As habilidades de contar histórias estão entre as habilidades mais importantes hoje - as habilidades que todos devemos praticar. Quando combinadas com dados, as histórias podem se tornar ferramentas poderosas na indústria digital. A nossa sociedade assenta em histórias que estão na base da forma como comunicamos, vivemos e sonhamos. Na introdução ao módulo, será apresentada uma breve visão geral do desenvolvimento da tecnologia de storytelling com foco especial em educação/governo/negócios (learning-by-doing) e ciência de dados, bem como visualização avançada. Descreveremos e conduziremos um projeto de ciência de dados característico e demonstraremos técnicas relacionadas à infraestrutura de big data e a maneira como usamos regras matemáticas para várias atividades em diferentes fases desses projetos. Durante os laboratórios do módulo, dominaremos o uso de dados e ferramentas avançadas de visualização combinadas com grandes conjuntos de dados para obter conteúdo e a maneira como podemos contar uma história com a ajuda desse conteúdo. O módulo visa ensiná-lo a pensar fora da caixa e criar histórias interessantes e relevantes usando dados. Para isso, você dominará diferentes técnicas de visualização e análise exploratória de dados. Você adquirirá os conhecimentos e habilidades teóricos e práticos necessários no campo da ciência de dados, caracterizado por grandes volumes de dados. Você também será apresentado a uma variedade de ferramentas para visualização e análise exploratória de dados

A Escola Internacional de verão IEEE-EMBS sobre Análise Avançada de Dados em Fisiologia é organizada pela Comunidade Técnica IEEE EMBS sobre Processamento de Sinais Biomédicos e pela Comunidade Técnica IEEE EMBS sobre Sistemas Cardiopulmonares e Engenharia baseada em Fisiologia.

No Curso de Verão em Análise de Dados em R, os participantes irão explorar a onipresença dos dados e a necessidade de habilidades analíticas essenciais para extrair insights valiosos. O curso aproveita a extensa variedade de pacotes R, criados por uma infinidade de programadores ativos, tornando o R uma ferramenta versátil para uma variedade de técnicas de análise de dados. Desde testes de hipóteses fundamentais até métodos avançados como regressão linear generalizada e análise multivariada, incluindo análise de componentes principais, análise fatorial e agrupamento, os participantes aplicarão imediatamente o conhecimento adquirido por meio de exercícios curtos usando Rmarkdown.

A mineração de dados é usada para descobrir padrões e relacionamentos nos dados. A ênfase está em grandes conjuntos de dados complexos, como aqueles em bancos de dados muito grandes ou através de mineração na web. Tópicos: árvores de decisão, regras de associação, clustering, métodos baseados em casos e visualização de dados.

Introdução a conceitos-chave do cálculo (diferenciação e integração), probabilidade (variáveis aleatórias discretas e contínuas) e álgebra linear (espaços vectoriais, matrizes e sistemas lineares).

Overview of supervised learning, with a focus on regression and classification methods. The syllabus includes linear and polynomial regression, logistic regression, and linear discriminant analysis; cross-validation and the bootstrap, model selection and regularization methods (ridge and lasso); nonlinear models, splines and generalized additive models; tree-based methods, random forests and boosting; support-vector machines; Some unsupervised learning: principal components and clustering (k-means and hierarchical). Computing is done in R, through tutorial sessions and homework assignments. This math-light course is offered remotely only via video segments (MOOC style).

Cadeias de Markov de tempo discreto e contínuo, processos de Poisson, passeios aleatórios, processos de ramificação, tempos de primeira passagem, recorrência e transitoriedade, distribuições estacionárias. Alunos de mestrado não estatístico podem considerar fazer o STATS 215.

Espaços de probabilidade como modelos de fenómenos com regularidade estatística. Espaços discretos (binomiais, hipergeométricos, Poisson). Espaços contínuos (normais, exponenciais) e densidades. Variáveis aleatórias, expectativa, independência, probabilidade condicional. Introdução às leis dos grandes números e teorema do limite central.

Desvende sistemas complexos e visualize suas interações. Experimente e reimagine-os por meio de intervenções, algoritmos, modelos e simulações. Comunique sua compreensão por meio de visualizações de sistema poderosas.

A 6th International Summer School on Resource-Aware Machine Learning (REAML 2022) será realizada este ano de 12 a 16 de setembro de 2022.A escola oferece palestras sobre as pesquisas mais recentes em aprendizado de máquina, geralmente com uma reviravolta no consumo de recursos e como eles podem ser reduzidos.