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

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

He llegit i accepto la informació proporcionada sobre protecció de dades i Política de Privacitat de ADEIT.

Consento rebre informació sobre els títols propis de la Universitat de València.

Todos los campos son obligatorios

El formato de teléfono es incorrecto

El formato de correo electrónico es incorrecto

Mensaje recibido correctamente. Nos pondremos en contacto con usted lo antes posible

Error en el envío. Póngase en contacto con nosotros mediante correo electrónico

Debe aceptar la política de privacidad de ADEIT.

Per favor, verifica que no eres un robot.

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.


SI, ENVIA
FAQS
 
Imprimir la informaciò