Descubre las últimas tendencias en estadística en R tales como técnicas de Data Mining o investigación biomédica con perspectiva nutricional inscribiéndote en esta Especialización”

Los temas sobre los que versan las investigaciones científicas en torno al área nutricional son extensos. Desde la afectación de determinadas dietas en diferentes personas a la interacción entre un grupo de alimentos y enfermedades como el cáncer, el investigador debe tener un conocimiento excelso no solo en los propios postulados científicos y material vigente, sino en las herramientas estadísticas imprescindibles para llevar a cabo el proyecto. 

Desde su propia génesis, el equipo de investigación debe definir los objetivos y metodología científica a emplear, así como la propia ética que debe seguir el proyecto. El presente programa, creado por un equipo de expertos investigadores con años de experiencia, recopila tanto las bases científicas necesarias como las herramientas más útiles para emprender un proyecto de investigación en Nutrición con todas las garantías. 

Por ello, se incluyen extensos temas que versan sobre las expectativas, hipótesis, bioestadísticas, análisis de multivariantes, tipos de gráficos y muchas más cuestiones imprescindibles para los investigadores que deseen estar a la vanguardia de su campo. Todo el material didáctico viene reforzado por una gran cantidad de casos simulados y reales, que ayudan a contextualizar adecuadamente cada tema tratado. Así, se complementan teoría y práctica con vídeos en detalle, resúmenes interactivos y más contenidos creados por los mejores profesionales del área. 

El formato 100% online de esta Especialización posibilita, además, su compaginación con todo tipo de actividades y responsabilidades tanto profesionales como personales. El alumno es totalmente libre de distribuirse la carga lectiva según sus propios intereses, pudiendo descargar la totalidad del temario desde cualquier dispositivo con conexión a internet. 

Posiciónate en la vanguardia de la investigación dietética con las mejores herramientas, preceptos y guías prácticas que TECH pone a tu disposición en este programa”

Esta Especialización en Herramientas para la Investigación en Salud contiene el programa científico más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Ciencias de la Salud
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información médica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Profundiza en cómo el Data Mining y análisis de datos masivos pueden suponer un punto clave en Investigaciones en Salud y Nutrición”

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.  

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.  

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del programa académico. Para ello, contará con la ayuda de un novedoso sistema de vídeos interactivos realizados por reconocidos expertos.   

Apóyate en un formato 100% online sin ninguna clase de restricción para ti, con la libertad que necesitas para superarlo en tan solo 6 meses”

Tendrás acceso a una completa guía de referencia que podrás descargarte para seguir siendo útil incluso una vez finalices la titulación”

Para facilitar en la medida de lo posible la labor de estudio del alumno, TECH ha aplicado la metodología del Relearning en todos los contenidos del presente programa. Esto implica que los conceptos claves en Herramientas para la Investigación en Salud se reiteran de forma natural y progresiva a lo largo de todo la Especialización. Así, se ahorran numerosas horas de estudio, que a su vez se pueden invertir en la gran cantidad de material suplementario que se proporciona para cada módulo de conocimiento. 

Tendrás acceso las 24 horas del día a una biblioteca de contenido multimedia de gran calidad, pudiendo descargarla y reproducirla posteriormente en tu dispositivo de estudio favorito”

Módulo 1. Generación de proyectos de investigación

1.1. Estructura general de un proyecto
1.2. Presentación de antecedentes y datos preliminares
1.3. Definición de la hipótesis
1.4. Definición de objetivos generales y específicos
1.5. Definición del tipo de muestra, número y variables a medir
1.6. Establecimiento de la metodología científica
1.7. Criterios de exclusión/inclusión en proyectos con muestras humanas
1.8. Establecimiento del equipo específico: balance y Expertise
1.9. Expectativas: un elemento importante que olvidamos
1.10. Generación del presupuesto: un ajuste fino entre las necesidades y la realidad de la convocatoria
1.11. Aspectos éticos

Módulo 2. Estadística y R en investigación sanitaria

2.1. Bioestadística

2.1.1. Introducción al método científico
2.1.2. Población y muestra. Medidas muestrales de centralización
2.1.3. Distribuciones discretas y distribuciones continuas
2.1.4. Esquema general de la inferencia estadística. Inferencia sobre una media de una población normal. Inferencia sobre una media de una población general
2.1.5. Introducción a la inferencia no paramétrica

2.2. Introducción a R

2.2.1. Características básicas del programa
2.2.2. Principales tipos de objetos
2.2.3. Ejemplos sencillos de simulación e inferencia estadística
2.2.4. Gráficos
2.2.5. Introducción a la programación en R

2.3. Métodos de regresión con R

2.3.1. Modelos de regresión
2.3.2. Selección de variables
2.3.3. Diagnóstico del modelo
2.3.4. Tratamiento de datos atípicos
2.3.5. Análisis de regresiones

2.4. Análisis multivariante con R

2.4.1. Descripción de datos multivariantes
2.4.2. Distribuciones multivariantes
2.4.3. Reducción de la dimensión
2.4.4. Clasificación no supervisada: análisis de conglomerados
2.4.5. Clasificación supervisada: análisis discriminante

2.5. Métodos de regresión para la investigación con R

2.5.1. Modelos lineales generalizados (GLM): regresión de Poisson y binomial negativa
2.5.2. Modelos lineales generalizados (GLM): regresiones logística y binomial
2.5.3. Regresión de Poisson y Binomial Negativa infladas por ceros
2.5.4. Ajustes locales y modelos aditivos generalizados (GAM)
2.5.5. Modelos mixtos generalizados (GLMM) y generalizados aditivos (GAMM)

2.6. Estadística aplicada a la investigación biomédica con R I

2.6.1. Nociones básicas de R. Variables y objetos de R. Manejo de datos. Ficheros. Gráficos
2.6.2. Estadística descriptiva y funciones de probabilidad
2.6.3. Programación y funciones en R
2.6.4. Análisis de tablas de contingencia
2.6.5. Inferencia básica con variables continuas

2.7. Estadística aplicada a la investigación biomédica con R II

2.7.1. Análisis de la varianza
2.7.2. Análisis de correlación
2.7.3. Regresión lineal simple
2.7.4. Regresión lineal múltiple
2.7.5. Regresión logística

2.8. Estadística aplicada a la investigación biomédica con R III

2.8.1. Variables de confusión e interacciones
2.8.2. Construcción de un modelo de regresión logística
2.8.3. Análisis de supervivencia
2.8.4. Regresión de Cox
2.8.5. Modelos predictivos. Análisis de curvas ROC

2.9. Técnicas estadísticas de Data Mining con R I

2.9.1. Introducción. Data Mining. Aprendizaje Supervisado y No Supervisado. Modelos Predictivos. Clasificación y Regresión
2.9.2. Análisis descriptivo. Pre-procesamiento de datos
2.9.3. Análisis de Componentes Principales (PCA)
2.9.4. Análisis Clúster. Métodos Jerárquicos. K-Means

2.10. Técnicas estadísticas de Data Mining con R II

2.10.1. Medidas de evaluación de modelos. Medidas de capacidad predictiva. Curvas ROC
2.10.2. Técnicas de evaluación de modelos. Validación cruzada. Muestras Bootstrap
2.10.3. Métodos basados en árboles (CART)
2.10.4. Support Vector Machines (SVM)
2.10.5. Random Forest (RF) y Redes Neuronales (NN)

Módulo 3. Representaciones gráficas de datos en la investigación sanitaria y otros análisis avanzados

3.1. Tipos de gráficos
3.2. Análisis de supervivencia
3.3. Curvas ROC
3.4. Análisis multivariante (tipos de regresión múltiple)
3.5. Modelos binarios de regresión
3.6. Análisis de datos masivos
3.7. Métodos para reducción de dimensionalidad
3.8. Comparación de los métodos: PCA, PPCA and KPCA
3.9. T-SNE (t-Distributed Stochastic Neighbor Embedding)
3.10. UMAP (Uniform Manifold Approximation and Projection)

Ejercicios de autoconocimiento, lecturas complementarias, resúmenes interactivos, vídeos en detalle y más material multimedia te espera al inscribirte en esta Especialización”