O rápido aumento na quantidade de dados em saúde tem aberto novas oportunidades para a saúde brasileira. Entre as várias novidades proporcionadas pelo big data, terá destaque o uso de modelos preditivos de inteligência artificial, conhecidos como machine learning. A palestra tem como objetivo apresentar essa área em rápido crescimento, além de seus benefícios, limitações e possíveis uso na área da saúde.

Bio: Alexandre Chiavegatto Filho é Professor Livre Docente da Faculdade de Saúde Pública da USP (FSP/USP). Possui graduação em Economia pela Faculdade de Economia e Administração da USP (FEA/USP), doutorado direto em Saúde Pública pela FSP/USP e pós-doutorado na Universidade de Harvard. Em 2015-2016 foi responsável pela disciplina online “Big Data em Saúde no Brasil” da parceria USP-Coursera, que teve mais de 8.500 alunos matriculados e representantes de todos os Estados brasileiros. Atualmente é o pesquisador principal de projetos financiados pela FAPESP, CNPq, Pró-Reitoria da USP e Fundação Lemann. Atuou como professor convidado (2016) e pesquisador visitante (2017 e 2019) na Universidade de Harvard. É o diretor do LABDAPS (Laboratório de Big Data e Análise Preditiva em Saúde) da Faculdade de Saúde Pública da USP, fundado no início de 2017 com o objetivo de desenvolver algoritmos de machine learning que auxiliem na melhoria da atenção à saúde no Brasil.

___

Conheça as nossas vagas:
→ Machine Learning Engineer: https://nubank.workable.com/j/554682E848
→ Data Scientist: https://nubank.workable.com/j/5901B90A55

→ Acompanhe o nosso Meetup de Machine Learning: https://sou.nu/ml-meetup
→ Siga também o canal do Nubank: http://sou.nu/canalnu

source