Actividades formativas - Toma de decisiones científicas: técnicas estadísticas, machine learning, inteligencia artificial, big data y minería de datos en ciencias de la vida y la salud (PRESENCIAL)

OBJETIVOS:

• Usar correctamente técnicas de diseño de experimentos.
• Describir datos reales mediante la elaboración de tablas, representaciones gráficas y determinación de valores característicos (análisis exploratorio de datos).
• Distinguir la independencia de variables y su trascendencia biológica en el estudio de asociación entre diferentes fenómenos de interés biológico.
• Plantear, resolver e interpretar el resultado de los contrastes de hipótesis estadísticas a partir de las correspondientes hipótesis biológicas.
• Saber utilizar software estadístico para la resolución de problemas.
• Saber utilizar aplicaciones informáticas de minería de datos y machine learning.

CONTENIDOS:

• Causalidad. Variabilidad en ciencias de la vida y la salud. Variables y tipos de diseños de estudios.
• Técnicas de aprendizaje automático (machine learning) para modelos predictivos: regresión lineal, árboles de decisión (decision trees), bosques aleatorios (random forests) y boosting.
• Algoritmos de aprendizaje automático e inteligencia artificial para procesos de clasificación: regresión logística, modelos naive bayes, técnicas svm, redes neuronales y deep learning. Utilización de árboles de decisión (decision trees), bosques aleatorios (random forests) y boosting en clasificación.
• Introducción a big data y minería de datos. Modelos de almacenamiento. Técnicas de ordenamiento de datos (data tidying) y reducción de variables.

DESTINATARIOS: Estudiantes de doctorado de la UCM del ámbito de Ciencias de la Salud.

IMPARTIDO POR: D. Mario Reviriego Eíros y Dr. Antonio Murciano Cespedosa.

DURACIÓN: 16 horas.