Esta especialización 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 Experto universitario en Uso de Linux y Programación con Lenguaje R para Oncología”

El Experto universitario en Uso de Linux y Programación con Lenguaje R para Oncología contiene el programa científico más completo y actualizado del mercado. Las características más destacadas del curso son:

• Desarrollo de casos prácticos presentados por expertos en uso de linux y programación con lenguaje R para oncología. Sus contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Novedades sobre uso de linux y programación con lenguaje R para oncología
• Contiene ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Con especial hincapié en metodologías innovadoras en uso de linux y programación con lenguaje R para oncología
• 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

Este Experto universitario 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 Uso de Linux y Programación con Lenguaje R para Oncología, obtendrás un título por la mayor Universidad Digital del mundo, TECH”

Incluye en su cuadro docente profesionales pertenecientes al ámbito del  uso de linux y programación con lenguaje R para oncología, que vierten en esta especialización 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, este Experto permitirá 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 curso. Para ello, el estudiante contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos en el campo del uso de linux y programación con lenguaje R para oncología y con gran experiencia docente

Aumenta tu seguridad en la toma de decisiones actualizando tus conocimientos a través de este Experto universitario”

Aprovecha la oportunidad para conocer los últimos avances en Uso de Linux y Programación con Lenguaje R para Oncología 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 de la actualidad de la especialización para poder intervenir en la especialización y acompañamiento de los alumnos, y comprometidos con la enseñanza de calidad mediante las nuevas tecnologías educativas.

El Experto universitario en Uso de Linux y Programación con Lenguaje R para Oncología, contiene el programa científico más completo y actualizado del mercado”

Módulo 1. Empleo de unix y linux en bioinformática

1.1. Introducción al sistema operativo Linux

1.1.1. ¿Qué es un sistema operativo?
1.1.2. Los beneficios de usar Linux 

1.2. Entorno Linux e Instalación

1.2.1. Distribuciones de Linux?
1.2.2. Instalación de Linux usando una memoria USB
1.2.3. Instalación de Linux utilizando CD-ROM
1.2.4. Instalación de Linux usando una máquina virtual

1.3. La línea de comandos

1.3.1. Introducción
1.3.2. ¿Qué es una línea de comandos?
1.3.3. Trabajar en el terminal
1.3.4. El Shell, Bash

1.4. Navegación básica

1.4.1. Introducción
1.4.2. ¿Cómo conocer la localización actual?
1.4.3. Rutas absolutas y relativas
1.4.4. ¿Cómo movernos en el sistema?

1.5. Manipulación de archivos

1.5.1. Introducción
1.5.2. ¿Cómo construir un directorio?
1.5.3. ¿Cómo mover a un directorio?
1.5.4. ¿Cómo crear un archivo vacio?
1.5.5. Copiar un archivo y directorio
1.5.6. Eliminar un archivo y directorio

1.6. Editor de textos VI

1.6.1. Introducción
1.6.2. ¿Cómo grabar y salir?
1.6.3. ¿Cómo navegar por un archivo en el editor de texto vi?
1.6.4. Borrando el contenido
1.6.5. El comando deshacer

1.7. Comodines

1.7.1. Introducción
1.7.2. ¿Qué son los comodines?
1.7.3. Ejemplos con comodines

1.8. Permisos

1.8.1. Introducción
1.8.2. ¿Cómo ver los permisos de un archivo?
1.8.3. ¿Cómo cambiar los permisos?
1.8.4. Configuración de los permisos
1.8.5. Permisos para directorios
1.8.6. El usuario “Root”

1.9. Filtros.

1.9.1. Introducción
1.9.2. Head
1.9.3. Tail
1.9.4. Sort
1.9.5. nl
1.9.6.  wc
1.9.7. Cut
1.9.8. Sed
1.9.9. Uniq
1.9.10. Tac
1.9.11. Otros filtros

1.10. Grep y expresiones regulares

1.10.1. Introducción
1.10.2. eGrep
1.10.3. Expresiones regulares
1.10.4. Algunos ejemplos

1.11. Pipelines y redirección.

1.11.1. Introducción
1.11.2. Redirección a un archivo
1.11.3. Grabar a un archivo
1.11.4. Redirección desde un archivo
1.11.5. Redirección STDERR
1.11.6. Pipelines

1.12. Manejo de procesos

1.12.1. Introducción
1.12.2. Procesos activos
1.12.3. Cerrar un proceso corrupto
1.12.4. Trabajos de primer plano y de fondo

1.13. Bash

1.13.1. Introducción
1.13.2. Puntos importantes
1.13.3. ¿Por qué el ./ ?
1.13.4. Variables
1.13.5. Las declaraciones

Módulo 2. Análisis de datos en proyectos de Big Data: Lenguaje de Programación R

2.1. Introducción al lenguaje de Programación R

2.1.1. ¿Qué es R?
2.1.2. Instalación de R y el interfaz gráfico de R
2.1.3. Paquetes

 2.1.3.1. Paquetes estándar
 2.1.3.2. Paquetes aportados y CRAN

2.2. Características básicas de R

2.2.1. El entorno R
2.2.2. Software y documentación relacionados
2.2.3. R y estadísticas
2.2.4. R y el sistema de ventanas
2.2.5. Usando R interactivamente
2.2.6. Una sesión introductoria
2.2.7. Obtención de ayuda con funciones y características
2.2.8. Comandos R, sensibilidad a mayúsculas, etc
2.2.9. Recuperación y corrección de comandos anteriores
2.2.10. Ejecutar comandos o desviar la salida a un archivo
2.2.11. Permanencia de datos y eliminación de objetos

2.3. Tipos de objetos de R

2.3.1. Manipulaciones simples; números y vectores

2.3.1.1. Vectores y asignación
2.3.1.2. Aritmética de vectores
2.3.1.3. Generando secuencias regulares
2.3.1.4. Vectores lógicos
2.3.1.5. Valores perdidos
2.3.1.6. Vectores de caracteres
2.3.1.7. Vectores de índice

2.3.1.7.1. Selección y modificación de subconjuntos de un conjunto de datos

2.3.1.8. Otros tipos de objetos

2.3.2. Objetos, sus modos y atributos

2.3.2.1. Atributos intrínsecos: modo y longitud
2.3.2.2. Cambiar la longitud de un objeto
2.3.2.3. Obtención y configuración de atributos
2.3.2.4. La clase de un objeto

2.3.3. Factores ordenados y desordenados.

2.3.3.1. Un ejemplo específico
2.3.3.2. La función tapply () y matrices desiguales
2.3.3.3. Factores ordenados

2.3.4. Matrices

2.3.4.1. Matrices
2.3.4.2. Indización de matrices. Subsecciones de una matriz
2.3.4.3. Matrices de índice
2.3.4.4. La función array ()
2.3.4.5. Aritmética mixta de vectores y matrices. La regla de reciclaje
2.3.4.6. El producto exterior de dos matrices
2.3.4.7. Transposición generalizada de una matriz
2.3.4.8. Multiplicación de matrices
2.3.4.9. Valores propios y vectores propios
2.3.4.10. Descomposición de valores singulares y determinantes
2.3.4.11. Formando matrices particionadas, cbind () y rbind ()
2.3.4.12. La función de concatenación, c (), con matrices

2.3.5. Tablas de frecuencia de factores
2.3.6. Listas

2.3.6.1. Construyendo y modificando listas
2.3.6.2. Listas de concatenación

2.3.7. Dataframes.

2.3.7.1. ¿Cómo crear DataFrames?
2.3.7.2. Adjuntar () y separar ()
2.3.7.3. Trabajando con Dataframes

2.4. Lectura y escritura de datos.

2.4.1. La función read.table ()
2.4.2. La función scan ()
2.4.3. Acceso a los conjuntos de datos incorporados
2.4.4. Cargando datos de otros paquetes R
2.4.5. Edición de datos

2.5. Agrupación, bucles y ejecución condicional

2.5.1. Expresiones agrupadas
2.5.2. Declaraciones de control

2.5.2.1. Ejecución condicional: sentencias if
2.5.2.2. Ejecución repetitiva: para bucles, repetición y tiempo

2.6. Escribiendo tus propias funciones.

2.6.1. Ejemplos simples
2.6.2. Definiendo nuevos operadores binarios
2.6.3. Argumentos con nombre y valores por defecto
2.6.4. El argumento “...”
2.6.5. Asignaciones dentro de funciones

Módulo 3. Análisis estadístico en R

3.1. Distribuciones de probabilidad discretas
3.2. Distribuciones de probabiidad contínuas
3.3. Introducción a la inferencia y muestreo (estimación puntual)
3.4. Intervalos de confianza
3.5. Contrastes de hipótesis
3.6. ANOVA de un factor
3.7. Bondad de ajuste (test de chi cuadrado)
3.8. Paquete Fitdist
3.9. Introducción a estadística multivariante

Módulo 4. Entorno gráfico en R

4.1. Procedimientos gráficos

4.1.1. Comandos de trazado de alto nivel

4.1.1.1. La función plot ()
4.1.1.2. Visualización de datos multivariados
4.1.1.3. Gráficos de pantalla
4.1.1.4. Argumentos a funciones de trazado de alto nivel

4.1.2. Comandos de trazado de bajo nivel

4.1.2.1. Anotación matemática
4.1.2.2. Fuentes vectoriales hershey

4.1.3. Interactuando con gráficos
4.1.4. Uso de parámetros gráficos

4.1.4.1. Cambios permanentes: la función par ()
4.1.4.2. Cambios temporales: argumentos a funciones gráficas

4.1.5. Lista de parámetros gráficos

4.1.5.1. Elementos gráficos
4.1.5.2. Ejes y marcas
4.1.5.3. Márgenes de la figura
4.1.5.4. Entorno de figuras múltiples

4.1.6. Estadística descriptiva: representaciones gráficas

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