[general_dat] Curso "Ciencia de Datos para Salud Mental y Psicología" (Daniel Low)

[Guillermo Solovey]

*Ciencia de datos para salud mental y psicología: procesamiento del
lenguaje natural, inferencia causal y procesamiento del habla*
Instituto de Cálculo, Exactas-UBA y CONICET


El curso es para quienes quieran indagar en técnicas computacionales para
medir, predecir y entender variables de salud mental y psicología. Los
métodos son relevantes para estudiantes e investigadores de ciencia de
datos, computación, estadística, ingeniería, medicina, psicología, ciencias
sociales y áreas afines. Se introducirán métodos de procesamiento de
lenguaje natural (NLP), machine learning, deep learning, inteligencia
artificial (IA) generativa, network analysis, procesamiento del habla e
inferencia causal. Se proveerán tutoriales prácticos para la mayoría de los
temas. También se discutirán problemas más avanzados de cada tema. Mientras
que los ejemplos serán predominantemente de psicología y salud mental, en
general será fácil aplicar los métodos a otras disciplinas como neurología,
epidemiología, ciencias sociales, lingüística, fonoaudiología, econometría,
educación y humanidades digitales.

*Docente: * Daniel M. Low (Profesor Invitado por el Instituto de Cálculo).
Doctor en Speech and Hearing Bioscience and Technology de la Universidad de
Harvard. Postdoc en los departamentos de Epidemiología y Psicología de la
Universidad de Harvard (sitio web <https://danielmlow.github.io/>).

*Organiza*: Instituto de Cálculo, Exactas-UBA y CONICET
Esta actividad es realizada mediante un subsidio de la Fundación Williams.

*Fechas, horario y modalidad*
25, 26, 27, 28 de noviembre
14:30 - 19:30 hs
Presencial

*Lugar:* Instituto del Cálculo, Facultad de Ciencias Exactas y Naturales,
Universidad de Buenos Aires. Edificio Cero + Infinito. Aula a confirmar.

*Requisitos previos: *
- Conocimiento de programación intermedio. Se incluirán tutoriales
predominantemente en Python, pero también algunos en R.
- Conocimiento de estadística descriptiva, regresión lineal y regresión
logística.
- Recomendado: machine learning introductorio (i.e., train-test split;
k-fold cross-validation; métricas de clasificación; algoritmos como support
vector machines, random forests, multi-layer perceptrons).
El Instituto de Cálculo facilitará computadoras para quienes lo requieran.

*Inscripciones: *https://www.ic.fcen.uba.ar/curso-datos-salud/
El curso es *gratuito*. Se dará prioridad a estudiantes de universidades
públicas, tanto avanzados de grado como de doctorado.

Inscripción abierta hasta el 1-11. Cupos limitados.

*+ info*: https://www.ic.fcen.uba.ar/curso-datos-salud/