Close

Abordagens baseadas em dados de aprendizado profundo para a previsão de epidemias

O próximo Global Pervasive Computational Epidemiology Seminar apresenta o palestrante convidado e membro do MIDAS B. Aditya Prakash da Georgia Tech. 

Data/hora: quinta-feira, 23 de julho (11h30-12h30, Hora do Leste). 

Tópico: Abordagens baseadas em dados de aprendizado profundo para a previsão de epidemias

Resumo:
O impacto global devastador da pandemia da COVID-19 demonstra nitidamente nossa enorme vulnerabilidade a doenças infecciosas emergentes. Prever as trajetórias das doenças é uma tarefa pouco comum e muito importante. A estimativa de várias medidas relacionadas à epidemia (como a incidência futura nas próximas quatro semanas) dá aos legisladores um tempo valioso para planejar intervenções e otimizar as decisões da cadeia de suprimentos. Nesta palestra, falaremos sobre nossas estruturas neurais baseadas em dados para a previsão de epidemias de diferentes agentes, usando a gripe comum (influenza) e a pandemia da COVID-19 como exemplos. Primeiro, apresentamos nosso modelo histórico da gripe, que prevê a carga sintomática de doenças semelhantes à gripe nos Estados Unidos, oferecendo muitas propriedades desejáveis, incluindo interpretabilidade. Depois, mostramos como usar as novas técnicas de aprendizado profundo para adaptar nosso modelo histórico a um cenário emergente (como a COVID), utilizando fontes de dados auxiliares. Por fim, discutimos nosso modelo de previsão da mortalidade e das hospitalizações associadas à COVID que é capaz de lidar com sinais confusos ao propagar as incertezas. Utilizamos vários sinais de dados, incluindo mobilidade, mídia social e conjuntos de dados de ponto de atendimento. Os resultados de nossas previsões em tempo real (mostradas no site do CDC e em FiveThirtyEight.com) sobre a pandemia desde março indicam que nossas abordagens estão entre as com melhor desempenho, especialmente para previsões de curto prazo.

 

Observação: para facilitar a discussão, voltaremos a adotar o formato de reunião “normal” do Zoom nos próximos seminários. Para reduzir o ruído de fundo, lembre-se de manter seu microfone silenciado quando não estiver participando da discussão.

Link: https://virginia.zoom.us/j/92700002677?pwd=Zi8vQ21TUHpBQVYxQXFpaTZPY2FNdz09

ID da reunião: 927 0000 2677

Senha: 175573 (necessária se você não acessar usando o link acima)

 

Os seminários ocorrem na segunda e na quarta terças-feiras de cada mês, das 11h30 às 12h30, Hora do Leste. Agenda dos próximos seminários:

 

13 de agosto: Naren Ramakrishnan (Virginia Tech)

27 de agosto: Kathy Alexander (Virginia Tech)

10 de setembro: Anil Vullikanti (Universidade da Virginia)

Datas

23 de julho de 2020

Local

on-line

Site do evento

Compartilhar

Compartilhar no email
Compartilhar no facebook
Compartilhar no twitter
Compartilhar no linkedin