Machine Learning in Healthcare with R

Conteúdo e prática do Curso de interpretação de algorítmos em R para aplicação na saúde.

• Introdução ao R e ao Python.
• Tipos de modelos machine learning.

• Pré-processamento: seleção de variáveis, vazamento de dados, padronização, redução de dimensão, colinearidade, estratificação, valores missing, one-hot encoding.
• Sobreajuste.

• Medição de performance.
• Regressões penalizadas.

• Regressões penalizadas review.
• Mínimos quadrados parciais.
• Support vector machines.
• Árvores de decisão, randomforests

• XGboost (gradient boosted trees)
• Redes neurais.
• Deep learning.
• Importância preditora das variáveis.
• Considerações finais.