Ciencia de datos para salud mental y psicología: procesamiento del lenguaje natural, inferencia causal y procesamiento del habla

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).

Organiza: Instituto de Cálculo, Exactas-UBA y CONICET

Esta actividad es realizada mediante un subsidio de la Fundación Williams.

Descripción

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.

Al final del curso se espera que los estudiantes:

  • Sepan cuándo aplicar cada método

  • Puedan correr los tutoriales

  • Conozcan los debates recientes y las problemáticas avanzadas sobre cada método

  • Tengan un listado de tutoriales, cursos, y bibliografía adicionales y el conocimiento suficiente para seguir profundizando el aprendizaje de manera independiente

  • Conozcan cómo se pueden aplicar los métodos a su tema de investigación o trabajo

Fechas, horario y modalidad

Fechas: 25, 26, 27, 28 de noviembre

Horario: 14:30 - 19:30 hs

Modalidad: 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.