Especialização em Fotodiagnóstico Aplicado a Saúde Humana, Animal e Vegetal - CAMPO GRANDE

Biossegurança: Em agentes biológicos, contaminação cruzada, descarte e limpeza/esterilização. Preparo de amostras de microrganismos: Aquisição e manutenção microrganismos, tipos e preparo de meio de cultura, técnicas de semeadura, isolamento e repique de microrganismos. Preparo de amostras biológicas: Submissão de projetos em comitê de ética humana e animal, recepção, preparo, identificação e registro de amostras, armazenamento e conservação de amostras biológicas. Controle de qualidade: requisitos de normas técnicas: ambiente de trabalho, amostras, técnicas, resíduos e etc. Diagnósticos laboratoriais: Ensaios bioquímico, imunológicos e moleculares, pesquisa direta e indireta de agentes de biológicos.

Conexão dos tópicos abordados no curso: (I) fundamentos das técnicas de espectroscopia óptica (UV-vis, FTIR e Raman); (II) Análise multivariada (Análise de Componentes Principais e Algoritmos de Classificação (KNN, SVM e DA); (III) Phyton; (IV) escrita científica; (V) Comunicação oral; (VI) analise da literatura; aplicados em questões.

Conceitos fundamentais sobre a natureza da radiação e da matéria. Interação radiação-matéria. Espectroscopia óptica. Introdução aos métodos instrumentais de análise. Espectroscopia de absorção UV-vis. Espectroscopia de fluorescência. Espectroscopia no infravermelho por transformada de Fourier. Espectroscopia Raman. Instrumentação e erros associados às medidas instrumentais

Introdução à estatística aplicada à pesquisa experimental. Estatística descritiva; Dados e variáveis. Tabelas e gráficos. Medidas de tendência central. Medidas de dispersão. Intervalo de confiança. População e amostragem. Distribuição de probabilidades: normal e binomial. Inferência estatística e teste de hipótese. Teste t para uma amostra e para comparação de médias. Teste qui-quadrado. Análise de Variância (ANOVA). Correlação. Regressão. Recursos computacionais para cálculos estatísticos.

Fundamentos de análise de dados: conceitos básicos, objetivos e aplicações. Princípios estatísticos: medidas descritivas, probabilidade e distribuições de probabilidade, amostragem e inferência estatística. Ferramentas de análise de dados: gráficos e tabelas, análise exploratória de dados, técnicas de visualização. Análise de dados univariada: medidas de tendência central e de dispersão, regressão linear, análise de outliers. Análise de dados multivariada: correlação, regressão múltipla, análise de componentes principais. Introdução ao aprendizado de máquina: conceitos básicos, algoritmos de classificação e regressão. Análise de dados reais (Python).

Variáveis e Tipos de Dados. Estrutura Sequencial. Estrutura Condicional. Estruturas de Repetição. Variáveis Compostas Homogêneas. Modularização. Desenvolvimento, depuração, noções de testes automatizados e documentação de programas utilizando linguagem Python.

O método científico e os níveis do conhecimento. Tema e delimitação do tema, problema e objetivos de pesquisa. Ética em pesquisa e direitos humanos. Seleção de referencial teórico em bases indexadas. Resumo e síntese. Estrutura e forma do trabalho científico. Utilização dos diversos meios de comunicação; leitura e interpretação de textos. Redação Técnico científica: coesão e coerência textual. Tipologia textual (resumo, relatório, projeto, monografia). Apresentação oral.

Princípios de espectrometria, espectroscopia, eletroanálises e cromatografia. Introdução ao conceito de química verde, incluindo preparo de amostras e sequência analítica. Métodos de calibração univariados tradicionais e não-tradicionais. Principais parâmetros de validação analítica.

Trabalho Final de Curso.