Fundep

Objetivos:

O curso proposto tem como objetivo a introdução aos conceitos fundamentais de aprendizado de
máquina, com ênfase na aplicação dessas técnicas a dados biológicos. Serão abordados os
principais algoritmos supervisionados e não supervisionados, além de métodos de avaliação de
modelos preditivos. O curso é voltado para estudantes das ciências da vida — como biologia,
biomedicina, bioquímica, farmácia e áreas afins — que desejam dar os primeiros passos na área
de bioinformática e ciência de dados, com foco na análise e interpretação de grandes volumes de
dados biológicos por meio de ferramentas acessíveis e práticas.

Público-alvo:

O curso é voltado para estudantes de graduação e pós-graduação das áreas de ciências da vida — como biologia, biomedicina, bioquímica, farmácia, medicina, odontologia, nutrição, entre outras — que tenham nenhum ou pouco conhecimento prévio em aprendizado de máquina ou programação. O curso foi pensado especialmente para quem deseja dar os primeiros passos no uso de ferramentas computacionais para análise de dados biológicos, mesmo sem formação prévia em computação. Não são necessários conhecimentos em programação ou ciência de dados. 

Pré-requisitos:

Não há.

Website do curso: http://www.bioinfo.dcc.ufmg.br/cursos

Formas de pagamento: 

À vista: R$996,00 (promocional R$900)

Parcelado: 4x R$ 249,00 (promocional R$225,00)  

Carga horária: O estudante deverá se dedicar aproximadamente 40 horas para assistir as aulas, ler o material e resolver os exercícios do curso

Conteúdo: 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.

Conteúdo programático:

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

 

Material didático: 

Todo o material de apoio ao curso será disponibilizado em formato digital e consiste em:

- Slides de Aula: Serão disponibilizados os slides em formato PDF para cada aula, abordando conceitos teóricos, exemplos práticos e tópicos abordados.

- Videoaulas: Aulas gravadas que acompanham o conteúdo de cada módulo. Estas aulas abordam desde os conceitos introdutórios até tópicos mais avançados 

de aprendizado supervisionado e não supervisionado, além de análise de imagens.

- Laboratórios Práticos: Laboratórios online de serão disponibilizados para que os alunos possam aplicar os conceitos discutidos nas aulas. Cada laboratório é 

acompanhado por um guia prático que ensina a utilizar os algoritmos discutidos, com exemplos aplicados à área de ciências da vida.

- Fórum de Discussão: Para aprofundamento do conteúdo, os alunos devem participar do fórum privado da plataforma Slack, onde poderão discutir as aulas, 

tirar dúvidas e trocar experiências com colegas e professores.

- Pesquisa de Expectativas: No início do curso, os alunos deverão preencher uma pesquisa sobre suas expectativas e conhecimentos prévios. Isso ajudará a 

personalizar o aprendizado e facilitará a interação com o conteúdo.

- Links e Recursos Adicionais: Serão fornecidos links para recursos complementares, como artigos e tutoriais externos, além de acesso ao repositório de dados  utilizado nas aulas.

- Encontros ao Vivo: Sessões de videoconferência podem ser realizadas sob demanda da turma para esclarecimento de dúvidas e discussões sobre o andamento do curso.

Política de cancelamento da FUNDEP: clique aqui.

Orientação para pagamento por pessoa jurídica: clique aqui.

Orientação para estrangeiro: Para emissão do boleto de aluno estrangeiro é necessário que o mesmo possua CPF (Cadastro de Pessoas Físicas) ou ter um responsável financeiro brasileiro que porte o documento, para inserir no momento da inscrição.