Visão Geral

Curso HealthCare Data Analysis with Machine Learning. A Saúde Digital está sendo rapidamente compreendida como o futuro da Saúde. O setor da saúde foi transformado pela capacidade de registar grandes quantidades de informações relacionadas com a saúde. A prestação de cuidados de saúde de qualidade depende da capacidade de analisar e compreender os dados. Algoritmos de aprendizado de máquina (ML) permitem lidar com verdades de dados estruturados e não estruturados. O ML fornece uma maneira de encontrar automaticamente o padrão nos dados, o que fornece melhores insights para melhorar os resultados de saúde.

O Curso HealthCare Data Analysis with Machine Learning cobrirá diferentes modalidades de dados de saúde, análise estatística básica dos dados usando python (Numpy/Pandas), algoritmos de aprendizado de máquina, aprendizagem supervisionada, aprendizagem não supervisionada, construção de modelo baseado em ML com conjuntos de dados práticos de saúde e Rede Neural. Pode-se usar essas habilidades para analisar diferentes tipos de dados para melhorar a qualidade do diagnóstico crítico.

Objetivo

Ao participar do Curso HealthCare Data Analysis with Machine Learning, os participantes aprenderão a:

• Compreenda os diferentes dados de cuidados de saúde.
• Aprendizado de Máquina (Aprendizado Supervisionado e Não Supervisionado).
• Detecção de câncer de mama usando ML.
• Previsão precoce de diabetes a partir de dados históricos de pacientes.
• Modelo de triagem de autismo usando ML.
• Classificação de sequências de DNA/RNA.
• Projetar biomarcadores para detecção de câncer.
• Rede Neural totalmente conectada.
• Previsão de doenças cardíacas com rede neural.
• Detecção inicial da malária com rede neural.

Publico Alvo

• Cientistas de Dados
• Analistas de dados
• Engenheiros e desenvolvedores de aprendizado de máquina

Pre-Requisitos

• Python básico

Materiais

Conteúdo Programatico

Introduction to HealthCare Data

1. Patient Historical Data
2. DNA/RNA Sequence Data
3. Biomarkers Data
4. Medical Image Data

Machine Learning

1. Supervised Learning
2. Classification vs Regression
3. Classification Models (KNN, Naïve Bayes, SVM, etc.)
4. Decision Tree
5. Build Classification Model with Diabetes and Heart Disease data.

Regression

1. What is Regression
2. Linear Regression
3. Multivariate Regression
4. Build Regression Model with Healthcare data

Unsupervised Learning and Dimension reduction

1. What is Unsupervised Learning?
2. Principal Component Analysis (PCA)
3. Dimension reduction of Healthcare data using PCA.
4. Calculate the importance of different features.

Neural Network

1. Simple Neuron
2. Neural Network formulation
3. Learning with Error Propagation
4. Gradient Checking and Optimization

Build Neural Network based model to detect Breast Cancer.

Biomarkers

1. DNA and Protein Biomarkers
2. Classify DNA Sequence using NN.
3. Biomarker selection to detect early stage cancer

Hybrid machine learning model

1. What are Hybrid ML models?
2. Build Hybrid models to detect disease.

Improving Models

1. Overfitting and Underfitting
2. Tuning Hyper-parameters to improve performance Models.
3. Different Cost Functions
4. Early stage malaria detection