Python para Ciência de Dados em Saúde

• Segunda-feira, 29 de junho das 14h00 às 18h00
• Quarta-feira, 1 de julho das 14h00 às 18h00
• Quinta-feira, 2 de julho das 14h00 às 18h00

Objetivos

Neste curso pretende-se dotar os participantes de meios para implementar as suas próprias análises de dados em saúde de forma rápida, eficiente e escalável. A linguagem de programação será utilizada para facilitar o processo e como ponto de entrada para um ecossistema que permite a integração com múltiplas outras áreas das ciências da informação e da computação, como a inteligência artificial.

Equipa docente

Destinatários

Profissionais, investigadores ou estudantes nas áreas da Saúde que pretendam desenvolver ou adquirir competências em análise de dados através de Python. Os candidatos deverão ter conhecimentos básicos de bioestatística.

Candidaturas

Condições específicas de acesso:

Poderão candidatar-se a esta unidade de formação profissionais, investigadores ou estudantes das áreas da Saúde que pretendam desenvolver ou adquirir competências em análise de dados através de Python. Os candidatos deverão ter conhecimentos básicos de bioestatística.

Critérios de seleção: 

Os candidatos que cumpram as condições específicas de acesso serão ordenados pela ordem de submissão de candidatura.

Estrutura curricular

  Duração: 3 sessões com a duração de 4 horas cada

Conteúdos programáticos

• Sessão 1

  • Configuração dos sistemas pessoais para fins de demonstração;

  • Instalação do ambiente Python e IDE Positron;

  • Boas práticas (controlo de versões com Github, introdução à criação de ambientes virtuais, etc);

  • Introdução à criação, definição e gestão de variáveis.

• Sessão 2

  • Estatística descritiva e inferencial de uma base de dados;

  • Criação de dashboard básica para gestão da base de dados e análise (streamlit);

  • Importação de bases de excel / csv. Avaliação do tipo e qualidade dos dados;

  • Estatística descritiva por tipo de variável, representação numérica e gráfica;

  • Definição e aplicação de testes de hipótese. Ferramentas e bibliografia de apoio.

• Sessão 3

  • Revisões e exemplos adicionais no âmbito da estatística inferencial;

  • Acesso programático a ferramentas de inteligência artificial open source (definição de prompts, gestão de pedidos e respostas via API).