Inteligencia Artificial

Proporcionar a los participantes conocimientos y las habilidades necesarias para
utilizar herramientas y técnicas de IA en el campo de la salud, específicamente
enfocados en el análisis de datos, aprendizaje automático y aprendizaje profundo.

Sobre el curso

Objetivos

Adquirir habilidades en el lenguaje de programación Python: Los participantes podrán comprender los fundamentos de Python, incluyendo la sintaxis, estructuras de datos y funciones, lo que les permitirá desarrollar aplicaciones y scripts para el análisis de datos en el ámbito de la salud.
Conocer técnicas de análisis de datos y visualización en Python: Los participantes aprenderán a utilizar bibliotecas populares de Python, como Pandas, NumPy, Seaborn y Matplotlib, para realizar análisis exploratorio de datos, manejar grandes conjuntos de datos clínicos y crear visualizaciones efectivas que ayuden a comprender y comunicar información relevante en el ámbito de la salud.
Aplicar técnicas de aprendizaje automático y aprendizaje profundo en problemas de salud: Los participantes podrán aplicar algoritmos de aprendizaje automático supervisado y no supervisado, así como técnicas de aprendizaje profundo utilizando redes neuronales artificiales, a problemas específicos de salud, como la detección temprana de enfermedades, el diagnóstico de imágenes médicas y los modelos de lenguaje, con el fin de mejorar la precisión y eficiencia en el diagnóstico y tratamiento de los pacientes.

Destinatarios

Profesionales del área de las ciencias de la salud interesados en comprender conceptos fundamentales de la Inteligencia Artificial (IA) y en desarrollar proyectos de IA en el campo de la salud.

Cuerpo docente

Dirección:
Bioing. Lucas Costa.
Coordinación:
Med. Esp. Luciano Battioni.
Equipo docente:
– Med. Esp. Julian Acosta.
– Med. Esp. Maico Bernal.
– Med. Esp. Luciano Battioni.
– Bioing. Lucas Costa.

Contenidos

Descargá el Plan de estudios – Inteligencia Artificial

Sistema de evaluación

Se evaluará cada módulo al finalizar los mismos a través de un trabajo práctico, el cual deberá ser aprobado con nota 75 sobre 100; y mediante cuestionarios de respuesta múltiple online, en los cuales se deberá obtener un mínimo de 70 sobre 100 en cada cuestionario. También es condición necesaria para aprobar el curso una asistencia mínima del 80%.