Pós-Graduação

Análise exploratória de dados com o R

  • Professor(a): Sergio Miranda Freire
  • Programa: PGCM
  • Nível: Mestrado/Doutorado
  • Carga Horária: 45 horas
  • Créditos: 3
  • Ementa: Classificação de variáveis. Instalação do R. R Studio. R Commander. Comandos Básicos no R. Tipos de dados no R.  Acesso aos dados no R.  R Markdown. Medidas de tendência central e dispersão. Gerenciamento de dados. Visualização de dados. Medidas de associação.  Tabulação de dados no R. Gerenciando uma sessão. Estruturas de controle. Funções.

Bioestatística Básica

  • Professor(a): Sergio Miranda Freire
  • Programa: PGCM
  • Nível: Mestrado/Doutorado
  • Carga Horária: 45 horas
  • Créditos: 3
  • Ementa: Capacitar o aluno para realizar análise de dados básicas, abordando os seguintes tópicos: Conceitos básicos; Tipos de variáveis; Resumo de dados; Representação gráfica; Noções de inferência estatística; Estimação de parâmetros; Estimação por intervalos de confiança; Testes de hipóteses paramétricos e não paramétricos; Testes de associações em tabelas de contingência; Análise de Variância (ANOVA); Regressão Linear; Regressão Logística.

Bioética

  • Professor(a): Tatiana Tavares da Silva
  • Programa: PGCM, Fisiocirurgia
  • Nível: Mestrado/Doutorado
  • Carga Horária: 30 horas
  • Créditos: 2
  • Ementa: Desenvolver a análise crítica do aluno frente às questões éticas inseridas na prática e desenvolvimento de novas tecnologias para aplicação na área biomédica. Além das questões envolvidas com a elaboração e disponibilização de técnicas e ferramentas, questões intrínsecas relativas à guarda dos dados, privacidade, segurança pessoal (paciente) e institucional, são pertinentes a quem cria, disponibiliza e utiliza o arsenal disponível em telemedicina. A pandemia que está em curso impulsionou o rápido desenvolvimento e aplicação de telemedicina, em seus diversos campos de atuação: educação, diagnóstico e tratamento, pesquisa, planejamento e organização em diferentes área do saber.

Como Ler e Escrever Publicações Científicas

  • Professor(a): Beatriz Rodrigues Lopes Vincent
  • Programa: PGCM
  • Nível: Mestrado/Doutorado
  • Carga Horária: 30 horas
  • Créditos: 2
  • Ementa: A disciplina deseja ampliar conhecimentos e habilidades em Competência em Informação, Alfabetização Digital, Alfabetização Computacional e Alfabetização e Escrita Científicas. Ao final da disciplina, o(a) aluno(a) deverá estar familiarizado com o texto acadêmico/científico; as diferentes fontes de informação científica (livro, tese, dissertação, artigo, site); saber selecionar aquelas mais adequados para a sua necessidade específica (confecção de projeto, dissertação/tese, artigo); conhecer endereços de recursos informacionais, ter a habilidade para pesquisar conteúdos nas bases de dados bibliográficas Medline/PubMed e MesH (descritores da saúde), saber empregar operadores booleanos e filtros em estratégias de busca específicas; desenvolver habilidades e atitudes de aprendizagem colaborativa. Ao final da disciplina, espera-se que ele(a) deverá demonstrar melhor fluência na escrita do projeto de pesquisa em andamento, dissertação/tese ou artigo a depender do interesse específico de cada participantes.

Gerenciamento de pesquisas clínicas com o software REDCap

  • Professor(a): Sergio Miranda Freire
  • Programa: PGCM
  • Nível: Mestrado/Doutorado
  • Carga Horária: 45 horas
  • Créditos: 3
  • Ementa: Tipos de projetos do REDCap, Elaboração de formulários, Controle de acesso, Criação de eventos, Relatório e exportação de dados, Templates, Dicionário de dados, Realização de enquete, Randomização.

Introdução ao Aprendizado de Máquina (Machine Learning) e Inteligência Artificial (AI) Aplicados à Saúde

  • Professores: Carlos Augusto Moreira de Sousa e Lincoln Faria da Silva
  • Programa: PGCM
  • Nível: Mestrado/Doutorado
  • Carga Horária: 30 horas
  • Créditos: 2
  • Pré-requisitos: Não há pré-requisitos
  • Ementa: O que é machine learning (ML), seus tipos de aprendizados (Computer-Aided Diagnosis – CAD); Statistical learning – conceitos estatísticos em ML; Tarefas de classificação em saúde (teoria e aplicações); Tarefas de regressão em saúde (teoria e aplicações); Introdução a redes neurais – teoria; Introdução a redes neurais multi camadas – teoria; Tipos de usos de redes neurais em saúde e suas interpretações (imagens, exames)