Título Universidad CEU Cardenal Herrera 12 ECTS
Universidad CEU Cardenal Herrera. Formación online

Diplomado en Lenguaje de Programación R en Oncología Genómica

Universidad CEU Cardenal Herrera. Formación online
Virtual

$2.160.000
¿O prefieres llamar directamente al centro?

Información importante

Tipología Diplomado
Metodología Virtual
Horas lectivas 300h
Duración 2 Meses
Inicio Fechas a escoger
Campus online
Clases virtuales
  • Diplomado
  • Virtual
  • 300h
  • Duración:
    2 Meses
  • Inicio:
    Fechas a escoger
  • Campus online
  • Clases virtuales
Descripción

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 información 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.

Instalaciones (1) y fechas
Dónde se imparte y en qué fechas

Ubicación

Inicio

Virtual

Inicio

Fechas a escogerMatrícula abierta

A tener en cuenta

· ¿Cuáles son los objetivos de este 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 de aprendizaje por cada módulo Iniciarse en el lenguaje de programación R, que tiene las ventajas de ser un lenguaje de programación de código abierto, dispone múltiples paquetes de análisis estadístico, una comunidad que se esfuerza por desarrollar los diversos aspectos de esta herramienta y proporciona un lenguaje efectivo para administrar y manipular datos. Aprender conceptos básicos de programación de R como tipos de datos, aritmética de vectores e indexación. Realizar operaciones en R, incluida la clasificación, creación o importación de datos. Aprender como la resolución de un problema comienza con una descomposición modular y luego nuevas descomposiciones de cada módulo en un proceso denominado refinamiento sucesivo.

· ¿A quién va dirigido?

El Curso Universitario en Lenguaje de programación R 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 información clínica disponible actualmente y asociarlo a los datos biológicos que se generan tras un análisis bioinformático.

· Requisitos

Solo para médicos especialistas.

· Titulación o Resolución

Este Curso Universitario en Lenguaje de Programación R en Oncología Genómica contiene el programa científico más completo y actualizado del mercado. Tras la superación de las evaluaciones por parte del alumno, éste recibirá por correo postal con acuse de recibo su correspondiente Curso Universitario emitido por el CEU (Universidad CEU-Cardenal Herrera). El título expedido por la Universidad CEU- Cardenal Herrera expresará la calificación que haya obtenido en el Curso, y reúne los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores carreras profesionales. Título: Curso Universitario en Lenguaje de Programación R en Oncología Genómica ECTS: 12 Nº Horas Oficiales: 300

· ¿Qué distingue a este curso de los demás?

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 médicos que finalizan los cursos con respecto a los indicadores de la mejor universidad online en habla hispana.

· ¿Qué pasará luego de pedir información?

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.

· ¿Qué necesito para realizar un curso on-line?

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

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

¿Quién quieres que te responda?

Sólo publicaremos tu nombre y pregunta

¿Qué aprendes en este curso?

Lenguaje
Programación R
Programación
Matrices
Vectores
Funciones
Big Data
Oncología genómica
Modo
Longitud
Factores ordenados
Factores desordenados

Profesores

Martin Krallinger
Martin Krallinger
Jefe de la unidad de minería de textos

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

Mauro Javier Oruezábal Moreno
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).

Programa académico

Módulo 1. Análisis de datos en proyectos de big data: lenguaje de programación R

1.1. Introducción al lenguaje de programación R.

1.1.1. ¿Qué es R?
1.1.2. Instalación de R y el interfaz gráfico de R.
1.1.3. Paquetes.

1.1.3.1. Paquetes estándar.
1.1.3.2. Paquetes aportados y CRAN.

1.2. Características básicas de R.

1.2.1. El entorno R.
1.2.2. Software y documentación relacionados.
1.2.3. R y estadísticas.
1.2.4. R y el sistema de ventanas.
1.2.5. Usando R interactivamente.
1.2.6. Una sesión introductoria.
1.2.7. Obtención de ayuda con funciones y características.
1.2.8. Comandos R, sensibilidad a mayúsculas, etc.
1.2.9. Recuperación y corrección de comandos anteriores.
1.2.10. Ejecutar comandos o desviar la salida a un archivo.
1.2.11. Permanencia de datos y eliminación de objetos.

1.3. Tipos de objetos de R.

1.3.1. Manipulaciones simples; números y vectores.

1.3.1.1. Vectores y asignación.
1.3.1.2. Aritmética de vectores.
1.3.1.3. Generando secuencias regulares.
1.3.1.4. Vectores lógicos.
1.3.1.5. Valores Perdidos.
1.3.1.6. Vectores de caracteres.
1.3.1.7. Vectores de índice.

1.3.1.7.1. Selección y modificación de subconjuntos de un conjunto de datos.

1.3.1.8. Otros tipos de objetos.

1.3.2. Objetos, sus modos y atributos.

1.3.2.1. Atributos intrínsecos: modo y longitud.
1.3.2.2. Cambiar la longitud de un objeto.
1.3.2.3. Obtención y configuración de atributos.
1.3.2.4. La clase de un objeto.

1.3.3. Factores ordenados y desordenados.

1.3.3.1. Un ejemplo específico
1.3.3.2. La función tapply () y matrices desiguales.
1.3.3.3. Factores ordenados.

1.3.4. Matrices.

1.3.4.1. Matrices.
1.3.4.2. Indización de matrices. Subsecciones de una matriz.
1.3.4.3. Matrices de índice.
1.3.4.4. La función array ().
1.3.4.5. Aritmética mixta de vectores y matrices. La regla de reciclaje.
1.3.4.6. El producto exterior de dos matrices.
1.3.4.7. Transposición generalizada de una matriz.
1.3.4.8. Multiplicación de matrices.
1.3.4.9. Valores propios y vectores propios.
1.3.4.10. Descomposición de valores singulares y determinantes.
1.3.4.11. Formando matrices particionadas, cbind () y rbind ().
1.3.4.12. La función de concatenación, c (), con matrices.

1.3.5. Tablas de frecuencia de factores.
1.3.6. Listas.

1.3.6.1. Construyendo y modificando listas.
1.3.6.2. Listas de concatenación.

1.3.7. Dataframes.

1.3.7.1. ¿Cómo crear dataframes?
1.3.7.2. Adjuntar () y separar ().
1.3.7.3. Trabajando con dataframes.

1.4. Lectura y escritura de datos.

1.4.1. La función read.table ().
1.4.2. La función scan ().
1.4.3. Acceso a los conjuntos de datos incorporados.
1.4.4. Cargando datos de otros paquetes R.
1.4.5. Edición de datos.

1.5. Agrupación, bucles y ejecución condicional.

1.5.1. Expresiones agrupadas.
1.5.2. Declaraciones de control.

1.5.2.1. Ejecución condicional: sentencias if.
1.5.2.2. Ejecución repetitiva: para bucles, repetición y tiempo.

1.6. Escribiendo tus propias funciones.

1.6.1. Ejemplos simples.
1.6.2. Definiendo nuevos operadores binarios.
1.6.3. Argumentos con nombre y valores por defecto.
1.6.4. El argumento “...”.
1.6.5. Asignaciones dentro de funciones.

Módulo 2. Análisis estadístico en R

2.1. Distribuciones de probabilidad discretas.
2.2. Distribuciones de probabiidad contínuas.
2.3. Introducción a la inferencia y muestreo (Estimación Puntual).
2.4. Intervalos de confianza.
2.5. Contrastes de hipótesis.
2.6. ANOVA de un factor.
2.7. Bondat de Ajuste (test de chi cuadrado).
2.8. QPaquete fitdist.
2.9. Introducción a estadística multivariante.

Módulo 3. Entorno grafico en R

3.1. Procedimientos gráficos.

3.1.1. Comandos de trazado de alto nivel.

3.1.1.1. La función plot ().
3.1.1.2. Visualización de datos multivariados.
3.1.1.3. Gráficos de pantalla.
3.1.1.4. Argumentos a funciones de trazado de alto nivel.

3.1.2. Comandos de trazado de bajo nivel.

3.1.2.1. Anotación matemática.
3.1.2.2. Fuentes vectoriales hershey.

3.1.3. Interactuando con gráficos.
3.1.4. Uso de parámetros gráficos.

3.1.4.1. Cambios permanentes: la función par ().
3.1.4.2. Cambios temporales: Argumentos a funciones gráficas.

3.1.5. Lista de parámetros gráficos.

3.1.5.1. Elementos gráficos.
3.1.5.2. Ejes y marcas.
3.1.5.3. Márgenes de la figura.
3.1.5.4. Entorno de figuras múltiples.