O curso aborda técnicas básicas de extração de informação, reconhecimento de padrões e classificação que são empregadas para o desenvolvimento de sistemas automatizados de apoio ao diagnóstico médico, além de fornecer conhecimentos sobre os princípios da avaliação de intervenções médicas.
- Atividade probabilidades: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_probabilidades.ipynb
- Construção do espaço de características: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_2.ipynb
- Pré-processamento e seleção de características: ROC: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_3.ipynb
- Seleção e transformação do espaço de características: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_4.ipynb
- Projetando um espaço de classificação: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_5.ipynb
- Classificador Bayesiano e de distância mínima: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_6.ipynb
- Classificadores lineares: Perceptron, LS e FDA (em andamento): https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_7.ipynb
- SVM e avaliação de classificadores: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_8.ipynb
- Teste completo de um classificador: https://github.com/gsfreitas/engenharia-medica/blob/main/atividade_pratica_9.ipynb