Especialización en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica

Especialización

Virtual

$ 8.000.000 IVA inc.

Llama al centro

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Descripción

  • Tipología

    Especialización

  • Metodología

    Virtual

  • Horas lectivas

    600h

  • Duración

    6 Meses

  • Inicio

    Fechas disponibles

  • Campus online

  • Clases virtuales

TECH - Universidad Tecnológica

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.

Información importante

Documentos

  • 215especializacion-tecnicas-machine-learning-mineria-datos-ooncologia.pdf

Sedes y fechas disponibles

Ubicación

Inicio

Virtual

Inicio

Fechas disponiblesInscripciones abiertas

A tener en cuenta

Objetivo general

Š 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

Módulo 1. Biología molecular
Š Actualizar los conocimientos en la biología molecular del cáncer, en relación con diferentes conceptos como el de heterogeneidad genética o la reprogramación del microambiente

Módulo 2. Minería datos aplicado a la genómica
Š Aprender cómo la minería de datos permite encontrar patrones y regularidades en las bases de datos

Módulo 3. Técnicas de extracción de datos genómicos
Š Comprender como la mayoría de los datos científicos aparecen en documentos como páginas web y archivos PDF difícilmente procesables para su posterior análisis, sin embargo, mediante las técnicas de scraping se pueden utilizar

El programa en Técnicas de Machine Learning y Minería de Datos 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.

Este Experto Universitario en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica contiene el programa científico más completo y actualizado del mercado.

Tras la superación de la evaluación, el alumno recibirá por correo postal* con acuse de recibo su correspondiente título de Experto Universitario emitido por TECH Universidad Tecnológica.

El título expedido por TECH Universidad Tecnológica expresará la calificación que haya obtenido en el Experto Universitario, y reunirá los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores de carreras profesionales.

Título: Experto Universitario en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica
N.º Horas Oficiales: 600 h.

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.

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.

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

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Logros de este Centro

2023
2022
2020

Todos los cursos están actualizados

La valoración media es superior a 3,7

Más de 50 opiniones en los últimos 12 meses

Este centro lleva 6 años en Emagister.

Materias

  • E learning
  • Minería
  • Oncología
  • Bioinformática
  • Genómica
  • Aplicación
  • Extracción
  • Big Data
  • Machine learning
  • Técnicas de Extracción
  • Datos genómicos
  • Oncología genómica

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. Machine learning para el análisis de Big Data

1.1. Introducción a Machine Learning
1.2. Presentación del problema, carga de datos y librerías
1.3. Limpieza de datos (NAS, categorías, variables Dummy)
1.4. Analisís de datos exploratorio (ggPlot)+validación cruzada
1.5. Algoritmos de predicción: regresión lineal múltiple, Support Vector Machine, árboles de regresión, Random Forest, etc.
1.6. Algoritmos de clasificación: Regresión Logística, Support Vector Regression, Árboles de Clasificación, Random Forest
1.7. Ajuste de los hiperparámetros del algoritmo
1.8. Predicción de los datos con los diferentes modelos
1.9. Curvas ROC y matrices de confusión para evaluar la calidad del modelo

Módulo 2. Minería Datos aplicada a la genómica

2.1. Introducción
2.2. Inicialización de variables
2.3. Limpieza y acondicionado del texto
2.4. Generación de la matriz de términos

2.4.1. Creación de la Matriz de Términos TDM
2.4.2. Visualizaciones sobre la matriz de palabras TDM

2.5. Descripción de la matriz de términos

2.5.1. Representación gráfica de las frecuencias
2.5.2. Construcción de una nube de palabras

2.6. Creación de un Data Frame apto para K-NN
2.7. Construcción del modelo de clasificación
2.8. Validación del modelo de clasificación
2.9. Ejercicio práctico guiado de minería de datos en genómica en cáncer

Módulo 3. Técnicas de extracción de Datos genómicos

3.1. Introducción al ‘Scraping Data’
3.2. Importación de archivos de datos de hoja de cálculo almacenados online
3.3. Scraping de texto HTML
3.4. Scraping los datos de una tabla HTML
3.5. Aprovechar las API para Scraping de los Datos
3.6. Extraer la información relevante
3.7. Uso del paquete Rvest de R
3.8. Obtención de datos distribuidos en múltiples páginas
3.9. Extracción de datos genómicos de la plataforma ‘My Cancer Genome’
3.10. Extracción de información sobre genes de la base de Datos HGNC Hugo Gene Nomenclature Committee’
3.11. Extracción de datos farmacológicos de la base de Datos ‘ONCOKG’ (Precision Oncology Knowledge Base)

Modulo 4. Aplicación de la bioinformática en la Oncología Genómica

4.1. Enriquecimiento clínico y farmacológico de variantes de genes
4.2. Búsqueda masiva en PubMed de información Genómica
4.3. Búsqueda masiva en DGIdb de información Genómica
4.4. Búsqueda masiva en Clinical Trials de ensayos clínicos sobre datos genómicos
4.5. Búsqueda de similitud de genes para la interpretación de un panel genético o un exoma
4.6. Búsqueda masiva de genes relacionados con una enfermedad
4.7. Enrich-Gen: plataforma de enriquecimiento clínico y farmacológico de genes

Llama al centro

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Especialización en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica

$ 8.000.000 IVA inc.