Curso Machine Learning Aplicado al Análisis de Datos en Ciencias de la Salud
Nuevo programa
Deseo recibir más información

Curso Machine Learning Aplicado al Análisis de Datos en Ciencias de la Salud

Para realizar su inscripción y/o pago electrónico, haga clic aquí.
Información básica fechas
Fecha de inicio
Fecha de finalización
Información básica horario
Horario
48 horas sincrónicas: distribuidas en 6 horas semanales
Lunes y miercoles de 8 p.m. a 10 p.m.
Sábados de 10 a.m. a 12 m.
Descuentos especiales
15% Pronto pago Mayo 15 de 2021, 15% Comunidad El Bosque, 10% Afiliados a Colsubsidio, 10% grupos superiores a dos personas. *Los descuentos no son acumulables.
En contacto
Juan Felipe Rozo Méndez

Juan Felipe Rozo Méndez

Asistente Profesional
Tel: 6489013
Ext. 2641
​​​​​​​Celular: 317 3988943

Información básica inversión
Inversión
736000 COP
Inversión en dólares
215 USD

Te invitamos a conocer todas las características y alcance de todos nuestros programas.

En nuestro canal de youtube puedes encontrar contenido que te ayudaran a tomar la mejor elección para actualizarte.

YouTube

Descripción

Son múltiples las situaciones y prácticas donde profesionales relacionados con las Ciencias de la salud tienen que tomar decisiones que favorezcan al máximo el bienestar de los individuos, y existe hoy un consenso generalizado de que la optimización en la toma de dichas decisiones debe estar soportada por evidencia científica concebida a partir de procesos sistemáticos de investigación, y no por suposiciones y creencias subjetivas. En síntesis, la toma de decisiones confiables se basa en el análisis sistemático y crítico de información en forma de datos. Es por esto que el profesional de la Ciencias de la Salud debe conocer los distintos métodos de manejos de datos, métodos supervisados y no supervisados de tal manera que pueda identificar anomalías y patrones en los datos, y dependiendo de la naturaleza de las variables estadísticas en estudio, pueda realizar predicciones y clasificaciones.

Objetivo General

Aplicar adecuadamente distintas técnicas y algoritmos del aprendizaje automático supervisado y no supervisado en el análisis de datos provenientes del campo de la Salud.

Objetivos Específicos

  1. Revisar conceptos básicos de la Estadística y la Probabilidad necesarios para la aplicación del Machine Learning en Ciencias de la Salud.
  2. Comprender diversas técnicas de la minería de datos para la obtención y exploración de datos de salud consistentes.
  3. Aplicar distintas técnicas del Aprendizaje supervisado para desarrollar tareas predictivas en Ciencias de la Salud.
  4. Aplicar distintas técnicas del Aprendizaje no supervisado para desarrollar tareas asociadas a la búsqueda de patrones ocultos en datos de Ciencias de la Salud

 

VALORES AGREGADOS

 

  • Utilización de software especializado para el análisis predictivo y la búsqueda de patrones ocultos en datos de Salud.
  • Revisión de las técnicas más actualizadas del Machine Learning y la Minería de datos en la solución de problemas de Salud.
  • Aprendizaje apoyado en proyectos con datos reales en Salud y asesorado por investigadores del área.
  • Balance óptimo entre fundamentación teórica y práctica, asegurando el desarrollo de competencias y habilidades significativas.
Dirigido a
Profesionales y estudiantes de las distintas ramas de las Ciencias de la salud, estadísticos, matemáticos y demás interesados en comprender y aplicar técnicas propias del Aprendizaje automático para el análisis de datos propios de las Ciencias de la salud.

1. Elementos de Estadística, probabilidad y machine learning

2. Preprocesamiento y limpieza de datos en salud

3. Análisis exploratorio de datos en salud

4. Aprendizaje no supervisado para análisis de dependencias

5. Aprendizaje supervisado para tareas de regresión

6. Aprendizaje supervisado para tareas de clasificación

7. Aprendizaje no supervisado para clustering

8. Aprendizaje no supervisado para detección de anomalías

 

Metodologia

El desarrollo de las actividades de aprendizaje de las temáticas propuestas estará orientado a través de:

  1. Exposiciones(teórico -prácticas) en sesiones sincrónicas orientadas por los docentes a cargo (50% actividades)
  2. Desarrollo de talleres y ejercicios prácticos soportados por software para el análisis de datos (30% actividades)
  3. Aplicación de los saberes y habilidades apropiados en talleres relacionados con el análisis de datos en Ciencias de la salud (20% actividades).

Jesús David Ramos Montaña. MSc. en Bioestadística de la Universidad Nacional de Colombia. Docente tiempo completo del Departamento de Matemáticas, Facultad de Ciencias, UEB. Miembro activo del grupo de investigación en Matemáticas y Estadística SIGNOS,  actualmente lidera la línea de Bioestadística y Epidemiología dentro de la carrera de Estadística en la UEB.

Emiliano Rodríguez Arango: MSc. en Estadística de la Universidad Nacional de Colombia, Especialista en Estadística de la Universidad Nacional de Colombia. Docente de tiempo completo del Departamento de Matemáticas, Facultad de Ciencias, Universidad del Bosque. Orienta actualmente cursos en la Línea de bioestadística y epidemiología de la carrera de Estadística de la UEB, y ha trabajado como consultor en distintos proyectos relacionados con esta línea. Data Science con correlation one y MinTic´s.

Información Adicional

Proceso de Matrícula y Financiación

Formulario

Formulario
Formulario

Empieza por diligenciar el formulario de inscripción. Una vez recibas tu solicitud, automáticamente se generará una orden de pago, la cual será enviada por correo electrónico.

Ir al formulario

Matrícula presencial

Matrícula presencial
Matrícula presencial

Dirígete a las oficinas de la División de Educación Continuada, Av. Cra. 9 No. 131 A - 02 Edificio Fundadores, Centro de Servicios Integrales, Primer piso, Mezannine, y proporcionar los siguientes datos:

  • Nombre completo
  • Tipo de Documento
  • Número de Documento
  • Fecha de Nacimiento
  • Teléfono Fijo
  • Teléfono Móvil
  • Email
  • Programa de interés

Métodos de pago

Financiación
Métodos de pago

Conoce las opciones de financiación, formas de pago, descuentos y beneficios para formalizar la inscripción.

Métodos de financiación
Directo por la Universidad El Bosque, Cheques Posfechados.

Entidades bancarias
Sufi Bancolombia, Grupo Helm Bank, Banco Pichincha, Fincomercio, Financiar.

Formas de pago 
Efectivo, Pagos en línea PSE, Tarjeta de crédito Visa o Master Card, Patrocinios.

Descuentos
15% Comunidad El Bosque, 10% Descuentos grupales (3 participantes), 10% Participantes de otros programas, 10% Cónyuges e hijos funcionarios de la Universidad El Bosque.
* Los descuentos no son acumulables

Inscripciones

Pagos en línea

Pagos en línea
Pagos en línea

Puedes diligenciar el pago de tu recibo en nuestra plataforma con PSE.

Pagos en línea

Requisitos

Requisitos
Requisitos

Una vez realizado el pago, deberás hacer llegar el comprobante y los siguientes documentos por medio de correo electrónico o acercándote a las oficinas de la División de Educación Continuada:

  • Fotocopia de la Cédula
  • Fotocopia del Carné de la E.P.S.
  • Fotocopia del diploma profesional o acta de grado

Importante

La Universidad podrá cancelar el programa seleccionado, cuando no haya un número mínimo de participantes, y procederá a tramitar la devolución del dinero recibido. También podrá posponer la realización del programa por razones de fuerza mayor. En este caso se informará a las personas preinscritas la nueva fecha programada. El medio de contacto será a través de los medios suministrados en el momento de la inscripción.

Institución de educación superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

Próxima oferta académica
Diplomado
Diplomado
Curso