Trabalho final do curso de laboratório de Inteligência Artificial na Universidade Federal da Bahia. Foram desenvolvias duas soluções para o problema de classificação de notificações de síndrome gripal do estado da bahia em 2024, uma utilizando um modelo não supervisionado e outra utilizando um modelo supervisionado.
O Ministério da Saúde, por meio da Secretaria de Vigilância em Saúde e Ambiente (SVSA), implementou, devido à pandemia, a vigilância da Síndrome Gripal (SG) de casos leves e moderados suspeitos de covid-19. Esta página tem como finalidade disponibilizar a base de dados de SG de casos leves e moderados suspeitos de covid-19, a partir da incorporação do sistema e-SUS Notifica, em vigor a partir de março de 2020.
Os dados são oriundos do sistema e-SUS Notifica, que foi desenvolvido para registro de casos de Síndrome Gripal suspeitos de covid-19, e contém dados referentes ao local de residência do paciente (variáveis: estado, município), independentemente de terem sido notificados em outro estado ou município (variáveis: estadoNotificação, municípioNotificação), resultados de exames laboratoriais, além de dados demográficos e clínicos epidemiológicos.
Estados e municípios que utilizam sistemas próprios de notificação de casos suspeitos de covid-19 estão em processo de integração com o e-SUS Notifica. Assim, os dados desses locais podem apresentar uma diferença substancial até a finalização do processo de integração. Devido ao grande número de casos notificados de SG suspeitos de covid-19, alguns estados já possuem mais de 1.048.576 de registros, o que impossibilita estes dados de serem abertos e analisados em planilha de Excel. Para maiores informações, consultar a Ficha de Investigação e o Instrutivo de preenchimento da ficha, disponíveis por meio no endereço eletrônico: https://datasus.saude.gov.br/notifica/
Avaliar o desempenho de algoritmos de Aprendizado de Máquina para resolução de problemas práticos.
- Selecionar uma base de dados com rótulo;
- Realizar experimentos usando algoritmos supervisionados e não-supervisionados vistos em sala de aula;
- Para executar a abordagem não-supervisionadada, suprimir os rótulos e validar os resultados usando silhueta e índices externos;
- Realizar avaliação criteriosa dos resultados, justificando o uso de parâmetros e comparando os resultados obtidos técnicas de validação;
- Justificar a escolha dos algoritmos e da validação utilizada.
- Não serão aceitos trabalhos realizados sobre bases do UCI ou bases de dados da internet com aplicações prévias de algoritmos de AM
- Execução do pré-processamento (2,5);
- Aplicação dos modelos de AM (2,5);
- Validação dos resultados (2,5);
- Criatividade na escolha do problema (2,5);