Descubra as últimas tendências em estatística em R, como técnicas de mineração de dados ou pesquisa biomédica com uma perspectiva nutricional, matriculando-se neste Programa avançado" 

Os temas abordados pela pesquisa científica na área de nutrição são extensos. Desde o efeito de determinadas dietas em diferentes pessoas até a interação entre um grupo de alimentos e doenças como o câncer, o pesquisador deve ter um excelente conhecimento não apenas dos postulados científicos e do material atual, mas também das ferramentas estatísticas essenciais para a execução do projeto. 

Desde a sua gênese, a equipe de pesquisa deve definir os objetivos e a metodologia científica a ser usada, bem como a ética do próprio projeto. Este programa, criado por uma equipe de pesquisadores especializados com anos de experiência, compila as bases científicas necessárias e as ferramentas mais úteis para realizar um projeto de pesquisa em Nutrição com todas as garantias. 

Assim, inclui tópicos abrangentes que abordam expectativas, hipóteses, bioestatística, análise multivariada, tipos de gráficos e muitas outras questões essenciais para pesquisadores que desejam estar na vanguarda de seu campo. Todo o material didático é reforçado por um grande número de casos simulados e reais, que ajudam a contextualizar adequadamente cada tópico estudado. Isso complementa a teoria e a prática com vídeos detalhados, resumos interativos e outros conteúdos criados pelos melhores profissionais da área. 

O formato 100% online deste curso também permite conciliá-lo com todos os tipos de atividades e responsabilidades profissionais e pessoais. O aluno tem total liberdade para distribuir a carga horária do curso de acordo com seus próprios interesses, podendo fazer o download de todo o programa de estudos em qualquer dispositivo com conexão à Internet.

Posicione-se na vanguarda da pesquisa dietética com as melhores ferramentas, preceitos e orientações práticas que a TECH coloca à sua disposição neste programa"  

Este Programa avançado de Ferramentas de Pesquisa na Área da Saúde conta com o conteúdo científico mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Ciência da Saúde
• Os conteúdos gráficos, esquemáticos e extremamente úteis fornecem informações médicas sobre as disciplinas indispensáveis para o exercício da profissão
• Exercícios práticos em que o processo de autoavaliação é realizado para melhorar a aprendizagem
• Destaque especial para as metodologias inovadoras
• Aulas teóricas, perguntas a especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo, fixo ou portátil, com conexão à Internet

Aprofunde seu conhecimento sobre como a mineração de dados e a análise de dados maciços podem ser um ponto-chave na pesquisa em Saúde e Nutrição"

O corpo docente do curso conta com profissionais do setor, que transferem toda a experiência adquirida ao longo de suas carreiras para esta capacitação, além de especialistas reconhecidos de instituições de referência e universidades de prestígio.  

O conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, permitirá ao profissional uma aprendizagem contextualizada, ou seja, realizada através de um ambiente simulado, proporcionando uma capacitação imersiva e programada para praticar diante de situações reais.  

A estrutura deste programa se concentra na Aprendizagem Baseada em Problemas, através da qual o profissional tentará resolver as diferentes situações de prática profissional que surgirem ao longo do curso. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo realizado por especialistas reconhecidos nesta área.

Aprenda com um formato 100% online, sem restrições e com a liberdade de que você precisa para concluir o curso em apenas 6 meses"

Acesse um guia de referência abrangente que pode ser baixado para que continue sendo útil mesmo depois de concluir o curso"

Para facilitar ao máximo o trabalho de estudo do aluno, a TECH aplicou a metodologia Relearning em todos os conteúdos deste programa. Isso implica que os principais conceitos das Ferramentas para Pesquisa em Saúde são reiterados de forma natural e progressiva durante todo o Programa avançado. Isso reduz muitas horas de estudo, que, por sua vez, podem ser investidas na grande quantidade de material suplementar disponibilizado para cada módulo de conhecimento.

O aluno terá acesso 24 horas a uma biblioteca de conteúdo multimídia de alta qualidade, que pode ser baixado e reproduzido posteriormente em seu dispositivo favorito" 

Módulo 1. Geração de projetos de pesquisa

1.1.  Estrutura geral de um projeto
1.2.  Apresentação dos antecedentes e dados preliminares
1.3.  Definição da hipótese
1.4.  Definição de objetivos gerais e específicos
1.5.  Definição do tipo de amostra, número e variáveis a serem medidas
1.6.  Estabelecimento da metodologia científica
1.7.  Critérios de exclusão/inclusão para projetos de amostras humanas
1.8.  Estabelecendo a equipe específica: equilíbrio e expertise
1.9.  Aspectos éticos e expectativas: um elemento importante que esquecemos
1.10.  Geração de orçamento: um ajuste fino entre as necessidades e a realidade do edital

Módulo 2. Estatísticas e R em pesquisa em saúde

2.1.  Bioestatística

2.1.1.  Introdução ao método científico
2.1.2.  População e amostragem. Medidas de amostras de centralização
2.1.3.  Distribuições discretas e distribuições contínuas
2.1.4.  Esboço geral de inferência estatística. Inferência sobre uma média de uma população normal Inferência sobre uma média de uma população geral
2.1.5.  Introdução à Inferência não paramétrica

2.2.  Introdução ao R

2.2.1.  Características básicas do programa
2.2.2.  Principais tipos de objetos
2.2.3.  Exemplos simples de simulação e inferência estatística
2.2.4.  Gráficos
2.2.5.  Introdução à programação em R

2.3.  Métodos de regressão com R

2.3.1.  Modelos de regressão
2.3.2.  Seleção de variáveis
2.3.3.  Diagnóstico do modelo
2.3.4.  Processamento de dados atípicos
2.3.5.  Análise de regressões

2.4.  Análise multivariada em R

2.4.1.  Descrição dos dados multivariados
2.4.2.  Distribuições multivariadas
2.4.3.  Redução da dimensão
2.4.4.  Classificação não supervisionada: análise de agrupamentos
2.4.5.  Classificação supervisionada: análise discriminatória

2.5.  Métodos de regressão para pesquisa com R

2.5.1.  Modelos lineares generalizados (GLM): regressão de Poisson e binomial negativa
2.5.2.  Modelos lineares generalizados (GLM): regressão logística e binomial
2.5.3.  Regressão de Poisson e binomial negativa inflada de zeros
2.5.4.  Ajustes locais e modelos aditivos generalizados (GAM)
2.5.5.  Modelos mistos generalizados (GLMM) e generalizados aditivos (GAMM)

2.6.  Estatísticas aplicadas à pesquisa biomédica com R I

2.6.1.  Noções básicas de R. Variáveis e objetos em R. Tratamento de dados. 
Arquivos Gráficos
2.6.2.  Estatística descritiva e funções de probabilidade
2.6.3.  Programação e funções em R
2.6.4.  Análise da tabela de contingência
2.6.5.  Inferência básica com variáveis contínuas

2.7.  Estatísticas aplicadas à pesquisa biomédica com R II

2.7.1.  Análise de variância
2.7.2.  Análise de correlação
2.7.3.  Regressão linear simples
2.7.4.  Regressão Linear Múltipla
2.7.5.  Regressão logística

2.8.  Estatísticas aplicadas à pesquisa biomédica com R III

2.8.1.  Variáveis de confusão e interações
2.8.2.  Construção de um modelo de regressão logística
2.8.3.  Análise de sobrevivência
2.8.4.  Regressão de Cox
2.8.5.  Modelos preditivos. Análise das curvas ROC

2.9.  Técnicas estatísticas de Data Mining com R I

2.9.1.  Introdução. Data Mining. Aprendizagem supervisionada e não supervisionada. Modelos preditivos. Classificação e regressão
2.9.2.  Análise descritiva. Pré-processamento de dados
2.9.3.  Análise de componentes principais (PCA)
2.9.4.  Análise de Cluster. Métodos hierárquicos. K-Means

2.10.  Técnicas estatísticas de Data Mining com R II

2.10.1.  Medidas de avaliação de modelos. Medidas de capacidade preditiva. 
Curvas ROC
2.10.2.  Técnicas de avaliação de modelos. Validação cruzada. Amostras  Bootstrap
2.10.3.  Métodos baseados em árvore (CART)
2.10.4.  Support Vector Machines (SVM)
2.10.5.  Random Forest (RF) e redes neurais (NN)

Módulo 3. Representações gráficas de dados em pesquisa em saúde e outras análises avançadas

3.1.  Tipos de gráficos
3.2.  Análise de sobrevivência
3.3.  Curvas ROC
3.4.  Análise multivariada (tipos de regressão múltipla)
3.5.  Modelos binários de regressão
3.6.  Análise de dados massivos
3.7.  Métodos para redução da dimensionalidade
3.8.  Comparação dos métodos: PCA, PPCA and KPCA
3.9.  T-SNE (t-Distributed Stochastic Neighbor Embedding)
3.10.  UMAP (Uniform Manifold Approximation and Projection)

Exercícios de autoconhecimento, leituras complementares, resumos interativos, vídeos detalhados e mais material multimídia esperam por você ao realizar sua matrícula neste Programa avançado"