AMF023/22
Introducción al Aprendizaje automático en ciencias de la salud (R) (Edición 2022)
Del 7 al 27 de noviembre de 2022 (24 horas)
Plazo límite de preinscripción: 9 de octubre de 2022
Embedded Files
Online con:
1 Sesion Webinar en directo : Lunes 7 de noviembre (16:30h - 18:30h)
1 Sesión presenciales (CIBA)*:
Subgrupo 1: Jueves 24 de noviembre de 16h a 20h
Subgrupo 2: Viernes 25 de noviembre de 9h a 13h
*Necesario traer ordenador portátil propio.
DIRIGIDO A:
DIRIGIDO A:
Profesionales del Sistema Aragonés de Salud, y/o a personal investigador del IIS Aragón que desarrolla investigación dentro de un equipo de investigación, que precisen el manejo de este tipo de metodología para el desarrollo de su labor investigadora. (20 plazas)
Criterios de selección
Los criterios de selección serán:
Profesionales del SALUD que pertenezcan a un grupo de investigación.
Profesionales del SALUD que deseen iniciar labor investigadora.
Profesionales adscritos a grupos de investigación del IIS Aragón no incluidos en los dos grupos anteriores que desarrollen investigación clínica y con preferencia de los grupos emergentes.
Orden de Preinscripción.
En la selección, se intentará garantizar que los distintos sectores sanitarios de Aragón tengan representación en la actividad.
Para la sesión presencial, es imprescindible llevar ordenador portátil propio.
Se requiere conocimientos básicos de estadística así como experiencia y conocimientos de uso del Sofware R.
PRESENTACIÓN:
PRESENTACIÓN:
La principal diferencia entre el aprendizaje automático y el análisis estadístico tradicional es su propósito. Los modelos de aprendizaje automático están diseñados para hacer las predicciones más precisas posibles, mientras que los modelos estadísticos están diseñados para inferir sobre las relaciones entre variables.
Conocer la metodología empleada en el aprendizaje automático, así como disponer de un software que permita usar esta metodología con datos biomédicos, puede ser de gran utilidad a los profesionales de la salud para crear modelos predictivos que ayuden a la toma de decisiones diarias. De la misma forma, la adquisición de estos nuevos conocimientos puede ayudar a comprender qué métodos y técnicas usar en cada investigación, dependiendo de la naturaleza.
Disponer de programas que calculen de forma rápida estos modelos predictivos y que sean fáciles de usar por profesionales que no sean expertos en estadística ni informática, ayudará a que los modelos creados por grupos de investigación biomédica sean usados por la comunidad científica.
En este curso se estudiarán los principales modelos de aprendizaje automático
OBJETIVOS:
OBJETIVOS:
Objetivo general
Introducir al alumno en las principales técnicas de aprendizaje automático aplicadas a ciencias de la salud
Objetivos específicos
• Introducir al alumno a los modelos básicos de predicción
• Conocer cómo tratar el problema de datos no balanceados
• Introducir al alumno a la creación de nomogramas y métodos que faciliten la aplicación de modelos predictivos
PROFESORADO:
PROFESORADO:
Juan Ramón González Ruiz Associate Research Professor en el Instituto de Salud Global Barcelona (ISGlobal). Bioinformatic group in genetic epidemiology (BRGE). https://github.com/isglobal-brge/
METODOLOGÍA DOCENTE:
METODOLOGÍA DOCENTE:
El curso, de modalidad mixta, se desarrolla en la plataforma de formación Moodle.
En total el curso se articula en 24 horas, 18 de estudio teórico combinando trabajo individual tutorizado y 6 horas en formato presencial (1 sesión en directo en formato webinar de 2 horas de duración, 1 sesión taller en formato presencial físicamente en instalaciones del CIBA).
Durante la fase asíncrona al alumno dispondrá de contenidos de varios tipos:
Contenido del temario en formato multimedia y en formato “pdf” descargable.
Presentaciones en formato digital con el contenido de cada tema.
Actividades de autoevaluación para afianzar los contenidos.
Tarea a realizar por el alumno, el alumno aplicará los conocimientos adquiridos para completar la tarea que enviará mediante la plataforma.
Foro de debate y resolución de dudas en los que se solicitará a los alumnos que aporten reflexiones sobre el tema tratado o pongan en común sus dudas sobre la materia
Material de lectura complementaria, apartado “para saber más”.
Se seguirá una metodología que favorezca una interacción continuada entre docente y alumno. El docente actuará como guía para facilitar la transferencia de conceptos por parte de los alumnos. Para ello, los ejercicios prácticos se corregirán en un contexto interactivo, facilitando la discusión y el diálogo en lugar de la corrección unidireccional por parte del profesor. El profesor tiene amplia experiencia en formación online, conoce la plataforma moodle y los recursos que dispone dicha plataforma.
PROGRAMA
PROGRAMA
Tema 1: Introducción al aprendizaje automático (1 hora)
Tema 2: Métodos de validación cruzada (3 horas)
Tema 3: Modelos de Regresión Logística y Nomogramas (5 horas)
Tema 4: La librería caret: pre-proceso de datos (2 horas)
Tema 5: Árboles de decisión: clasificación y regresión (CART), Bagged y Random Forest (4 horas)
Tema 6: Métodos para tratar datos desbalanceados (3 horas)
Plazo límite de entrega de tareas 27 de noviembre de 2022
EVALUACIÓN:
EVALUACIÓN:
Para la obtención del certificado con la acreditación es necesario asistir a las sesiones en directo y realizar todas las preguntas de autoevaluación y los ejercicios propuestos por el docente en cada módulo.
ACREDITACIÓN:
ACREDITACIÓN:
Actividad acreditada con 5,1 créditos por la Comisión de Formación Continuada de la Profesiones Sanitarias de Aragón. Acreditada para Diplomado Sanitario, F.P. Grado Medio, Licenciado Sanitario y F.P. GRADO SUPERIOR.
DIRECCIÓN Y COORDINACIÓN CIENTÍFICA:
DIRECCIÓN Y COORDINACIÓN CIENTÍFICA:
Daniel Bordonaba Bosque. Estadístico del Servicio de Apoyo Metodológico y Estadístico del IACS.
Anselmo López Cabañas. Metodólogo del Servicio de Apoyo Metodológico y Estadístico del IACS.
976 71 35 34 | 976 71 42 20
same.iacs@aragon.es
SECRETARÍA:
SECRETARÍA:
Tel. 976 71 58 99 Fax. 976 71 46 70
E-mail: formacion.iacs@aragon.es
2021 - IACS Instituto Aragonés de Ciencias de la Salud. Todos los derechos reservados - www.iacs.es
Page updated
Report abuse