação e teste).</p> </li> <li> <p data-path-to-node="5,2,3,0"><strong data-path-to-node="5,2,3,0" data-index-in-node="0">Avaliação de Performance:</strong> Mensuração de algoritmos preditivos utilizando Área Sob a Curva ROC (AUC), Precisão, <em data-path-to-node="5,2,3,0" data-index-in-node="111">Recall</em>, Especificidade, Valor Preditivo Negativo (VPN) e Raiz Quadrada do Erro Quadrático Médio (RMSE).</p> </li> <li> <p data-path-to-node="5,2,4,0"><strong data-path-to-node="5,2,4,0" data-index-in-node="0">Algoritmos Preditivos:</strong> Modelagem para variáveis dependentes contínuas e categóricas utilizando regressões penalizadas (Lasso e Ridge), Redes Neurais, <em data-path-to-node="5,2,4,0" data-index-in-node="150">Random Forests</em>, XGBoost, LightGBM, CatBoost e TabPFN.</p> </li> <li> <p data-path-to-node="5,2,5,0"><strong data-path-to-node="5,2,5,0" data-index-in-node="0">Otimização e Seleção:</strong> Técnicas de otimização de hiperparâmetros e estratégias para a seleção de variáveis preditoras (Boruta).</p> </li> <li> <p data-path-to-node="5,2,6,0"><strong data-path-to-node="5,2,6,0" data-index-in-node="0">Interpretabilidade:</strong> Identificação da importância das variáveis preditoras através de <em data-path-to-node="5,2,6,0" data-index-in-node="85">Shapley values</em> (SHAP).</p> </li> <li> <p data-path-to-node="5,2,7,0"><strong data-path-to-node="5,2,7,0" data-index-in-node="0">Tópicos Avançados:</strong> Aprendizado federado (<em data-path-to-node="5,2,7,0" data-index-in-node="41">Federated Learning</em>), aprendizado por transferência (<em data-path-to-node="5,2,7,0" data-index-in-node="93">Transfer Learning</em>) e aprendizado contínuo (<em data-path-to-node="5,2,7,0" data-index-in-node="136">Online Learning</em>).</p> </li> <li> <p data-path-to-node="5,2,8,0"><strong data-path-to-node="5,2,8,0" data-index-in-node="0">Ética:</strong> Principais desafios e implicações éticas do uso de <em data-path-to-node="5,2,8,0" data-index-in-node="58">Machine Learning</em> no ecossistema de saúde.</p> </li> </ul> <p data-path-to-node="5,3"><strong data-path-to-node="5,3" data-index-in-node="0">Informações Gerais</strong></p> <ul data-path-to-node="5,4"> <li> <p data-path-to-node="5,4,0,0"><strong data-path-to-node="5,4,0,0" data-index-in-node="0">Corpo Docente:</strong> Prof. Dr. Alexandre Dias Porto Chiavegatto Filho e Prof. Dra. Keisyanne de Araujo Moura.</p> </li> <li> <p data-path-to-node="5,4,1,0"><strong data-path-to-node="5,4,1,0" data-index-in-node="0">Público-Alvo e Requisitos:</strong> Graduandos e graduados. É fundamental possuir conhecimento introdutório em estatística e programação.</p> </li> </ul>