El objetivo del curso es introducir a los integrantes del equipo de salud que trabajan en áreas asistenciales, administrativas y estadísticas médicos, y aquellos con manejo de datos de los hospitales de la CABA, en conceptos teóricos y tecnológico básicos sobre la IA y el Machine Learning aplicados a la salud Objetivos específicos.

Introducción a la problemática de IA

Las técnicas particulares que aprendamos evolucionan con la industria. Sin embargo, el trabajo de un científico de datos se basa en un grupo de ideas centrales relativamente invariables. Durante esta clase veremos cuáles son esas ideas, de donde provienen, y como se relacionan con los problemas y soluciones más usuales de la industria.

Principios Éticos de IA y Protección de Datos Personales

Los principios éticos de la IA aplicada a Salud. Responsabilidad y rendición de cuentas. Los riesgos del sesgo en los diseños de los conjuntos de datos de entrenamiento.

Las leyes de Protección de Datos Personales. Ciberseguridad.

Modelos de IA aplicado a Salud

Introducción. Conceptos básicos de Aprendizaje Automático e Inteligencia Artificial. Aplicaciones en el Campo de la Salud. Notación y herramientas informáticas

Problemas de Regresión. Introducción. Ejemplos y marco. Introducción a

Modelos de Regresión. Selección de Modelos y “Bias-Variance Tradeoff”. Clasificación

Problemas de Clasificación. Introducción a los problemas de clasificación.

Regresión logística. Regresión logística multivariante. Regresión logística – Muestreo de casos y controles y multiclase. Análisis de discriminante y Bayes

Aprendizaje no supervisado. Componentes principales. Componentes

principales de orden superior. Agrupamiento “k-means”. Agrupamiento Jerárquico.

Validación de modelos. “Cross-validation.” “K-fold Cross-Validation.” CrossValidation: El camino equivocado y correcto.

Métodos basados en árboles. Introducción a métodos basados en árboles. Más

detalles sobre Árboles. Árboles de clasificación. “Bagging” y “Random forests”.

“Boosting”.

Support Vector Machines. Hiperplanos de separación óptima. Clasificador

“Support Vector”.

Introducción a Redes Neuronales. Introducción a las redes neuronales. Redes

neuronales convolucionales. Clasificación de documentos. Redes neuronales recurrentes. Pronóstico de series temporales. Ajuste de redes neuronales.

“Gestión de la Salud Basada en Datos”

Nuevo paradigma de gestión mediante grandes bases de datos en la Gestión de Salud. Fuentes de Datos y potenciales usos. Identificar las bases de datos relacionadas con la población y la salud. Comprender los conceptos básicos de bases de datos y sus características. Estructura, Consultas y Operaciones básicas. Herramientas para gestión de Datos.

“Preparación de Datos para Modelización aplicado a Salud”

Introducción a las Bases de Datos. Relacionales. Herramientas de administración y consulta. Cómo se diseña una BD; cómo se consulta; cómo y quién mantiene una BD. Brevísima introducción a las Bases de Datos No Relacionales. Ejemplos de Gestión Hospitalaria y soporte al Diagnóstico.

La preparación de los datos en casos reales. Tratamiento de “missing values”, transformación de los datos, creación de nuevos features.

Jornada Integradora.

En esta jornada se trabajará sobre un modelo real de datos, mostrando el proceso completo desde la definición del problema, la preparación de los datos, selección de features, modelos y medidas de performance, aplicación de validación cruzada, ensambles y grilla para selección de parámetros. Puesta en producción del modelo.

Evaluación Final

Arancel del curso completo:

Residentes y concurrentes socios:

$18.000 (a pagar en 3 cuotas de 6000)

Médicos socios:

$24.000 (a pagar en 3 cuotas de 8000)

NO socios:

$30.000 (a pagar en 3 cuotas de 10000)

Los medios de pago son: tarjeta de débito y tarjeta de crédito por MercadoPago.