1.ª Edición - Código 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] => Área de Ciencias y Tecnología [NOMBRE_CURSO] => Diploma de Especialización en Analítica Avanzada de Datos aplicada a Ciencias de la Salud [TITULACION] => Diploma de Especialización [HORARIO] => Viernes por la tarde de 16 a 21 y sábado de 9 a 14 [REQUISITOS_TITULACION] => Profesionales de Ciencias de la Salud que tengan interés en analizar conjuntos de datos de salud con la finalidad de extraer conocimiento de dichos conjuntos. [REQUISITOS_OTROS] => [ARG_VENTA] => Formar a profesionales sanitarios en técnicas avanzadas en analítica de datos (modelos de aprendizaje máquina y profundo) mediante ejemplos implementados con herramientas de fácil uso y sin necesidad de programación. [ARG_VENTA2] => [AÑO_CURSO_DESC] => [MODALIDAD_EVALUACION] => La metodología es la clásica de clase magistral con una orientación muy práctica, planteando casos reales en cada uno de los diferentes temas que tiene el curso. [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Este curso puede ayudar a mejorar la inserción laboral de los profesionales sanitarios al proporcionarle una formación avanzada que, actualmente, no se imparte en los centros de formación. [ANO_CURSO_DESC] => Curso 2023/2024 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 23822090 [AÑO_CURSO] => 35 [CODIGO] => 2 [NOMBRE_MATERIA] => Ciencias de la salud (CS) conducidas por datos. [NOMBRE_MATERIA_VAL] => Ciències de la salut (CS) conduïdes per dades. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Datos estructurados y no estructurados. Big Data. Ciencia de Datos. Machine/Deep Learning. Visual Data Mining. NLP. Aprendizaje Reforzado. IA Explicable. Herramientas open source. Etapas de un proceso basado en datos. Herramientas cloud/servicios cognitivos. Aplicaciones en medicina. Tendencias. Exposición de empresas 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] => CASO 1: Análisis estadístico. [NOMBRE_MATERIA_VAL] => CAS 1: Anàlisi estadística. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Descripción de la herramienta a usa. Nociones de probabilidad. Nociones de estadística. Contraste de hipótesis más extendidos. Concepto de correlación. Aplicación a un problema práctico 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] => CASO 2: Agrupamiento y Manifolds. [NOMBRE_MATERIA_VAL] => CAS 2: Agrupament i Manifolds. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Concepto de clustering. Manifolds: PCA, t-SNE y SOM. Aplicación a un caso práctico 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] => CASO 3: Clasificación. [NOMBRE_MATERIA_VAL] => CAS 3: Classificació. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Medidas de error. Regresión logística. Árboles de decisión. Random Forest. Aplicación a un caso práctico 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] => CASO 4: Regresión [NOMBRE_MATERIA_VAL] => CAS 4: Regressió [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Medidas de error. Regresión multivariante. Árboles de regresión. Random Forest. Aplicación a un caso práctico 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] => CASO 5: Análisis de supervivencia [NOMBRE_MATERIA_VAL] => CAS 5: Anàlisi de supervivència [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Datos censados. Aproximaciones clásicas: Kaplain-Meir; regresión de Cox. Aproximaciones avanzadas. [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] => CASO 6: Deep Learning [NOMBRE_MATERIA_VAL] => CAS 6: Deep Learning [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Elementos clásicos de deep learning: CNN; LSTM/GRU; MLP multicapa. Problemas en imágenes. Problemas en NLP. Transfer Learning. Modelos fundacionales. [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 de Especialización en Analítica Avanzada de Datos aplicada a Ciencias de la Salud


Datos generales

Curso académico: Curso 2023/2024

Tipo de curso: Diploma de Especialización

Número de créditos: 33.00 Créditos ECTS

Preinscripción al curso: Hasta el 05/10/2023

Fecha inicio: Octubre 2023

Fecha fin: Junio 2024

Matrícula: 2000 € (importe precio público)

Requisitos de acceso: Profesionales de Ciencias de la Salud que tengan interés en analizar conjuntos de datos de salud con la finalidad de extraer conocimiento de dichos conjuntos.

Modalidad: On-line

Lugar de impartición:

Horario: Viernes por la tarde de 16 a 21 y sábado de 9 a 14

Más información

Objetivos del curso

Formar a profesionales sanitarios en técnicas avanzadas en analítica de datos (modelos de aprendizaje máquina y profundo) mediante ejemplos implementados con herramientas de fácil uso y sin necesidad de programación.

Objetivos profesionales

Este curso puede ayudar a mejorar la inserción laboral de los profesionales sanitarios al proporcionarle una formación avanzada que, actualmente, no se imparte en los centros de formación.

Solicita información

He leído y acepto la información proporcionada sobre protección de datos y Política de Privacidad de ADEIT.

Consiento recibir información sobre los Títulos Propios 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.

Por favor, verifica que no eres un robot.

Responsable: Universitat de València. Edifici del Rectorat. Av. Blasco Ibáñez, 13. 46010-València.
Delegado de Protección de Datos: D. Javier Plaza Penadés lopd@uv.es
Finalidad: Enviar información relevante de cursos de postgrado.
Se obtienen perfiles al objeto de personalizar el trato conforme a sus características o necesidades y poder así dirigirle las novedades más convenientes.
Legitimación: Para el envío de información acerca de los Títulos Propios de la Universidad de València la base de legitimación es el consentimiento del interesado.
Destinatarios: Fundació Universitat-Empresa de Valéncia y Universitat de València.
Plazo: Los datos del Usuario serán conservados hasta que solicite su baja, se oponga o revoque su consentimiento.
Derechos: Acceder, rectificar y suprimir los datos así como otros derechos como se explica en la información adicional.
Amplíe información: www.adeituv.es/politica-de-privacidad.


SÍ, ENVÍAMELO
FAQS
 
Imprimir información