Esta capacitación generará una sensación de seguridad en el desempeño de la praxis médica, que te ayudará a crecer personal y profesionalmente”

La escala y la complejidad de los datos genómicos empequeñecen las medidas que se usan tradicionalmente en las pruebas de laboratorio. En los últimos años ha existido un enorme desarrollo de la informática para poder analizar e interpretar la secuenciación del DNA, y ha creado un distanciamiento entre el conocimiento biológico y su aplicación a la práctica clínica habitual. Es por ello que es preciso educar, difundir e incorporar igualmente esas técnicas informáticas entre la comunidad médica con el fin de poder interpretar el análisis masivo de datos procedentes de publicaciones, bases de datos biológicas o médicas e historiales clínicos, entre otros, y poder, de este modo, enriquecer a nivel clínico la información biológica disponible. 

Este aprendizaje automático permitirá el desarrollo de la Oncología de Precisión, con el fin de interpretar las características genómicas y encontrar terapias dirigidas, o identificar los riesgos a determinadas enfermedades y establecer medidas preventivas más individualizadas. Es un objetivo fundamental del programa acercar al alumno y difundir el conocimiento informático, que ya se aplica en otras áreas del conocimiento, pero que tiene una mínima implantación en el mundo médico, y a pesar de que para que la medicina Genómica sea una realidad, es preciso interpretar con precisión el volumen ingente de información clínica disponible actualmente y asociarlo a los datos biológicos que se generan tras un análisis bioinformático. Si bien este es un  desafío difícil, permitirá que los efectos de la variación genética y las terapias potenciales se exploren de forma rápida, económica y con mayor precisión de la que se logra en el momento actual.

Los humanos no están naturalmente equipados para percibir e interpretar secuencias genómicas ni para comprender todos los mecanismos, vías e interacciones que tienen lugar dentro de una célula viva, ni para tomar decisiones médicas con decenas o centenares de variables. Para avanzar, se requiere un sistema con capacidad analítica sobrehumana que simplifique el entorno de trabajo y muestre las relaciones y proximidades entre unas variables u otras. En Genómica y biología, ahora se reconoce que es mejor gastar los recursos en nuevas técnicas computacionales que en la recolección de datos puros, algo que posiblemente pasa igual en medicina y, por supuesto, Oncología. 

Actualiza tus conocimientos con el programa de Especialización en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica”

La Especialización en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica contiene el programa científico más completo y actualizado del mercado. Las características más destacadas son:

• Desarrollo de casos prácticos presentados por expertos en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica
• Sus contenidos gráficos, esquemáticos y eminentemente prácticos con los que están concebidos recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Novedades sobre Técnicas de Machine Learning y Minería de Datos en Oncología Genómica
• Contiene ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Con especial hincapié en metodologías innovadoras en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica
• Todo esto se complementará con lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• Disponibilidad de los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Esta Especialización puede ser la mejor inversión que puedes hacer en la selección de un programa de actualización por dos motivos: además de poner al día tus conocimientos en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica, obtendrás un título por TECH Global University”

Incluye en su cuadro docente profesionales pertenecientes al ámbito de las Técnicas de Machine Learning y Minería de Datos en Oncología Genómica, que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas pertenecientes a sociedades de referencia y universidades de prestigio.

Gracias a su contenido multimedia elaborado con la última tecnología educativa, permitirán al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará un aprendizaje inmersivo programado para entrenarse ante situaciones reales.

El diseño de este programa está centrado en el aprendizaje basado en problemas, mediante el cual el estudiante deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del programa. Para ello, el estudiante contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos en el campo de las Técnicas de Machine Learning y Minería de Datos en Oncología Genómica y con gran experiencia docente.
.

Aumenta tu seguridad en la toma de decisiones actualizando tus conocimientos a través de esta Especialización”

Aprovecha la oportunidad para conocer los últimos avances en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica y mejorar la atención a tus pacientes”

La estructura de los contenidos ha sido diseñada por un equipo de profesionales de los mejores centros educativos, universidades y empresas del territorio nacional, conscientes de la relevancia en la actualidad de la especialización para poder intervenir en la capacitación y acompañamiento de los alumnos, y comprometidos con la enseñanza de calidad mediante las nuevas tecnologías educativas.

La Especialización en Técnicas de Machine Learning y Minería de Datos en Oncología Genómica, contiene el programa científico más completo y actualizado del mercado”

Módulo 1. Machine learning para el análisis de Big Data

1.1. Introducción a Machine Learning
1.2. Presentación del problema, carga de datos y librerías
1.3. Limpieza de datos (NAS, categorías, variables Dummy)
1.4. Analisís de datos exploratorio (ggPlot)+validación cruzada
1.5. Algoritmos de predicción: regresión lineal múltiple, Support Vector Machine, árboles de regresión, Random Forest, etc.
1.6. Algoritmos de clasificación: Regresión Logística, Support Vector Regression, Árboles de Clasificación, Random Forest
1.7. Ajuste de los hiperparámetros del algoritmo
1.8. Predicción de los datos con los diferentes modelos
1.9. Curvas ROC y matrices de confusión para evaluar la calidad del modelo

Módulo 2. Minería Datos aplicada a la genómica

2.1. Introducción
2.2. Inicialización de variables
2.3. Limpieza y acondicionado del texto
2.4. Generación de la matriz de términos

2.4.1. Creación de la Matriz de Términos TDM
2.4.2. Visualizaciones sobre la matriz de palabras TDM

2.5. Descripción de la matriz de términos

2.5.1. Representación gráfica de las frecuencias
2.5.2. Construcción de una nube de palabras

2.6. Creación de un Data Frame apto para K-NN
2.7. Construcción del modelo de clasificación
2.8. Validación del modelo de clasificación
2.9. Ejercicio práctico guiado de minería de datos en genómica en cáncer

Módulo 3. Técnicas de extracción de Datos genómicos

3.1. Introducción al ‘Scraping Data’
3.2. Importación de archivos de datos de hoja de cálculo almacenados online
3.3. Scraping de texto HTML
3.4. Scraping los datos de una tabla HTML
3.5. Aprovechar las API para Scraping de los Datos
3.6. Extraer la información relevante
3.7. Uso del paquete Rvest de R
3.8. Obtención de datos distribuidos en múltiples páginas
3.9. Extracción de datos genómicos de la plataforma ‘My Cancer Genome’
3.10. Extracción de información sobre genes de la base de Datos HGNC Hugo Gene Nomenclature Committee’
3.11. Extracción de datos farmacológicos de la base de Datos ‘ONCOKG’ (Precision Oncology Knowledge Base)

Modulo 4. Aplicación de la bioinformática en la Oncología Genómica

4.1. Enriquecimiento clínico y farmacológico de variantes de genes
4.2. Búsqueda masiva en PubMed de información Genómica
4.3. Búsqueda masiva en DGIdb de información Genómica
4.4. Búsqueda masiva en Clinical Trials de ensayos clínicos sobre datos genómicos
4.5. Búsqueda de similitud de genes para la interpretación de un panel genético o un exoma
4.6. Búsqueda masiva de genes relacionados con una enfermedad
4.7. Enrich-Gen: plataforma de enriquecimiento clínico y farmacológico de genes

Una experiencia de capacitación única, clave y decisiva para impulsar tu desarrollo profesional”