Ir a cuerpo Ir a Estudios, Gobernanza y organización
Logo UA
Realizar búsqueda
Guías docentes
 

33628 - ANÁLISIS DE DATOS CLÍNICOS I (2017-18)

Datos generales  

Código: 33628
Profesor/a responsable:
RICO JUAN, JUAN RAMON
Crdts. ECTS: 6,00
Créditos teóricos: 1,20
Créditos prácticos: 1,20
Carga no presencial: 3,60

Departamentos con docencia

Estudios en los que se imparte



Competencias y objetivos

Contexto de la asignatura para el curso 2017-18

Esta asignatura está relacionada con el área de análisis de datos en general y aborda cuáles son sus objetivos y beneficios, y cuáles son las problemáticas más comunes para la extracción de información de datos clínicos, algoritmos para la selección de instancias o atributos y los métodos más usuales para predicción de valores.
En el siguiente curso con Análisis de Datos Clínicos II se profundizará más en conceptos y aplicaciones relacionadas con esta área.

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales)

Competencias Generales del Título (CG)

  • CG3 : Diseñar, desarrollar y evaluar procedimientos de análisis en el ámbito de la salud.

 

Competencias específicas (CE)

  • CE18 : Conocer y saber aplicar técnicas estadísticas y de minería de datos para analizar información de salud.
  • CE4 : Conocer y desarrollar sistemas de ayuda a la decisión en el ámbito de la ingeniería biomédica.
  • CE8 : Comprender que los datos biomédicos pueden ser medidos, comparados, agrupados y saber presentarlos de la mejor manera posible dependiendo del propósito que se persiga en el ámbito de la ingeniería biomédica.

 

Competencias Transversales Básicas de la UA

  • CT1 : Adquirir capacidades informáticas e informacionales.
  • CT2 : Ser capaz de comunicarse correctamente tanto de forma oral como escrita.
  • CT3 : Adquirir capacidad de análisis y síntesis.
  • CT4 : Adquirir capacidad de organización y planificación.

 

Competencia exclusiva de la asignatura

Sin datos

Resultados de aprendizaje (Objetivos formativos)

  • Explorar las metodologías asociadas a la extracción de conocimiento a partir de los datos.
  • Conocer los fundamentos teóricos y prácticos de minería de datos.
  • Explorar aplicaciones de diagnóstico, pronósticos, exploración y visualización de datos del ámbito clínico y de salud.
  • Conocer y saber aplicar herramientas de software para minería de datos.

Objetivos específicos indicados por el profesorado para el curso 2017-18

  • Conocer cuáles son las ventajas de aplicar técnicas de análisis de datos.
  • Conocer los conceptos básicos relacionados con el análisis de datos. 
  • Conocer los principales problemas relacionados la extracción de información y cómo abordarlos.
  • Conocer algunos modelos de aprendizaje automático orientados a la selección de instancias o atributos y la predicción de valores (clasificación o regresión) para la ayuda a un diagnóstico.
  • Uso práctico de algún sistema de ayuda al análisis, selección, visualización y predicción de datos.

Contenidos y bibliografía

Contenidos para el curso 2017-18

PARTE I. Introducción

  • Cap 1. Introducción al análisis de datos
  • Cap 2. El proceso de Extracción de Conocimiento

PARTE II.Preparación de datos

  • Cap 3. Recopilación. Almacenes de datos
  • Cap 4. Limpieza y Transformación de datos

PARTE III. Técnicas de aprendizaje automático

  • Cap 6. El problema de la extracción de patrones
  • Cap 7. Métodos estadísticos
  • Cap 8. Reglas de asociación y dependencias
  • Cap 9. Métodos basados en casos, en densidad o distancia
  • Cap 10. Métodos bayesianos
  • Cap 11. Árboles de decisión y sistemas de aprendizaje de Reglas
  • Cap 12. Métodos relacionales y otros métodos declarativos
  • Cap 13. Redes neuronales artificiales
  • Cap 14. Métodos basados en núcleo y máquinas de soporte vectorial
  • Cap 15. Métodos estocásticos

PARTE IV. Evaluación, difusión y uso de modelos

  • Cap 16. Técnicas de evaluación
  • Cap 17. Combinación de modelos
  • Cap 18. Interpretación, difusión y uso de modelos

PARTE V. Datos complejos

  • Cap 19. Datos, secuenciales, temporales y multimedia
  • Cap 20. Text Mining, Web mining y XML mining

 

 

Enlaces relacionados

https://sites.google.com/view/adci-ua/
Web principal de la asignatua
https://en.wikipedia.org/wiki/Big_data
Big data definition
https://en.wikipedia.org/wiki/Data_mining
Data mining defintion
https://en.wikipedia.org/wiki/Machine_learning
Machine Learning definition
https://en.wikipedia.org/wiki/Data_science
Data science definition
https://en.wikipedia.org/wiki/Deep_learning
Deep Learning definition

 

Bibliografía

Introducción a la minería de datos
Autor(es): Hernández Orallo, José ; Ramírez Quintana, Mª José
Edición: Madrid : Pearson Prentice Hall, 2004;
ISBN: 978-84-205-4091-7
Categoría: Básico

Data mining : practical machine learning tools and techniques
Autor(es): Witten, Ian H.
Edición: Amsterdam : Elsevier, 2017;
ISBN: 0-12-804357-1 (libro e.)
Categoría: Básico

Aprendizaje automático: conceptos básicos y avanzados, aspectos prácticos utilizando el software Weka
Autor(es): Sierra Araujo, Basilio
Edición: Madrid : Pearson Prentice Hall, 2006;
ISBN: 848322381X
Categoría: Básico

Evaluación

Instrumentos y criterios de evaluación 2017-18

La nota de la evaluación se dividirá a partes iguales entre las clases de teoría y las clases de prácticas. La evaluación atenderá a la entrega de diferentes actividades en las fechas establecidas y al seguimiento de la asignatura.

Nota: En las evaluaciones extraordinarias habrá un examen teórico (50%) basado en el contenido teórico de la asignatura y una actividad práctica con ordenador (50%) basada en las prácticas de la asignatura. La nota final se obtendrá de la suma de ambas.

Descripción Criterio Tipo Ponderación
Prácticas
  • Seguimiento de prácticas (30%)
  • Análisis de un conjunto de datos (20%)
 ACTIVIDADES DE EVALUACIÓN DURANTE EL SEMESTRE 50
Teoría
  • Preparación y presentación de una unidad docente (20%)
  • Seguimiento de la asignatura (10%)
  • Examen final (20%)
 ACTIVIDADES DE EVALUACIÓN DURANTE EL SEMESTRE 50

 

Fechas de pruebas de evaluación oficiales para el curso 2017-18

Convocatoria Fecha Hora Grupo - Aula(s) asignada(s) Observaciones
(C3) Periodo ordinario para asignaturas de segundo semestre y anuales 07/06/2018 Aula con ordenadores
(C4) Pruebas extraordinarias para asignaturas de grado y máster 06/07/2018 Aula con ordenadores

 

 



Profesorado

RICO JUAN, JUAN RAMON
Profesor/a responsable

  • CLASE TEÓRICA: Grupos:
    • 1
  • PRÁCTICAS CON ORDENADOR: Grupos:
    • 1

 

Grupos

CLASE TEÓRICA

Grupo Semestre Turno Idioma Matriculados
Gr. 1 (CLASE TEÓRICA) : 1 2S Mañana CAS 28


PRÁCTICAS CON ORDENADOR

Grupo Semestre Turno Idioma Matriculados
Gr. 1 (PRÁCTICAS CON ORDENADOR) : 1 2S Mañana CAS 28




Horarios

CLASE TEÓRICA

Grupo Fecha inicio Fecha fin Día Hora inicio Hora fin Aula
1 29/01/2018 23/05/2018 JUE 09:00 11:00 0016P2001  

PRÁCTICAS CON ORDENADOR

Grupo Fecha inicio Fecha fin Día Hora inicio Hora fin Aula
1 29/01/2018 23/05/2018 JUE 11:30 13:30 0016P2001