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] => 20/10/23 [FECHA_FIN] => 29/06/24 [LUGAR] => [NOMBRE_EMPRESA_ORGANIZADOR] => Departament d'Enginyeria Electrònica [FECHA_FIN_PREINSCRIPCION] => 05/10/23 [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] => Curso 2023/2024 [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. [CRITERIO_ADMISION] => [CRITERIO_ADMISION2] => [CRITERIO_ADMISION3] => [FORMACION_APRENDIZAJE] => [FORMACION_APRENDIZAJE2] => [FORMACION_APRENDIZAJE3] => [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 05/10/23

Fecha inicio: Octubre 23

Fecha fin: Junio 24

Matrícula: 2000 € (importe precio público)

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

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.

FAQS
 
Imprimir información