Inicio > Àrea de Ciències i Tecnologia > Diploma d'Especialització en Analítica Avançada en Ciències de la Salut

1a Edició - Codi 23822090

Array ( [CODIGO] => 23822090 [EDICION] => 1 [SITUACION] => Aprobado [SITUACION_BIS] => Suspendido [MATRICULA] => 2000 [MATRICULA_2] => 0 [MATRICULA_3] => 0 [HORAS] => 33.00 [FECHA_INICIO] => 20/10/2023 [FECHA_FIN] => 29/06/2024 [LUGAR] => [NOMBRE_EMPRESA_ORGANIZADOR] => Departament d'Enginyeria Electrònica [FECHA_FIN_PREINSCRIPCION] => 05/10/2023 [AREA] => 8 [NOMBRE_EMPRESA_PATROCINADO] => [NOMBRE_EMPRESA_COLABORADOR] => [OBSERVACIONES_PREINSCRIPCION] => [TIPO_DOCENCIA] => A distancia [TIPO_DOCENCIA_1] => 3 [TIPO_DOCENCIA_2] => On-line [AULA_VIRTUAL_ADEIT] => 0 [TIPO_CURSO] => Postgrado [TIPO_CURSO_1] => Título Propio de Pos [DIRECCION_URL] => [AÑO_CURSO] => 35 [URL_VIDEO] => [URL_FACEBOOK] => [URL_TWITTER] => [META_TITLE] => [META_DESCRIPTION] => [META_KEYWORDS] => [DIRECCION_CURSO_CORTO] => analitica-avanzada-datos-salud [GESTOR_NOMBRE] => Mariam [GESTOR_APELLIDOS] => Conca [GESTOR_EMAIL] => marian.conca@fundacions.uv.es [ADMINISTRATIVO_NOMBRE] => Carolina [ADMINISTRATIVO_APELLIDOS] => Escribano Asensi [ADMINISTRATIVO_EMAIL] => carolina.escribano@fundacions.uv.es [ES_INTERNO] => 1 [EMAIL_EXTERNO] => informacion@adeituv.es [PREINSCRIPCION_WEB] => 0 [URL_AULA_VIRTUAL] => [OFERTADO_OTRO] => 0 [ID_CURSO_OFERTADO] => 0 [DESCRIPCION_OFERTADO] => [TELEFONO_EXTERNO] => 96 160 3000 [MATRICULA_PDTE_APROBACION] => 0 [ID_IDIOMA] => 4 [PUBLICAR_WEB] => 0 [area_curs] => Àrea de Ciències i Tecnologia [NOMBRE_CURSO] => Diploma d'Especialització en Analítica Avançada en Ciències de la Salut [TITULACION] => Diploma d'Especialització [HORARIO] => Divendres a la vesprada de 16 a 21 i dissabte de 9 a 14 [REQUISITOS_TITULACION] => Professionals de Ciències de la Salut que tinguen interès a analitzar conjunts de dades de salut amb la finalitat d'extraure coneixement d'aquests conjunts. [REQUISITOS_OTROS] => [ARG_VENTA] => Formar a professionals sanitaris en tècniques avançades en analítica de dades (models d'aprenentatge màquina i profund) mitjançant exemples implementats amb eines de fàcil ús i sense necessitat de programació [ARG_VENTA2] => [AÑO_CURSO_DESC] => [MODALIDAD_EVALUACION] => La metodologia és la clàssica de classe magistral amb una orientació molt pràctica, plantejant casos reals en cadascun dels diferents temes que té el curs. [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Aquest curs pot ajudar a millorar la inserció laboral dels professionals sanitaris en proporcionar-li una formació avançada que, actualment, no s'imparteix en els centres de formació. [CRITERIO_ADMISION] => [CRITERIO_ADMISION2] => [CRITERIO_ADMISION3] => [FORMACION_APRENDIZAJE] => [FORMACION_APRENDIZAJE2] => [FORMACION_APRENDIZAJE3] => [ANO_CURSO_DESC] => Curs 2023/2024 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 2 [NOMBRE_MATERIA] => Ciències de la salut (CS) conduïdes per dades. [NOMBRE_MATERIA_VAL] => Ciències de la salut (CS) conduïdes per dades. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Dades estructurades i no estructurats. Big Data. Ciència de Dades. Machine/Deep Learning. Visual Data Mining. NLP. Aprenentatge Reforçat. IA Explicable. Eines open source. Etapes d'un procés basat en dades. Eines cloud/serveis cognitius. Aplicacions en medicina. Tendències. Exposició d'empreses IA-CS [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Dades estructurades i no estructurats. Big Data. Ciència de Dades. Machine/Deep Learning. Visual Data Mining. NLP. Aprenentatge Reforçat. IA Explicable. Eines open source. Etapes d'un procés basat en dades. Eines cloud/serveis cognitius. Aplicacions en medicina. Tendències. Exposició d'empreses IA-CS [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 1 ) [1] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 7 [NOMBRE_MATERIA] => CAS 1: Anàlisi estadística. [NOMBRE_MATERIA_VAL] => CAS 1: Anàlisi estadística. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Descripció de l'eina a usa. Nocions de probabilitat. Nocions d'estadística. Contrast d'hipòtesis més estesos. Concepte de correlació. Aplicació a un problema pràctic en CS. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Descripció de l'eina a usa. Nocions de probabilitat. Nocions d'estadística. Contrast d'hipòtesis més estesos. Concepte de correlació. Aplicació a un problema pràctic en CS. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 2 ) [2] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 6 [NOMBRE_MATERIA] => CAS 2: Agrupament i Manifolds. [NOMBRE_MATERIA_VAL] => CAS 2: Agrupament i Manifolds. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Concepte de clustering. Manifolds: PCA, t-SNE i SOM. Aplicació a un cas pràctic en CS. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Concepte de clustering. Manifolds: PCA, t-SNE i SOM. Aplicació a un cas pràctic en CS. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 3 ) [3] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 1 [NOMBRE_MATERIA] => CAS 3: Classificació. [NOMBRE_MATERIA_VAL] => CAS 3: Classificació. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Mesures d'error. Regressió logística. Arbres de decisió. Random Forest. Aplicació a un cas pràctic en CS. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Mesures d'error. Regressió logística. Arbres de decisió. Random Forest. Aplicació a un cas pràctic en CS. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 4 ) [4] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 4 [NOMBRE_MATERIA] => CAS 4: Regressió [NOMBRE_MATERIA_VAL] => CAS 4: Regressió [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Mesures d'error. Regressió multivariant. Arbres de regressió. Random Forest. Aplicació a un cas pràctic en CS. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Mesures d'error. Regressió multivariant. Arbres de regressió. Random Forest. Aplicació a un cas pràctic en CS. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 5 ) [5] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 5 [NOMBRE_MATERIA] => CAS 5: Anàlisi de supervivència [NOMBRE_MATERIA_VAL] => CAS 5: Anàlisi de supervivència [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Dades censades. Aproximacions clàssiques: Kaplain-Meir; regressió de Coix. Aproximacions avançades. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Dades censades. Aproximacions clàssiques: Kaplain-Meir; regressió de Coix. Aproximacions avançades. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 6 ) [6] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 3 [NOMBRE_MATERIA] => CAS 6: Deep Learning [NOMBRE_MATERIA_VAL] => CAS 6: Deep Learning [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Elements clàssics de deep learning: CNN; LSTM/GRU; MLP multicapa. Problemes en imatges. Problemes en NLP. Transfer Learning. Models fundacionals. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Elements clàssics de deep learning: CNN; LSTM/GRU; MLP multicapa. Problemes en imatges. Problemes en NLP. Transfer Learning. Models fundacionals. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 7 ) ) [professors] => Array ( [0] => Array ( [DNI] => uni56104 [NOMBRE_PERSONA] => Juan [APELLIDOS] => Gómez Sanchis [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => M8537 [EMAIL_FACULTAD] => juango3@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [1] => Array ( [DNI] => uni62469 [NOMBRE_PERSONA] => Valero [APELLIDOS] => Laparra Pérez-Muelas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Ayudante/a Doctor/a [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [2] => Array ( [DNI] => uni65456 [NOMBRE_PERSONA] => Marcelino [APELLIDOS] => Martínez Sober [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Catedrático/a de Universidad [NPI] => H4260 [EMAIL_FACULTAD] => martsobm@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [3] => Array ( [DNI] => emp17565 [NOMBRE_PERSONA] => Juan José [APELLIDOS] => Pérez Ruixo [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Senior Scientist. Johnson & Johnson, S.A. [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [4] => Array ( [DNI] => uni55311 [NOMBRE_PERSONA] => María [APELLIDOS] => Piles Guillem [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Investigador/a Contratado/a Ramón y Cajal. Universitat de València [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [5] => Array ( [DNI] => emp393057 [NOMBRE_PERSONA] => Pablo [APELLIDOS] => Rodríguez Belenguer [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [6] => Array ( [DNI] => emp376801 [NOMBRE_PERSONA] => Alejandro [APELLIDOS] => Rodríguez García [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [7] => Array ( [DNI] => uni64103 [NOMBRE_PERSONA] => Manuel Antonio [APELLIDOS] => Sánchez-Montañés Isla [PDI] => 3 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Contratado Doctor - Universidad Autónoma de Madrid [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [8] => Array ( [DNI] => uni29828 [NOMBRE_PERSONA] => Antonio José [APELLIDOS] => Serrano López [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H8352 [EMAIL_FACULTAD] => ajserran@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [9] => Array ( [DNI] => uni51421 [NOMBRE_PERSONA] => Emilio [APELLIDOS] => Soria Olivas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Catedrático/a de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [10] => Array ( [DNI] => uni55893 [NOMBRE_PERSONA] => Joan [APELLIDOS] => Vila Francés [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H1797 [EMAIL_FACULTAD] => vifranjo@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [11] => Array ( [DNI] => uni74629 [NOMBRE_PERSONA] => Yolanda [APELLIDOS] => Vives Gilabert [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Ayudante/a Doctor/a [NPI] => N7731 [EMAIL_FACULTAD] => yovigi@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [direccio] => Array ( [0] => Array ( [0] => Array ( [DNI] => uni29828 [NOMBRE_PERSONA] => Antonio José [APELLIDOS] => Serrano López [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H8352 [EMAIL_FACULTAD] => ajserran@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [1] => Array ( [0] => Array ( [DNI] => uni51421 [NOMBRE_PERSONA] => Emilio [APELLIDOS] => Soria Olivas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Catedrático/a de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) ) )

Diploma d'Especialització en Analítica Avançada en Ciències de la Salut

Dades generals
-
 Programa
+
 Direcció
+
 Professorat
+
 Metodologia
+
 Accés i Resultats d'Aprenentatge
+

Dades generals

Curs acadèmic: Curs 2023/2024

Tipus de curs: Diploma d'Especialització

Nombre de crèdits: 33.00 Crèdits ECTS

Preinscripció al curs: Hasta el 05/10/2023

Data inici: Octubre 2023

Data fi: Juny 2024

Matrícula: 2000 € (import preu públic)

Modalitat: On-line

Lloc d'impartició:

Horari: Divendres a la vesprada de 16 a 21 i dissabte de 9 a 14

Més informació

Objectius del curs

Formar a professionals sanitaris en tècniques avançades en analítica de dades (models d'aprenentatge màquina i profund) mitjançant exemples implementats amb eines de fàcil ús i sense necessitat de programació

Objectius professionals

Aquest curs pot ajudar a millorar la inserció laboral dels professionals sanitaris en proporcionar-li una formació avançada que, actualment, no s'imparteix en els centres de formació.

Solicita información

Responsable: Universitat de València. Edifici del Rectorat. Av. Blasco Ibáñez, 13. 46010-València.
Delegat de Protecció de Dades: D. Javier Plaza Penadés lopd@uv.es
Finalitat: Enviar informació rellevant de cursos de postgrau.
S'obtenen perfils a fi de personalitzar el tracte conforme a les seves característiques o necessitats i poder així dirigir-li les novetats més convenients.
Legitimació: Per a l'enviament d'informació sobre els títols propis de la Universitat de València la base de legitimació és el consentiment de l'interessat.
Destinataris: Fundació Universitat-Empresa de Valéncia and Universitat de València
Termini: Les dades de l'Usuari seran conservats fins que sol·liciti la seva baixa, s'oposi o revoqui el seu consentiment.
Drets: Accedir, rectificar i suprimir les dades així com altres drets com s'explica a la informació addicional.
Amplieu informació: www.adeituv.es/politica-de-privacidad.

FAQS
 
Imprimir la informaciò