Capacitar os pós-graduandos a aplicar técnicas de Data Science e Big Data no contexto da saúde, aplicando técnicas de coleta, limpeza, integração e análise de dados em grande escala, com especial ênfase na utilização da ferramenta Microsoft Power BI para a análise de dados e geração de relatórios, por meio de estudos de caso e exemplos práticos de aplicação das técnicas em dados da área da saúde.
A área da saúde está cada vez mais vinculada, intrinsecamente, à dependência crescente de dados como alicerce para fundamentar decisões tanto clínicas quanto administrativas. Diariamente, assistimos à produção massiva de dados, cujo aproveitamento pode ser aprimorado para otimizar processos relacionados ao diagnóstico, tratamento e prevenção de doenças. Nesse cenário, profissionais dotados de habilidades em Data Science e Big Data emergem como peças-chave, sendo essenciais para extrair o máximo potencial dessas vastas fontes de informação. Ao capacitar esses profissionais, não só fomentamos a inovação no campo da saúde, mas também contribuímos substancialmente para a tomada de decisões embasadas, promovendo avanços significativos e impactando positivamente a qualidade do cuidado oferecido.
1. Introdução à Data Science e Big Data em saúde: Visão geral, desafios e aplicações;
2. Princípios de ETL em grande escala: Estratégias de coleta, limpeza e integração de dados de saúde complexos;
3. Integração de dados Open-Source em saúde: Exploração de ferramentas e plataformas open-source para integração de dados em saúde, exemplos práticos de integração utilizando tecnologias open-source e considerações éticas e regulatórias na integração de dados de saúde;
4. Utilização da Ferramenta Microsoft Power BI em Contexto de Saúde: Visão geral, importação, transformação e modelagem de dados, visualizações básicas e avançadas e criação de dashboards;
5. Aplicações em Saúde: Estudos de caso e exemplos práticos de aplicação das técnicas aprendidas em problemas de saúde;
6. Projeto de Pesquisa em Saúde: Desenvolvimento de projetos práticos que aplicam as habilidades adquiridas a conjuntos de dados de saúde reais;
1. Dietrich, David, Barry Heller, and Beibei Yang. Data science & big data analytics: discovering, analyzing, visualizing and presenting data. Wiley, 2015.
2. FRAGA, Adalberto. "Microsoft Power BI: gráficos, banco de dados e configuração de relatórios." (2019).
3. Open Source Technology: Concepts, Methodologies, Tools, and Applications. Estados Unidos, IGI Global, 2014.
4. MORRIS, MIKE. Power BI: Moving Beyond the Basics of Power BI and Learning about DAX Language. N.p., Independently Published, 2020.
5. Deep Learning in Medical Image Analysis: Challenges and Applications. Alemanha, Springer International Publishing, 2020.
6. Health Informatics: Practical Guide. Singapura, Informatics Education, 2018.
7. Artigos científicos.
A avaliação dos alunos será baseada em trabalhos práticos e apresentação de seminários pelos alunos. MF = 0,6 T + 0,4 S; no qual T e S representam, respectivamente, trabalhos e seminários. A nota final será dada como a média aritmética das notas em exercícios e atividades realizadas ao longo da disciplina. Sendo os conceitos expressos como:
A – Excelente, com direito a crédito (nota igual ou superior a 9,0);
B – Bom, com direito a crédito (nota de 8,9 a 7,0);
C – Regular, com direito a crédito (nota 6,9 a 6,0);
R – Reprovado, sem direito a crédito (abaixo de 6,0).
A frequência mínima nas aulas será de 75%, e todas as aulas serão conduzidas de maneira presencial em português.