AMF028/23
Introducción al Aprendizaje Automático en ciencias de la salud (R): Modelos supervisados (Edición 2023)
Del 11 de septiembre al 15 de octubre de 2023 (27 horas)
Plazo límite de preinscripción: 3 de septiembre de 2023
Online con:
1 Sesion Webinar en directo : Lunes 11 de septiembre (16:30h - 17:30h)
2 Sesiones presenciales (CIBA)*:
Sesión primera: Subgrupo 1: Lunes 18 de septiembre de 16h a 20h ó Subgrupo 2: Martes 19 de septiembre de 9h a 13h
Sesión segunda: Subgrupo 1: Lunes 2 de octubre de 16h a 20h ó Subgrupo 2: Martes 3 de occtubre de 9h a 13h
*Necesario traer ordenador portátil propio.
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:
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 métodos supervisados que son un conjunto de técnicas utilizadas en el ámbito del aprendizaje automático que se basan en el uso de datos etiquetados para entrenar modelos y realizar predicciones o clasificaciones en nuevos datos. Estos métodos son ampliamente aplicados en diversas áreas de las ciencias de la salud, con el objetivo de mejorar el diagnóstico, el pronóstico y la toma de decisiones clínicas.
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 (métodos de validación cruzada, árboles de clasificación y de regresión)
• Introducir al alumno a los modelos básicos que combinan múltiples modelos de aprendizaje automático (métodos de Boosting, Bagging y XGBoost)
• Conocer cómo tratar el problema de datos no balanceados
• Introducir al alumno a los modelos básicos de regularización
• Introducir al alumno a la creación de nomogramas y métodos que faciliten la aplicación de modelos predictivos
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:
El curso, de modalidad mixta, se desarrolla en la plataforma de formación Moodle.
En total el curso se articula en 27 horas, 19 de estudio teórico combinando trabajo individual tutorizado y 8 horas en formato presencial (2 sesiones en directo en formato taller 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
Tema 1: Introducción al aprendizaje automático
Tema 2: Métodos de validación cruzada
Tema 3: Árboles de clasificación y regresión (CART)
Tema 4: Métodos Boosting y Bagging
Tema 5: Método XGboost
Tema 6: Métodos para tratar datos desbalanceados
Tema 7: Modelos de regularización
Plazo límite de entrega de tareas 15 de octubre de 2023
EVALUACIÓN:
Para la obtención del certificado con la acreditación es necesario asistir a las sesiones presenciales y realizar todas las preguntas de autoevaluación y los ejercicios propuestos por el docente en cada tema.
ACREDITACIÓN:
Actividad solicitada para su acreditación por la Comisión de Formación Continuada de la Profesiones Sanitarias de Aragón.
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:
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
