• EMAGISTER CUM LAUDE
Título Universidad CEU Cardenal Herrera 19 ECTS
Universidad CEU Cardenal Herrera. Formación online

Especialización Universitaria en Uso de Linux y Programación con Lenguaje R para Oncología

Universidad CEU Cardenal Herrera. Formación online
Virtual

$6.000.000
¿O prefieres llamar directamente al centro?

Información importante

Tipología Especialización
Metodología Virtual
Horas lectivas 475h
Duración 6 Meses
Inicio Fechas a escoger
Campus online
Clases virtuales
  • Especialización
  • Virtual
  • 475h
  • Duración:
    6 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.

Información importante 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 Aprender sobre el sistema operativo Linux, el cual es actualmente fundamental en el mundo científico tanto para la interpretación de los datos biológicos procedentes de la secuenciación como lo deberá ser para la minería de textos médicos cuando manejamos datos a gran escala. Los motivos son múltiples pero uno que justifica este módulo, es que el sistema Unix es el más popular del mundo y es ampliamente utilizado especialmente en el mundo científico, además, al ser un sistema de código abierto se corresponde claramente con el enfoque científico, de compartir resultados y métodos para garantizar la reproducibilidad de los resultados. Proporcionar las bases para acceder a un servidor Linux y cómo encontrar e instalar los paquetes para instalar el software en local. Š Describir los comandos básicos de Linux para: crear, renombrar, mover y eliminar directorios; listado, lectura, creación, edición, copia y eliminación de archivos; cómo funcionan los permisos y cómo descifrar los permisos de Linux más crípticos con facilidad; métodos para buscar archivos y directorios; cómo comparar el contenido de los archivos; qué son las tuberías, por qué son útiles y cómo usarlas; cómo comprimir archivos para ahorrar espacio y facilitar la transferencia de datos, etc.

· ¿A quién va dirigido?

El Experto Universitario en Uso de Linux y Programación con Lenguaje R para Oncología 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 Experto Universitario en Uso de Linux y Programación con Lenguaje R para Oncología 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 Título de Experto 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 Experto Universitario, y reúne los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores carreras profesionales. Título: Experto Universitario en Uso de Linux y Programación con Lenguaje R para Oncología ECTS: 19 Nº Horas Oficiales: 475

· ¿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.

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

¿Quién quieres que te responda?

Sólo publicaremos tu nombre y pregunta

Logros de este Centro

2020

¿Cómo se consigue el sello CUM LAUDE?

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 2 años en Emagister.

¿Qué aprendes en este curso?

Linux
Programación
Instalación
Análisis estadístico
valores
Matrices
Lenguaje
Oncología
Bioinformática
Funciones
Vectores
Big Data
Entorno grafico
Programación R

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. Empleo de unix y linux en bioinformática

1.1. Introducción al sistema operativo Linux.

1.1.1. ¿Qué es un sistema operativo?
1.1.2. Los beneficios de usar Linux.

1.2. Entorno Linux e Instalación.

1.2.1. Distribuciones de Linux?
1.2.2. Instalación de Linux usando una memoria USB.
1.2.3. Instalación de Linux utilizando CD-ROM.
1.2.4. Instalación de Linux usando una máquina virtual.

1.3. La línea de comandos.

1.3.1. Introducción.
1.3.2. ¿Qué es una línea de comandos?
1.3.3. Trabajar en el terminal.
1.3.4. El Shell, Bash.

1.4. Navegación básica.

1.4.1. Introducción.
1.4.2. ¿Cómo conocer la localización actual?
1.4.3. Rutas absolutas y relativas.
1.4.4. ¿Cómo movernos en el sistema?

1.5. Manipulación de archivos.

1.5.1. Introducción.
1.5.2. ¿Cómo construimos un directorio?
1.5.3. ¿Cómo movernos a un directorio?
1.5.4. ¿Cómo crear un archivo vacio?
1.5.5. Copiar un archivo y directorio.
1.5.6. Eliminar un archivo y directorio.

1.6. Editor de textos vi.

1.6.1. Introducción.
1.6.2. ¿Cómo grabar y salir?
1.6.3. ¿Cómo navegar por un archivo en el editor de texto vi?
1.6.4. Borrando el contenido.
1.6.5. El comando deshacer.

1.7. Comodines.

1.7.1. Introducción.
1.7.2. ¿Qué son los comodines?
1.7.3. Ejemplos con comodines

1.8. Permisos.

1.8.1. Introducción.
1.8.2. ¿Cómo ver los permisos de un archivo?
1.8.3. ¿Cómo cambiar los permisos?
1.8.4. Configuración de los permisos.
1.8.5. Permisos para directorios.
1.8.6. El usuario “root”.

1.9. Filtros.

1.9.1. Introducción.
1.9.2. Head.
1.9.3. Tail.
1.9.4. Sort.
1.9.5. nl.
1.9.6. wc.
1.9.7. cut.
1.9.8. sed.
1.9.9. uniq.
1.9.10. tac.
1.9.11. Otros filtros.

1.10. Grep y expresiones regulares.

1.10.1. Introducción.
1.10.2. eGrep.
1.10.3. Expresiones regulares.
1.10.4. Algunos ejemplos.

1.11. Pipelines y redirección.

1.11.1. Introducción.
1.11.2. Redirección a un archivo.
1.11.3. Grabar a un archivo.
1.11.4. Redirección desde un archivo.
1.11.5. Redirección STDERR.
1.11.6. Pipelines.

1.12. Manejo de procesos.

1.12.1. Introducción.
1.12.2. Procesos activos.
1.12.3. Cerrar un proceso corrupto.
1.12.4. Trabajos de primer plano y de fondo.

1.13. Bash.

1.13.1. Introducción.
1.13.2. Puntos importantes.
1.13.3. Porqué el ./ ?
1.13.4. Variables.
1.13.5. Las declaraciones.

Módulo 2. Análisis de datos en proyectos de big data: lenguaje de programación R

2.1. Introducción al lenguaje de programación R.

2.1.1. ¿Qué es R?
2.1.2. Instalación de R y el interfaz gráfico de R.
2.1.3. Paquetes.

2.1.3.1. Paquetes estándar.
2.1.3.2. Paquetes aportados y CRAN.

2.2. Características básicas de R.

2.2.1. El entorno R.
2.2.2. Software y documentación relacionados.
2.2.3. R y estadísticas.
2.2.4. R y el sistema de ventanas.
2.2.5. Usando R interactivamente.
2.2.6. Una sesión introductoria.
2.2.7. Obtención de ayuda con funciones y características.
2.2.8. Comandos R, sensibilidad a mayúsculas, etc.
2.2.9. Recuperación y corrección de comandos anteriores.
2.2.10. Ejecutar comandos o desviar la salida a un archivo.
2.2.11. Permanencia de datos y eliminación de objetos.

2.3. Tipos de objetos de R.

2.3.1. Manipulaciones simples; números y vectores.

2.3.1.1. Vectores y asignación.
2.3.1.2. Aritmética de vectores.
2.3.1.3. Generando secuencias regulares.
2.3.1.4. Vectores lógicos.
2.3.1.5. Valores Perdidos.
2.3.1.6. Vectores de caracteres.
2.3.1.7. Vectores de índice.

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

2.3.1.8. Otros tipos de objetos.

2.3.2. Objetos, sus modos y atributos.

2.3.2.1. Atributos intrínsecos: modo y longitud.
2.3.2.2. Cambiar la longitud de un objeto.
2.3.2.3. Obtención y configuración de atributos.
2.3.2.4. La clase de un objeto.

2.3.3. Factores ordenados y desordenados.

2.3.3.1. Un ejemplo específico
2.3.3.2. La función tapply () y matrices desiguales.
2.3.3.3. Factores ordenados.

2.3.4. Matrices.

2.3.4.1. Matrices.
2.3.4.2. Indización de matrices. Subsecciones de una matriz.
2.3.4.3. Matrices de índice.
2.3.4.4. La función array ().
2.3.4.5. Aritmética mixta de vectores y matrices. La regla de reciclaje.
2.3.4.6. El producto exterior de dos matrices.
2.3.4.7. Transposición generalizada de una matriz.
2.3.4.8. Multiplicación de matrices.
2.3.4.9. Valores propios y vectores propios.
2.3.4.10. Descomposición de valores singulares y determinantes.
2.3.4.11. Formando matrices particionadas, cbind () y rbind ().
2.3.4.12. La función de concatenación, c (), con matrices.

2.3.5. Tablas de frecuencia de factores.
2.3.6. Listas.

2.3.6.1. Construyendo y modificando listas.
2.3.6.2. Listas de concatenación.

2.3.7. Dataframes.

2.3.7.1. ¿Cómo crear dataframes?
2.3.7.2. Adjuntar () y separar ().
2.3.7.3. Trabajando con dataframes.

2.4. Lectura y escritura de datos.

2.4.1. La función read.table ().
2.4.2. La función scan ().
2.4.3. Acceso a los conjuntos de datos incorporados.
2.4.4. Cargando datos de otros paquetes R.
2.4.5. Edición de datos.

2.5. Agrupación, bucles y ejecución condicional.

2.5.1. Expresiones agrupadas.
2.5.2. Declaraciones de control.

2.5.2.1. Ejecución condicional: sentencias if.
2.5.2.2. Ejecución repetitiva: para bucles, repetición y tiempo.

2.6. Escribiendo tus propias funciones.

2.6.1. Ejemplos simples.
2.6.2. Definiendo nuevos operadores binarios.
2.6.3. Argumentos con nombre y valores por defecto.
2.6.4. El argumento “...”.
2.6.5. Asignaciones dentro de funciones.

Módulo 3. Análisis estadístico en R

3.1. Distribuciones de probabilidad discretas.
3.2. Distribuciones de probabiidad contínuas.
3.3. Introducción a la inferencia y muestreo (Estimación Puntual).
3.4. Intervalos de confianza.
3.5. Contrastes de hipótesis.
3.6. ANOVA de un factor.
3.7. Bondat de Ajuste (test de chi cuadrado).
3.8. QPaquete fitdist.
3.9. Introducción a estadística multivariante.

Módulo 4. Entorno gráfico en R

4.1. Procedimientos gráficos.

4.1.1. Comandos de trazado de alto nivel.

4.1.1.1. La función plot ().
4.1.1.2. Visualización de datos multivariados.
4.1.1.3. Gráficos de pantalla.
4.1.1.4. Argumentos a funciones de trazado de alto nivel.

4.1.2. Comandos de trazado de bajo nivel.

4.1.2.1. Anotación matemática.
4.1.2.2. Fuentes vectoriales hershey.

4.1.3. Interactuando con gráficos.
4.1.4. Uso de parámetros gráficos.

4.1.4.1. Cambios permanentes: la función par ().
4.1.4.2. Cambios temporales: Argumentos a funciones gráficas.

4.1.5. Lista de parámetros gráficos.

4.1.5.1. Elementos gráficos.
4.1.5.2. Ejes y marcas.
4.1.5.3. Márgenes de la figura.
4.1.5.4. Entorno de figuras múltiples.

4.1.6. Estadística descriptiva: Representaciones gráficas.