Inteligência Artificial aplicada à área das biológicas e da saúde
Inteligência Artificial aplicada à área das biológicas e da saúde
Inteligência Artificial aplicada à área das biológicas e da saúde
Aprenda a aplicar a Inteligência Artificial, Machine Learning e Deep Learning para responder a questões complexas em biologia e saúde. Adquira competências essenciais para integrar a IA em seus próprios projetos de pesquisa.
Aprenda a aplicar a Inteligência Artificial, Machine Learning e Deep Learning para responder a questões complexas em biologia e saúde. Adquira competências essenciais para integrar a IA em seus próprios projetos de pesquisa.
Aprenda a aplicar a Inteligência Artificial, Machine Learning e Deep Learning para responder a questões complexas em biologia e saúde. Adquira competências essenciais para integrar a IA em seus próprios projetos de pesquisa.
:format(webp)/klickart-prod/uploads/media/file/10227892/capa_principal_3_mdulos.png)
SOBRE O CONTEÚDO
SOBRE O CONTEÚDO
SOBRE O CONTEÚDO
Este curso propõe uma visão ampla e integrada da Inteligência Artificial (IA) e de suas principais ferramentas, como Machine Learning (ML) e Deep Learning (DL), com foco nas aplicações nas áreas biológicas e da saúde. Destinado a estudantes, pesquisadores e entusiastas, o conteúdo demonstra como essas tecnologias podem ser empregadas para responder a questões complexas nesses campos do conhecimento.
O programa abrange desde os conceitos fundamentais de IA até aplicações práticas, incluindo o treinamento e a validação de modelos de ML e DL para interpretação e identificação de doenças em bases de dados tabulares e em imagens de células, lâminas histopatológicas e radiografias.
Por meio de estudos de caso reais e atividades práticas, os participantes desenvolverão competências essenciais para integrar a IA em seus próprios projetos de pesquisa. Trata-se de um recurso indispensável para quem busca atuar na fronteira da inovação em biologia e saúde, oferecendo uma compreensão clara de como a IA está transformando a forma de investigar, compreender e tratar doenças, além de impulsionar avanços científicos relevantes.
Este curso propõe uma visão ampla e integrada da Inteligência Artificial (IA) e de suas principais ferramentas, como Machine Learning (ML) e Deep Learning (DL), com foco nas aplicações nas áreas biológicas e da saúde. Destinado a estudantes, pesquisadores e entusiastas, o conteúdo demonstra como essas tecnologias podem ser empregadas para responder a questões complexas nesses campos do conhecimento.
O programa abrange desde os conceitos fundamentais de IA até aplicações práticas, incluindo o treinamento e a validação de modelos de ML e DL para interpretação e identificação de doenças em bases de dados tabulares e em imagens de células, lâminas histopatológicas e radiografias.
Por meio de estudos de caso reais e atividades práticas, os participantes desenvolverão competências essenciais para integrar a IA em seus próprios projetos de pesquisa. Trata-se de um recurso indispensável para quem busca atuar na fronteira da inovação em biologia e saúde, oferecendo uma compreensão clara de como a IA está transformando a forma de investigar, compreender e tratar doenças, além de impulsionar avanços científicos relevantes.
Este curso propõe uma visão ampla e integrada da Inteligência Artificial (IA) e de suas principais ferramentas, como Machine Learning (ML) e Deep Learning (DL), com foco nas aplicações nas áreas biológicas e da saúde. Destinado a estudantes, pesquisadores e entusiastas, o conteúdo demonstra como essas tecnologias podem ser empregadas para responder a questões complexas nesses campos do conhecimento.
O programa abrange desde os conceitos fundamentais de IA até aplicações práticas, incluindo o treinamento e a validação de modelos de ML e DL para interpretação e identificação de doenças em bases de dados tabulares e em imagens de células, lâminas histopatológicas e radiografias.
Por meio de estudos de caso reais e atividades práticas, os participantes desenvolverão competências essenciais para integrar a IA em seus próprios projetos de pesquisa. Trata-se de um recurso indispensável para quem busca atuar na fronteira da inovação em biologia e saúde, oferecendo uma compreensão clara de como a IA está transformando a forma de investigar, compreender e tratar doenças, além de impulsionar avanços científicos relevantes.
Módulos e Tópicos abordados:
Módulos e Tópicos abordados:
Módulos e Tópicos abordados:
Módulo 1 - Introdução à Inteligência Artificial (IA), Machine Learning (ML) e Deep Learning (DL)
Módulo 1 - Introdução à Inteligência Artificial (IA), Machine Learning (ML) e Deep Learning (DL)
Módulo 1 - Introdução à Inteligência Artificial (IA), Machine Learning (ML) e Deep Learning (DL)
-> O que é Big Data e como transformar dados em conhecimento?
-> Introdução à Inteligência Artificial: conceitos e aplicações
-> ML e DL: entenda as diferenças
-> Abordagens supervisionadas e não supervisionadas
-> Como o ML e o DL aprendem?
-> Métodos de validação
-> Prática 1 (RStudio) – Banco de dados tabular "Dataset Palmer penguins"
-> Abordagem multiclasse para detectar 3 espécies de pinguins (Adélie, Gentoo e Chinstrap), a partir de características morfométricas, como: "comprimento e profundidade do bico", "comprimento das asas" e "massa corporal".
-> Prática 2 (Google Colab) – Banco de imagens "Malaria Cell Images Dataset"
-> Abordagem binária para detectar imagens de células com e sem infecção pelo protozoário da Malária.
-> O que é Big Data e como transformar dados em conhecimento?
-> Introdução à Inteligência Artificial: conceitos e aplicações
-> ML e DL: entenda as diferenças
-> Abordagens supervisionadas e não supervisionadas
-> Como o ML e o DL aprendem?
-> Métodos de validação
-> Prática 1 (RStudio) – Banco de dados tabular "Dataset Palmer penguins"
-> Abordagem multiclasse para detectar 3 espécies de pinguins (Adélie, Gentoo e Chinstrap), a partir de características morfométricas, como: "comprimento e profundidade do bico", "comprimento das asas" e "massa corporal".
-> Prática 2 (Google Colab) – Banco de imagens "Malaria Cell Images Dataset"
-> Abordagem binária para detectar imagens de células com e sem infecção pelo protozoário da Malária.
-> O que é Big Data e como transformar dados em conhecimento?
-> Introdução à Inteligência Artificial: conceitos e aplicações
-> ML e DL: entenda as diferenças
-> Abordagens supervisionadas e não supervisionadas
-> Como o ML e o DL aprendem?
-> Métodos de validação
-> Prática 1 (RStudio) – Banco de dados tabular "Dataset Palmer penguins"
-> Abordagem multiclasse para detectar 3 espécies de pinguins (Adélie, Gentoo e Chinstrap), a partir de características morfométricas, como: "comprimento e profundidade do bico", "comprimento das asas" e "massa corporal".
-> Prática 2 (Google Colab) – Banco de imagens "Malaria Cell Images Dataset"
-> Abordagem binária para detectar imagens de células com e sem infecção pelo protozoário da Malária.
Módulo 2 - Deep Learning e Redes Neurais Artificiais
Módulo 2 - Deep Learning e Redes Neurais Artificiais
Módulo 2 - Deep Learning e Redes Neurais Artificiais
-> O que são Redes Neurais Artificiais ou MultiLayer Perceptron Backpropagation
-> Função de Ativação (Linear, ReLU, Sigmoid e Softmax)
-> Função de Perda ou Loss Function
-> Gradiente Descendente
-> Prática 1 (Google Colab) – Banco de imagens de células "Histopathologic Oral Cancer Detection - Oral Squamous Cell Carcinoma (OSCC)"
-> Abordagem binária para detectar imagens de células com e sem câncer oral.
-> Prática 2 (Google Colab) – Banco de imagens "COVID-19 Radiography Database"
-> Abordagem multiclasse para detectar em imagens de radiografia 4 classes de problemas respiratórios (Normal, Opacidade Pulmonar, Pneumonia viral e COVID-19) .
-> O que são Redes Neurais Artificiais ou MultiLayer Perceptron Backpropagation
-> Função de Ativação (Linear, ReLU, Sigmoid e Softmax)
-> Função de Perda ou Loss Function
-> Gradiente Descendente
-> Prática 1 (Google Colab) – Banco de imagens de células "Histopathologic Oral Cancer Detection - Oral Squamous Cell Carcinoma (OSCC)"
-> Abordagem binária para detectar imagens de células com e sem câncer oral.
-> Prática 2 (Google Colab) – Banco de imagens "COVID-19 Radiography Database"
-> Abordagem multiclasse para detectar em imagens de radiografia 4 classes de problemas respiratórios (Normal, Opacidade Pulmonar, Pneumonia viral e COVID-19) .
-> O que são Redes Neurais Artificiais ou MultiLayer Perceptron Backpropagation
-> Função de Ativação (Linear, ReLU, Sigmoid e Softmax)
-> Função de Perda ou Loss Function
-> Gradiente Descendente
-> Prática 1 (Google Colab) – Banco de imagens de células "Histopathologic Oral Cancer Detection - Oral Squamous Cell Carcinoma (OSCC)"
-> Abordagem binária para detectar imagens de células com e sem câncer oral.
-> Prática 2 (Google Colab) – Banco de imagens "COVID-19 Radiography Database"
-> Abordagem multiclasse para detectar em imagens de radiografia 4 classes de problemas respiratórios (Normal, Opacidade Pulmonar, Pneumonia viral e COVID-19) .
Módulo 3 - Visão Computacional e Redes Neurais Convolucionais
Módulo 3 - Visão Computacional e Redes Neurais Convolucionais
Módulo 3 - Visão Computacional e Redes Neurais Convolucionais
-> Fundamentos sobre imagens
-> Rede Neural Convolucional (RNC)
-> Filtros convolucionais
-> Etapas e parâmetros de uma arquitetura de RNC
-> Prática – Banco de Imagens CIFAR10
-> Abordagem multiclasse para classificar 6 grupos de animais.
-> Fundamentos sobre imagens
-> Rede Neural Convolucional (RNC)
-> Filtros convolucionais
-> Etapas e parâmetros de uma arquitetura de RNC
-> Prática – Banco de Imagens CIFAR10
-> Abordagem multiclasse para classificar 6 grupos de animais.
-> Fundamentos sobre imagens
-> Rede Neural Convolucional (RNC)
-> Filtros convolucionais
-> Etapas e parâmetros de uma arquitetura de RNC
-> Prática – Banco de Imagens CIFAR10
-> Abordagem multiclasse para classificar 6 grupos de animais.
/klickart-prod/uploads/media/file/6559009/frame.png)
Garantia de 7 dias
Garantia de 7 dias
Garantia de 7 dias
Seu dinheiro de volta sem perguntas até
7 dias após a compra.
Seu dinheiro de volta sem perguntas até
7 dias após a compra.
Seu dinheiro de volta sem perguntas até
7 dias após a compra.
CONHEÇA MELHOR QUEM
CRIOU O CONTEÚDO
CONHEÇA MELHOR QUEM
CRIOU O CONTEÚDO
CONHEÇA MELHOR QUEM
CRIOU O CONTEÚDO
Carlos de Oliveira
Carlos de Oliveira
Carlos de Oliveira
__________________________________________________________
__________________________________________________________
__________________________________________________________
Pós-doutorando no projeto Patogenicidade do vírus da gripe aviária em mamíferos marinhos brasileiros, desenvolvido no Laboratório de Ecologia de Mamíferos (LEM/UNISINOS). Doutor em Biologia (2025), com ênfase em Conservação e Manejo da Biodiversidade, pela Universidade do Vale do Rio dos Sinos (UNISINOS), onde também obtive o título de Mestre em Biologia (2020) e a Licenciatura em Ciências Biológicas (2018).
Minhas pesquisas integram o uso de inteligência artificial e veículos aéreos não tripulados (VANTs) na identificação de espécies e na análise da abundância e dinâmica de ocupação de áreas marinhas protegidas por pinípedes no Rio Grande do Sul, além de concentrarem-se na modelagem de nicho ecológico de lobos e leões-marinhos e na avaliação dos impactos das mudanças climáticas sobre os ecossistemas marinhos.
Tenho experiência em climatologia e em diferentes áreas da oceanografia química, física, ambiental e biológica, investigando as influências dessas variáveis sobre a fauna silvestre, com foco nos ecossistemas marinhos. Para isso, utilizo desde modelos estatísticos clássicos até técnicas avançadas de machine learning e deep learning, com especial interesse na aplicação da Inteligência Artificial como ferramenta central para compreender e solucionar questões biológicas.
É exatamente essa experiência prática, construída dentro da pesquisa científica real, que levo para este curso — com o objetivo de tornar a Inteligência Artificial acessível, aplicável e relevante para estudantes, pesquisadores e profissionais das áreas Biológicas e da Saúde.
Pós-doutorando no projeto Patogenicidade do vírus da gripe aviária em mamíferos marinhos brasileiros, desenvolvido no Laboratório de Ecologia de Mamíferos (LEM/UNISINOS). Doutor em Biologia (2025), com ênfase em Conservação e Manejo da Biodiversidade, pela Universidade do Vale do Rio dos Sinos (UNISINOS), onde também obtive o título de Mestre em Biologia (2020) e a Licenciatura em Ciências Biológicas (2018).
Minhas pesquisas integram o uso de inteligência artificial e veículos aéreos não tripulados (VANTs) na identificação de espécies e na análise da abundância e dinâmica de ocupação de áreas marinhas protegidas por pinípedes no Rio Grande do Sul, além de concentrarem-se na modelagem de nicho ecológico de lobos e leões-marinhos e na avaliação dos impactos das mudanças climáticas sobre os ecossistemas marinhos.
Tenho experiência em climatologia e em diferentes áreas da oceanografia química, física, ambiental e biológica, investigando as influências dessas variáveis sobre a fauna silvestre, com foco nos ecossistemas marinhos. Para isso, utilizo desde modelos estatísticos clássicos até técnicas avançadas de machine learning e deep learning, com especial interesse na aplicação da Inteligência Artificial como ferramenta central para compreender e solucionar questões biológicas.
É exatamente essa experiência prática, construída dentro da pesquisa científica real, que levo para este curso — com o objetivo de tornar a Inteligência Artificial acessível, aplicável e relevante para estudantes, pesquisadores e profissionais das áreas Biológicas e da Saúde.
Pós-doutorando no projeto Patogenicidade do vírus da gripe aviária em mamíferos marinhos brasileiros, desenvolvido no Laboratório de Ecologia de Mamíferos (LEM/UNISINOS). Doutor em Biologia (2025), com ênfase em Conservação e Manejo da Biodiversidade, pela Universidade do Vale do Rio dos Sinos (UNISINOS), onde também obtive o título de Mestre em Biologia (2020) e a Licenciatura em Ciências Biológicas (2018).
Minhas pesquisas integram o uso de inteligência artificial e veículos aéreos não tripulados (VANTs) na identificação de espécies e na análise da abundância e dinâmica de ocupação de áreas marinhas protegidas por pinípedes no Rio Grande do Sul, além de concentrarem-se na modelagem de nicho ecológico de lobos e leões-marinhos e na avaliação dos impactos das mudanças climáticas sobre os ecossistemas marinhos.
Tenho experiência em climatologia e em diferentes áreas da oceanografia química, física, ambiental e biológica, investigando as influências dessas variáveis sobre a fauna silvestre, com foco nos ecossistemas marinhos. Para isso, utilizo desde modelos estatísticos clássicos até técnicas avançadas de machine learning e deep learning, com especial interesse na aplicação da Inteligência Artificial como ferramenta central para compreender e solucionar questões biológicas.
É exatamente essa experiência prática, construída dentro da pesquisa científica real, que levo para este curso — com o objetivo de tornar a Inteligência Artificial acessível, aplicável e relevante para estudantes, pesquisadores e profissionais das áreas Biológicas e da Saúde.
:format(webp)/klickart-prod/uploads/media/file/10472891/imagem_10.jpeg)
:format(webp)/klickart-prod/uploads/media/file/6273406/icon-1_usecase-pagina-de-vendas.png){kind=icon}
Aproveite o conteúdo em qualquer dispositivo.
Aproveite o conteúdo em qualquer dispositivo.
Aproveite o conteúdo em qualquer dispositivo.
__________________________________________________________
__________________________________________________________
__________________________________________________________
Perguntas frequentes
Perguntas frequentes
Perguntas frequentes
Para quem é esse produto?
Para quem é esse produto?
Para quem é esse produto?
Profissionais, pesquisadores e estudantes das áreas biológicas, da saúde e da ciência de dados que desejam aprender a desenvolver e aplicar técnicas de Inteligência Artificial e suas ferramentas de Machine Learning e Deep Learning em seus estudos e projetos.
Profissionais, pesquisadores e estudantes das áreas biológicas, da saúde e da ciência de dados que desejam aprender a desenvolver e aplicar técnicas de Inteligência Artificial e suas ferramentas de Machine Learning e Deep Learning em seus estudos e projetos.
Profissionais, pesquisadores e estudantes das áreas biológicas, da saúde e da ciência de dados que desejam aprender a desenvolver e aplicar técnicas de Inteligência Artificial e suas ferramentas de Machine Learning e Deep Learning em seus estudos e projetos.
Como funciona o 'Prazo de Garantia'?
Como funciona o 'Prazo de Garantia'?
Como funciona o 'Prazo de Garantia'?
O Prazo de Garantia é o período que você tem para pedir o reembolso integral do valor pago pela sua compra, caso o produto não seja satisfatório.
O Prazo de Garantia é o período que você tem para pedir o reembolso integral do valor pago pela sua compra, caso o produto não seja satisfatório.
O Prazo de Garantia é o período que você tem para pedir o reembolso integral do valor pago pela sua compra, caso o produto não seja satisfatório.
O que é e como funciona o Certificado de Conclusão digital?
O que é e como funciona o Certificado de Conclusão digital?
O que é e como funciona o Certificado de Conclusão digital?
O certificado com o total das horas de curso, ficará disponível quando o progresso do conteúdo atingir 100%.
O certificado com o total das horas de curso, ficará disponível quando o progresso do conteúdo atingir 100%.
O certificado com o total das horas de curso, ficará disponível quando o progresso do conteúdo atingir 100%.
Como acessar o produto?
Como acessar o produto?
Como acessar o produto?
Você receberá o acesso por email. O conteúdo será acessado ou baixado através de um computador, celular, tablet ou outro dispositivo digital. Você também pode acessar o produto comprado nesta página:
01 - Faça login na Hotmart clicando em 'Entrar'
02 - Acesse o menu lateral, clique em 'Minha conta'
03 - Clique em 'Minhas compras' e lá estarão todos os produtos que você já comprou!
Você receberá o acesso por email. O conteúdo será acessado ou baixado através de um computador, celular, tablet ou outro dispositivo digital. Você também pode acessar o produto comprado nesta página:
01 - Faça login na Hotmart clicando em 'Entrar'
02 - Acesse o menu lateral, clique em 'Minha conta'
03 - Clique em 'Minhas compras' e lá estarão todos os produtos que você já comprou!
Você receberá o acesso por email. O conteúdo será acessado ou baixado através de um computador, celular, tablet ou outro dispositivo digital. Você também pode acessar o produto comprado nesta página:
01 - Faça login na Hotmart clicando em 'Entrar'
02 - Acesse o menu lateral, clique em 'Minha conta'
03 - Clique em 'Minhas compras' e lá estarão todos os produtos que você já comprou!
Como faço para comprar?
Como faço para comprar?
Como faço para comprar?
Para comprar este curso, clique no botão “Comprar agora”.
Para comprar este curso, clique no botão “Comprar agora”.
Para comprar este curso, clique no botão “Comprar agora”.
Copyright ©
Todos os direitos reservados.
Copyright ©
Todos os direitos reservados.
Copyright ©
Todos os direitos reservados.
