Herramientas de Machine Learning aplicadas en salud

Machine learning (ML) es un área de la estadística dedicada al estudio de modelos construidos a partir de datos (data-driven), que aprovecha los recursos computacionales para generar modelos que pueden reconocer patrones y ser ajustados, a través de herramientas de optimización, para posteriormente ser utilizados en análisis predictivos. Debido a la disponibilidad y acceso a mayores volúmenes de datos en el área de la salud, estos métodos se vuelven necesarios para trabajar con dichos datos y debido a la capacidad que poseen los métodos para generalizar patrones predictivos de manera automática.

Emplear herramientas básicas de machine learning, particularmente a través de R y que comprenda las diferencias entre distintos problemas de procesamiento de datos.

• 1. Describir y diferenciar los paradigmas de machine learning y su aplicación en salud pública.
• 2. Seleccionar métodos de preprocesamiento de datos para machine learning.
• 3. Implementar y aplicar métodos de machine learning no supervisado
• 4. Implementar y aplicar métodos de machine learning supervisado (regresión y clasificación) para el análisis de problemas en salud.

Este curso comprende clases expositivas, donde se entregarán los fundamentos del tópico a tratar, y módulos prácticos, donde los estudiantes trabajarán en computadores abordando un problema particular, con apoyo de los académicos del curso.

Con el fin de facilitar el proceso de aprendizaje, en lo posible se trabajará con una misma base de datos los cinco días que dura el curso, la cual será analizada desde distintos ángulos con los métodos que se vayan introduciendo.

• Este curso es evaluado
• Otra forma de evaluación: Se evaluará un portafolio de tareas que debe ser entregado al finalizar el curso.