Introducción al Machine Learning para las ciencias de la salud

Volver

Información 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
  • Fabián Villena - Instituto Milenio Fundamentos de los Datos
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

Ciencia de datos y modelamiento en salud pública

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
Volver