Aprendizado de Máquina para Competições Kaggle - Especial COVID-19

Atenda ao chamado da Casa Branca e ajude a comunidade científica e os profissionais de saúde na pandemia de COVID-19

De acordo com o CDC (Centros de Controle e Prevenção de Doenças), o novo coronavírus de 2019 é um vírus identificado como a causa de um surto de doença respiratória detectado pela primeira vez em Wuhan, China. Desde o início, muitos dos pacientes do surto em Wuhan estavam relacionados a um grande mercado de frutos do mar e animais selvagens. Um número crescente de pacientes relatou não ter tido exposição ao mercado de animais, indicando disseminação de pessoa para pessoa. O vírus agora se espalhou para praticamente todos os países do mundo, causando muitas mortes e sérios problemas econômicos. Em resposta a isso, a Casa Branca, juntamente com pesquisadores e líderes do Allen Institute for AI, Chan Zuckerberg Initiative (CZI), Centro de Segurança e Tecnologia Emergente (CSET) da Universidade de Georgetown, Microsoft e a Biblioteca Nacional de Medicina (NLM) dos Institutos Nacionais de Saúde, lançaram um banco de dados com artigos publicados sobre COVID-19, SARS-CoV-2 e coronavírus. O banco de dados contém mais de 30.000 artigos científicos sobre essas doenças, com o objetivo principal de ajudar pesquisadores e profissionais de saúde a obter informações relevantes sobre esses assuntos. Aqui estão alguns trechos do chamado à ação da Casa Branca: "A Casa Branca se une a essas instituições para emitir um chamado à ação aos especialistas em inteligência artificial do país para desenvolver novas técnicas de mineração de texto e dados que possam ajudar a comunidade científica a responder a perguntas científicas de alta prioridade relacionadas ao COVID-19", "Precisamos nos unir como empresas, governos e cientistas e trabalhar para trazer nossas melhores tecnologias para a biomedicina, epidemiologia, IA e outras ciências. O recurso e desafio da literatura COVID-19 estimularão esforços que podem acelerar o caminho para soluções no COVID-19", "Uma das aplicações mais imediatas e impactantes da IA é a capacidade de ajudar cientistas, estudiosos e tecnólogos a encontrar as informações corretas em um mar de artigos científicos para impulsionar a pesquisa mais rapidamente", "É difícil para as pessoas revisarem manualmente mais de 20.000 artigos e sintetizarem suas descobertas. Avanços recentes na tecnologia podem ser úteis aqui." Como esse banco de dados foi postado como um desafio no Kaggle, é uma ótima oportunidade para testar as habilidades adquiridas em cursos iniciais e aprender novas habilidades necessárias para resolver problemas reais. No entanto, fazer essa transição entre um ambiente educacional e o que encontramos no Kaggle, que imita os desafios que devemos enfrentar no mercado de trabalho, tende a ser um passo muito grande, pois a natureza dos dados e os problemas propostos aumentam em complexidade para um nível que os cursos básicos não cobrem. Com isso em mente, este curso tem como objetivo preencher essa lacuna na formação de cientistas de dados, mostrando em detalhes como abordar os desafios, passando pelas etapas de exploração e tratamento de dados, escolhendo uma abordagem de solução, construindo um modelo, treinamento e validação. Compreender esse processo é o primeiro passo para os competidores desenvolverem melhorias e começarem sua escalada até o topo dos rankings. Além do banco de dados descrito acima, este curso também se concentrará em mais duas bases de dados relacionadas ao COVID-19. Portanto, o curso é dividido em três partes: Recuperação de informações de bancos de dados de artigos: usaremos o banco de dados de artigos científicos e aplicaremos várias técnicas de mineração de texto e processamento de linguagem natural, usando bibliotecas como NLTK (Natural Language Toolkit), spaCy, WordCloud e fuzzywuzzy. Vamos nos concentrar na preparação e visualização de textos, como contagem frequente de termos, nuvens de palavras e aplicação de algoritmos de agrupamento como k-means! Também implementaremos sistemas de busca de texto que levam em consideração palavras-chave e similaridade de documentos usando TF-IDF (Frequência de Termo - Frequência Inversa de Documento). Previsões de mortes por COVID-19: usaremos outro banco de dados do Kaggle para prever mortes diárias usando algoritmos de regressão. Diagnóstico de pacientes com COVID-19 por meio de radiografias de tórax: usaremos técnicas modernas de Aprendizado Profundo com TensorFlow 2.0, ou seja, redes neurais convolucionais e aprendizado de transferência, para classificar imagens de pacientes doentes e saudáveis! Os códigos serão desenvolvidos usando a linguagem Python linha por linha e com o Google Colab, para que você entenda todas as análises necessárias para participar dessas competições!

O que você aprenderá

- Como trabalhar com bancos de dados específicos para competições Kaggle - Como resolver problemas de recuperação de informações, regressão e diagnóstico de imagens para ajudar a comunidade científica na pandemia de COVID-19 - Desenvolver insights que permitam a construção de modelos de Aprendizado de Máquina aplicados a problemas reais - Aprender exploração de dados focada em desafios reais - Criar vários tipos de gráficos para auxiliar na compreensão e análise de dados - Utilizar técnicas modernas para recuperação de informações em documentos de texto - Utilizar regressão para prever o número de mortes por COVID-19 - Utilizar técnicas modernas de Aprendizado Profundo, como redes neurais convolucionais e aprendizado de transferência, para diagnosticar pacientes com COVID-19 usando imagens de raio-X.