Aprendizado de representação de séries temporais da área da Saúde

• Processo: 22/00301-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2022
• Data de Término da vigência: 31 de março de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Sophia Santonastasio Schuster
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Aprendizado de máquina supervisionado Banco de dados temporais Metodologia e técnicas de computação Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Aprendizado auto-supervisionado | Aprendizado de Máquina | Aprendizado de Representação | Redes neurais | Saúde | série temporal | Aprendizado de Máquina

Resumo

Com o grande volume de dados coletados de forma contínua diariamente em diversas aplicações, é cada vez mais comum a obtenção e armazenamento de séries temporais sem qualquer tipo de anotação. O desafio de rotular tais dados se dá pelo alto custo para se agregar manualmente qualquer informação aos dados coletados. Esta situação torna-se ainda mais significativa no domínio de aplicações em cuidados com a saúde, onde existem diversas formas de obtenção de dados temporais. A criação de modelos a partir de dados nesse domínio pode levar a um impacto real à vida de diversas pessoas, porém a identificação e anotação de qualquer aspecto nesse escopo é um trabalho altamente especializado e, portanto, dispendioso. Nesse cenário, esta pesquisa tem como objetivo a investigação de técnicas de aprendizado auto-supervisionado baseadas em aumento de dados que possam ser aplicadas no domínio de séries temporais, com especial interesse em aplicações relacionadas à Saúde. Esta é uma estratégia desafiadora e inédita em tarefas envolvendo séries temporais, além de poder ter um alto impacto no domínio de aplicação escolhido.(AU)