Com este programa, você obterá todo o conhecimento necessário para definir perfeitamente o tipo de amostra, o número e as variáveis a serem medidas em um projeto de pesquisa"

A pesquisa científica possibilitou o desenvolvimento de ferramentas úteis no nível fisiológico do desempenho dos atletas e também em suas competições. Além disso, a precisão dos estudos ajudou a reduzir as lesões dos atletas, não apenas com a adaptação dos testes, mas também com seus equipamentos. Por esse motivo, há uma grande demanda no setor de pesquisa para incorporar em suas linhas de trabalho especialistas com conhecimentos atualizados nessa área e que tenham um controle profundo de aspectos como a estatística aplicada a testes.

Além disso, os recursos proporcionados pelas novas tecnologias levaram à evolução no desenvolvimento de hipóteses e comprovaram os benefícios da atividade física no bem-estar dos indivíduos e na melhoria de seu estilo de vida. Sejam dados na forma de número, tempo, volume, intensidade e estrutura aplicados ao esporte, essas informações são inestimáveis para a contribuição científica no esporte. Por esse motivo, o conhecimento deve ser processado e avaliado por cientistas altamente qualificados para que se possa obter as melhores conclusões no mundo real.

Assim, a TECH desenvolveu um programa 100% online que permite que os alunos acompanhem a matéria e adaptem seu ritmo de estudo para proporcionar grande flexibilidade aos alunos. Dessa forma, os profissionais não precisarão prescindir de outras atividades em suas vidas diárias de especialistas, como o emprego. Além disso, a TECH aplica a metodologia Relearning para isentar os estudantes de longas horas de memorização e permitir que eles assimilem o conteúdo de forma gradual e constante. Neste curso, os profissionais serão apoiados por uma equipe pedagógica especializada na área que recebeu vários prêmios no setor da saúde.

As expectativas do seu projeto são fundamentais para a sua gestão. Entenda como isso afeta a estrutura e a distribuição do trabalho nesta área graças à TECH"

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 Ciências da Saúde
• Os conteúdos gráficos, esquemáticos e extremamente úteis fornecem informações médicas sobre as disciplinas indispensáveis para o exercício da profissão
• Exercícios práticos onde o processo de autoavaliação é realizado para melhorar a aprendizagem
• Destaque especial para as metodologias inovadoras
• Lições 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

Faça parte dos profissionais que estão na vanguarda dos estudos de Ciências do Esporte, graças ao aprofundamento teórico e prático que você obterá com a TECH"

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, onde o profissional deverá tentar resolver as diferentes situações de prática profissional que surgirem ao longo do curso acadêmico. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo realizado por especialistas reconhecidos.

Adote as habilidades em Estatística e R que serão fundamentais para o desenvolvimento de projetos de análise por meio de um curso 100% online"

Com a TECH, você poderá aplicar programação, Big Data e regressão múltipla para oferecer um serviço muito mais preciso"

O Programa avançado de Ferramentas de Pesquisa na Área da Saúde é inovador e ministrado 100% online para possibilitar seu estudo de forma flexível. Graças aos métodos pedagógicos mais inovadores, como o Relearning, a TECH oferece um curso completo e rigoroso que leva apenas 6 meses acadêmicos para ser concluído. Uma experiência acadêmica com um guia de referência para download, que pode ser consultado após o curso, depois de salvo nos dispositivos dos alunos.

Matricule-se agora e atualize seus conhecimentos em estatística aplicada à pesquisa biomédica com R graças a este Programa avançado"

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. Estabelecimento da equipe específica: equilíbrio e especialização
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 por 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 componentes principais (PCA)
2.9.5. 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)

Un programa diseñado para que perfecciones tus competencias y te dotes de herramientas que harán de tus ensayos científicos un proceso exitoso”