Currículo
Dados de Saúde 04139
Contextos
Groupo: Tecnologias Digitais e Saúde - 2023 > 1º Ciclo > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
São objetivos de aprendizagem (OA) desta Unidade Curricular permitir que os alunos possam adquirir as seguintes competências: OA1: Reconhecer tipos de dados hospitalares OA2: Enfrentar desafios de dados OA3: Aplicar IA para Extração de Conhecimentos OA4: Melhorar a qualidade dos dados OA5: Implementar Técnicas de IA OA6: Navegar por aspectos éticos e legais OA7: Comunicar Insights Efetivamente OA8: Colaborar em projectos de IA OA9: Integrar ferramentas e bibliotecas de IA OA10: Aplicações no sector da saúde
Programa
Esta UC detém os seguintes conteúdos programáticos (CPs): CP1: Introdução aos dados hospitalares * Definição e conceitos chave CP2: Desafios dos dados nos cuidados de saúde CP3: Fundamentos de IA para extração de conhecimentos CP4: Técnicas de IA para análise de dados de cuidados de saúde CP5: Considerações éticas e jurídicas CP6: Comunicação eficaz dos resultados CP7: Projectos colaborativos de IA nos cuidados de saúde CP8: Ferramentas e bibliotecas para dados de cuidados de saúde CP9: Aplicações de IA nos cuidados de saúde CP10: Apresentação e reflexão do projeto
Método de Avaliação
A avaliação será feita ao longo do semestre, sendo feita através de dois trabalhos de grupo valendo cada um 30% da nota final e um teste escrito de 40%. Cada uma das componentes de avaliação tem nota mínima de 8 valores e a aprovação na UC requer uma nota final mínima de 10 valores. As notas dos trabalhos poderão variar pelo desempenho demonstrado individualmente numa discussão oral, a ocorrer (para o grupo) no caso da nota (de um dos elementos) entre o teste e o trabalho tiver uma diferença superior a 3 valores. Dado o caráter prático da UC não há lugar a avaliação por exame. É exigida uma assiduidade mínima não inferior a 2/3 das aulas. Melhoria de nota só pode ser feita repetindo o processo de avaliação no ano seguinte.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 113.0
Carga Total -
Bibliografia
Principal
- McKinney, W. (2017). Python for Data Analysis, 2nd Edition: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Albon, C. (2018). Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning. O'Reilly Media. Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media. Nelson, D. (2020). Data Visualization in Python. Independently Published. O'Reilly, T. (2010). Open Government: Collaboration, Transparency, and Participation in Practice. O'Reilly Media. OpenCV. (2024). Open Source Computer Vision Library. Disponível em https://opencv.org/. TensorFlow. (2024). An Open Source Machine Learning Framework for Everyone. Disponível em https://www.tensorflow.org/.:
Secundária
- :