Temas Especiales de inteligencia artficial: Aprendizaje de máquina aplicado a las ciencias y la salud
Con el advenimiento de tecnologías de alto desempeño para el análisis y procesamiento de datos experimentales ha ocurrido un incremento en la disponibilidad de datos provenientes de estas plataformas. Como resultado, ha emergido la necesidad de desarrollar e implementar métodos computacionales, principalmente basados en aprendizaje automático y profundo, capaces de analizar tales conjuntos de datos, con el fin de extraer información relevante para apoyar procesos como toma de decisiones, identificación de nuevas moléculas o en medicina traslacional. En este curso veremos los fundamentos del aprendizaje automático y profundo como métodos computacionales para el análisis de datos, y ahondaremos en diversos tipos de datos característicos de las ciencias y la salud, como los provenientes de experimentos químicos y bioquímicos, genómicos, microbiológicos y biológicos. En cada contexto veremos cómo el aprendizaje automático y profundo pueden ser utilizados para analizar los datos y el potencial de extraer nuevos conocimientos.
- Comprender los conceptos teóricos y aplicados de los algoritmos de aprendizaje automático y profundo con el fin de implementarlos para resolución de problemas predictivos en ciencia y salud.
- Familiarizarse con las plataformas que generan los datos en las áreas de ciencia y salud con el fin de poder utilizar los datos que estas generan de forma adecuada en la construcción de modelos predictivos.
- Utilizar diferentes tipos de datos que se producen en diversidad de ensayos y estudios como entradas de modelos predictivos, con el fin de generar nuevo conocimiento en los campos de ciencia y salud.
- Utilizar los modelos predictivos construidos con algoritmos de aprendizaje automático o profundo con el fin de generar conocimiento nuevo a partir de los datos de experimentos provenientes de ensayos en ciencia y salud.
- Miércoles: 5:00 PM - 8:50 PM
