Diplomado en Técnicas de Machine Learning en Oncología Genómica
Diplomado
Online
Descripción
-
Tipología
Diplomado
-
Metodología
Online
-
Horas lectivas
150h
-
Duración
2 Meses
-
Inicio
Fechas disponibles
-
Campus online
Sí
-
Clases virtuales
Sí
El concepto de Oncología Genómica o de Precisión no es completamente nuevo; los médicos han estado utilizando el tipo de sangre para adaptar las transfusiones de sangre durante más de un siglo. Lo que hoy es diferente es el rápido crecimiento de los datos genómicos que se pueden recopilar de forma rápida y barata del paciente y de la comunidad en general, y el potencial para obtener capacitación a partir del intercambio de esos datos. La escala y la complejidad de los datos genómicos empequeñecen las medidas que se usan tradicionalmente en las pruebas de laboratorio.
Información importante
Documentos
- 498diplomado-tecnicas-machine-learning-oncologia-ggenomica.pdf
Sedes y fechas disponibles
Ubicación
inicio
inicio
Información relevante sobre el curso
Objetivo general
Ser capaz de interpretar con precisión el volumen de información clínica disponible actualmente y asociado a los datos biológicos que se generan tras un análisis bioinformático
Objetivos específicos
Procesar y analizar de forma rápida y automática enormes volúmenes de datos complejos estructurados, semiestructurados y no estructurados en big data
Comprender qué es el aprendizaje automático y utilizar algunas de las técnicas para la clasificación de datos (árbol de decisiones, k-NN, Máquinas de Vector de Soporte, redes neuronales, etc.)
Aprender a dividir los datos en un conjunto de prueba y otro de entrenamiento, y descubrir los conceptos de sesgo y varianza
El Diplomado en Técnicas de Machine Learning en Oncología Genómica está orientado a facilitar la actuación del médico dedicado al tratamiento de la patología oncológica en la que es preciso interpretar con precisión el volumen ingente de incapacitación clínica disponible actualmente y asociarlo a los datos biológicos que se generan tras un análisis bioinformático.
Este Diplomado en Técnicas de Machine Learning en Oncología Genómica contiene el programa científico más completo y actualizado del mercado.
Tras la superación de la evaluación, el alumno recibirá por correo postal* con acuse de recibo su correspondiente título de Diplomado emitido por TECH Universidad Tecnológica.
El título expedido por TECH Universidad Tecnológica expresará la calificación que haya obtenido en el Diplomado, y reúne los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores de carreras profesionales.
Título: Diplomado en Técnicas de Machine Learning en Oncología Genómica
N.º Horas Oficiales: 150 h.
Nuestra escuela es la primera en el mundo que combina el estudio de casos clínicos con un sistema de aprendizaje 100% online basado en la reiteración, que combina 8 elementos diferentes que suponen una evolución con respecto al simple estudio y análisis de casos. Esta metodología, a la vanguardia pedagógica mundial, se denomina Relearning.
Nuestra escuela es la primera en habla hispana licenciada para emplear este exitoso método, habiendo conseguido en 2015 mejorar los niveles de satisfacción global (calidad docente, calidad de los materiales, estructura del curso, objetivos…) de los estudiantes que finalizan los cursos con respecto a los indicadores de la mejor universidad online en habla hispana.
Recibida su solicitud, un responsable académico del curso le llamará para explicarle todos los detalles del programa, así como el método de inscripción, facilidades de pago y plazos de matrícula.
En primer lugar, necesitas un ordenador (PC o Macintosh), conexión a internet y una cuenta de correo electrónico. Para poder realizar los cursos integramente ON-LINE dispone de las siguientes opciones: Flash - Instalando Flash Player 10 o posterior (http://www.adobe.com/go/getflash), en alguno de los siguientes navegadores web: - Windows: Internet Explorer 6 y posteriores, Firefox 1.x y posteriores, Google Chrome, Opera 9.5 y posteriores - Mac: Safari 3 y posteriores, Firefox 1.x y posteriores, Google Chrome - Linux: Firefox 1.x y posteriores HTML5 - Instalando alguno de los navegadores web: - Google
Chrome 14 o posterior sobre Windows o Mac - Safari 5.1 o posterior sobre Mac - Mobile Safari sobre Apple iOS 5.0 o posterior en iPad/iPhone Apple iOS - Articulate Mobile Player; Apple iOS 5.0 o posterior en iPad.
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Hace 6 años que este centro está en Emagister.
Materias
- E learning
- Oncología
- Análisis
- Tecnicas
- Librerias
- Problema
- Big Data
- Carga de datos
- Machine learning
- Oncología genómica
- Learning machine
- Categorias
- Variables dummy
- Regresión Lineal Múltiple
- Support Vector Machine
- Random Forest
Profesores
Martin Krallinger
Jefe de la unidad de minería de textos del Centro Nacional
Jefe de la unidad de minería de textos del Centro Nacional de Investigación del Cáncer (CNIO) Ha completado el proceso de selección para optar al jefe de la unidad de minería de textos del Centro de Supercomputación de Barcelona (BSC) Experto en el campo de la minería de textos biomédicos y clínicos y las tecnologías lingüísticas, y ha trabajado en este y otros temas de investigación relacionados desde hace más de diez años, lo que dio lugar a más de 70 publicaciones (más de 45 de ellas correspondientes a publicaciones de JCR) y varios dominios Experto en Aplicaciones específicas
Mauro Javier Oruezábal Moreno
Jefe de Servicio de Oncología médica del Hsp. Univ. Rey Juan Carlos
Jefe de Servicio de Oncología médica del Hsp. Univ. Rey Juan Carlos Research Visitors at University of Southampton (2016-actualidad) Máster Univ. en Bioinformática y bioestadística UOC-UB (2016-actualidad) Master en análisis bioinformático por la Univ. Pablo de Olavide (2015-2016) Dr. en Medicina por la Universidad Complutense de Madrid. Calificación Sobresaliente cum laude (2002) Miembro de la Sociedad Española de Oncología Médica y Grupo GECP (Grupo Español de Cáncer de Pulmón) Especialista (MIR) en Oncología médica, Hosp. Univ. San Carlos de Madrid (2000).
Plan de estudios
1.1.DiplomadoIntroducción a Machine Learning
1.2.DiplomadoPresentación del problema, carga de datos y librerías
1.3.DiplomadoLimpieza de datos (NAS, categorías, variables Dummy)
1.4.DiplomadoAnálisis de datos exploratorio (ggplot)+validación cruzada
1.5.DiplomadoAlgoritmos de predicción: regresión lineal múltiple, Support Vector Machine, árboles de regresión, Random Forest, etc.
1.6.DiplomadoAlgoritmos de clasificación: regresión lineal múltiple, Support Vector Machine, árboles de regresión, Random Forest, etc.
1.7.DiplomadoAjuste de los hiperparámetros del algoritmo
1.8.DiplomadoPredicción de los datos con los diferentes modelos
1.9.DiplomadoCurvas ROC y matrices de confusión para evaluar la calidad del modelo
Diplomado en Técnicas de Machine Learning en Oncología Genómica