Dados do Curso
Justificativa
A inteligência artificial (IA) está transformando praticamente todas as áreas da ciência, e a Medicina Tropical não é exceção. Os métodos baseados em IA expandem os limites do que é possível em desenho experimental, análise de dados e modelagem epidemiológica. Conhecer os principais conceitos de IA e aprendizado de máquina permite que estudantes e pesquisadores possam não apenas aproveitar melhor as ferramentas computacionais existentes, como também navegar melhor neste "tsunami de dados" para interpretar os resultados obtidos na pesquisa.
Objetivo Geral
Capacitar estudantes e pesquisadores para compreender os conceitos fundamentais da IA e do aprendizado de máquina, com foco em suas aplicações na Medicina Tropical, promovendo uma introdução crítica às possibilidades e desafios do uso dessas ferramentas na pesquisa biomédica e epidemiológica.
Objetivos Educacionais/Aprendizagem
Compreender os principais conceitos e técnicas de inteligência artificial e aprendizado de máquina;
Reconhecer as aplicações da IA em estudos e pesquisas no campo da Medicina Tropical;
Avaliar criticamente modelos de IA utilizados para responder a perguntas científicas nas áreas biológicas e epidemiológicas;
Refletir sobre os impactos e potencialidades do uso de IA na análise de grandes volumes de dados em saúde;
Aplicar conceitos introdutórios de IA para pensar estratégias de investigação.
Metodologia
A metodologia será baseada em uma abordagem teórica com a apresentação dos conteúdos do curso, com o auxílio de slides e o diálogo contínuo entre expositores e estudantes.
Avaliação
A avaliação dos participantes será baseada em sua participação ativa durante as atividades práticas, discussões em grupo e na aplicação dos conceitos aprendidos em estudos de caso.
Estrutura
1) Identificar os principais conceitos e técnicas de IA e aplicações em Medicina Tropical.
2) Conhecer as formas de avaliar modelos de IA para responder a perguntas biológicas no contexto da Medicina Tropical.
3) Aplicar grandes modelos de linguagem, e raciocínio, para analisar problemas de pesquisa biológica.
A inteligência artificial (IA) está transformando praticamente todas as áreas da ciência, e a Medicina Tropical não é exceção. Os métodos baseados em IA expandem os limites do que é possível em desenho experimental, análise de dados e modelagem epidemiológica. Conhecer os principais conceitos de IA e aprendizado de máquina permite que estudantes e pesquisadores possam não apenas aproveitar melhor as ferramentas computacionais existentes, como também navegar melhor neste "tsunami de dados" para interpretar os resultados obtidos na pesquisa.
Objetivo Geral
Capacitar estudantes e pesquisadores para compreender os conceitos fundamentais da IA e do aprendizado de máquina, com foco em suas aplicações na Medicina Tropical, promovendo uma introdução crítica às possibilidades e desafios do uso dessas ferramentas na pesquisa biomédica e epidemiológica.
Objetivos Educacionais/Aprendizagem
Compreender os principais conceitos e técnicas de inteligência artificial e aprendizado de máquina;
Reconhecer as aplicações da IA em estudos e pesquisas no campo da Medicina Tropical;
Avaliar criticamente modelos de IA utilizados para responder a perguntas científicas nas áreas biológicas e epidemiológicas;
Refletir sobre os impactos e potencialidades do uso de IA na análise de grandes volumes de dados em saúde;
Aplicar conceitos introdutórios de IA para pensar estratégias de investigação.
Metodologia
A metodologia será baseada em uma abordagem teórica com a apresentação dos conteúdos do curso, com o auxílio de slides e o diálogo contínuo entre expositores e estudantes.
Avaliação
A avaliação dos participantes será baseada em sua participação ativa durante as atividades práticas, discussões em grupo e na aplicação dos conceitos aprendidos em estudos de caso.
Estrutura
1) Identificar os principais conceitos e técnicas de IA e aplicações em Medicina Tropical.
2) Conhecer as formas de avaliar modelos de IA para responder a perguntas biológicas no contexto da Medicina Tropical.
3) Aplicar grandes modelos de linguagem, e raciocínio, para analisar problemas de pesquisa biológica.