Introducción al Machine Learning para las ciencias de la salud
VolverInformación General
Programa | XXVI Escuela Internacional de Verano 2025 |
---|---|
Año | 2025 |
Semestre | Primero |
Nombre | Introducción al Machine Learning para las ciencias de la salud |
Nombre Convenio Marco | |
Equipo coordinador | Encargado: María Canals Cifuentes Coordinador: María Canals Cifuentes Administrativo: Marisol Negrete Torres |
Equipo docente |
|
Académicos Externos |
|
Unidad académica | Programa de Bioestadística |
Versión | 2 |
Modalidad | Presencial |
Tipo de Curso | Postgrado |
Créditos 30 | 0 |
Horas del Programa |
Horas directas (sincrónicas y asincrónicas): 20 Horas indirectas: 10 |
Días y Horarios | Lunes a viernes 9:00 a 13:00 horas. |
Lugar | |
Cupo alumnos mínimo | 5 |
Cupo alumnos máximo | 26 |
Competencias y Habilidades necesarias para la Asignatura (Pre-requisitos) |
Se sugiere tener conocimientos del lenguaje de programación Python y la biblioteca Pandas. https://youtu.be/vmEHCJofslg |
Arancel | $ |
Duración (semanas) | 1 |
Fecha Inicio | 06/01/2025 |
Fecha Término | 10/01/2025 |
Características del Curso
Área Temática
Fundamentos
El Machine Learning es un área de la Inteligencia artificial que desarrolla modelos computacionales que tienen la capacidad de ajustarse automáticamente a un conjunto de datos o descubrir patrones dentro de un conjunto de datos. La aplicación de Machine Learning a las ciencias de la salud es una área de alto impacto que puede tener muchos beneficios para los pacientes.
Objetivo General
Facilitar al estudiante el aprendizaje de los principales métodos de Machine Learning utilizando el lenguaje de programación Python.
Objetivos Específicos
- Comprender las bases teóricas de los métodos de Machine Learning supervisado y no supervisado.
- Comprender las técnicas de ajuste y validación de modelos de Machine Learning.
- Utilizar el lenguaje de programación Python para resolver las tareas de Machine Learning supervisado y no supervisado.
Contenidos/Temas
- Aprendizaje automático.
- Aprendizaje supervisado y support vector machines.
- Métodos basados en árboles y validación de modelos.
- Aprendizaje no supervisado.
- Deep learning
Destinatarios
Profesional de la salud o de la ingeniería con interés en aplicar métodos de Machine Learning a la ciencias de la salud.
Metodología
Clases teóricas, tutoriales de código y laboratorios de trabajo.
Formas de Evaluación
- Este curso es evaluado
- Otra forma de evaluación: Prueba on line
Calendario
Sesión | Fecha | Hora | Docentes | Contenidos | Modalidad | Actividad |
---|---|---|---|---|---|---|
06 enero 2025 | 9:00 - 13:00 | Fabián Villena | Aprendizaje automático | Presencial | Clase | |
07 enero 2025 | 9:00 - 13:00 | Fabián Villena | Aprendizaje supervisado y support vector machines | Presencial | Clase | |
08 enero 2025 | 9:00 - 13:00 | Fabián Villena | Métodos basados en árboles y validación de modelos | Presencial | Clase | |
09 enero 2025 | 9:00 - 13:00 | Fabián Villena | Aprendizaje no supervisado | Presencial | Clase | |
10 enero 2025 | 9:00 - 13:00 | Fabián Villena | Deep learning | Presencial | Clase |
Bibliografía
Tipo lectura | Tipo contenido | Referencia | Archivos |
---|---|---|---|
Básica/Obligatoria | Libro | James, G., Witten, D., Hastie, T., Tibshirani, R., & Taylor, J. (2023). An Introduction to Statistical Learning with Applications in Python. En Springer Texts in Statistics. Springer International Publishing. https://doi.org/10.1007/978-3-031-38747-0 |
Recursos de Plataforma
- Utilización de Plataforma
- Foros
- Recepción de Trabajos
- Prueba Online