Análisis de Datos en Salud

Desarrollarás competencias en el marco del análisis de datos, el cual brinda los conceptos clave, herramientas y técnicas para la preparación y exploración inicial y visualización de datos utilizando software que permita el análisis estadístico de los datos.  Se identificarán los tipos de variables, las escalas de medición de las mismas, el cálculo, la interpretación estadística descriptiva de acuerdo con el tipo de variable y el uso adecuado de gráficos en el análisis exploratorio y en la visualización de datos.

Conoce las unidades de aprendizaje:

• Estadística descriptiva e inferencial
  • Introducción al análisis de datos.
  • Análisis descriptivo de variables categóricas.
  • Análisis descriptivo de variables cuantitativas.

• Aplicaciones en RStudio
  
  • Introducción a la inferencia estadística.
  • Inferencia con dos variables categóricas.
  • Inferencia con una variable cuantitativa y una categórica.

Desarrollarás competencias en el marco del procesamiento y análisis de datos. Se abordarán los conceptos de análisis, ciencia de  datos y técnicas en minería de datos para facilitar la toma de decisiones en salud.

Conoce las unidades de aprendizaje:

• Definición de técnicas de minería de datos
  • Técnicas de agrupamiento de minería de datos.
  • Técnicas numéricas de clasificación.

• Aplicaciones de Técnicas en minería de datos
  
  • Aplicación de técnicas de agrupamiento.
  • Aplicación de técnicas de clasificación.
    
  
  

Desarrollarás competencias de análisis de datos en el marco del modelo SIR (susceptible, infectado, recuperado), el cual es fundamental para el monitoreo de epidemias y para fortalecer la capacidad predictiva.

Conoce las unidades de aprendizaje:

• Bases algorítmicas
  • Modelos matemáticos en enfermedades infecciosas.
  • Fortalezas y limitaciones de los modelos matemáticos en epidemias.
  • Modelado matemático en las tomas de decisiones en salud.
    

• Toma de decisiones y herramientas computacionales
  • Implementación del modelo SIR.
  • Más allá del modelo SIR en el modelado de COVID-19.
  • El factor humano y social y su impacto en los modelos matemáticos de enfermedades infecciosas.
  
  

Desarrollarás competencias en el marco del aprendizaje computacional (machine learning) aplicado a la salud, planteando el uso de algoritmos que aprenden que servirán para identificar patrones y lógicas de un sistema de datos.

Conoce las unidades de aprendizaje:

• Árbol de decisión de datos numéricos, imágenes y texto
  
  • Historia de la inteligencia artificial.
  • Entendiendo los distintos términos y “familias” de algoritmos.
    
  • Límites e implicaciones éticas de aprendizaje automatizado en salud.
    

• Aplicaciones de machine learning en salud
  
  • Ejemplos del aprendizaje automatizado en salud.
    
  • Racismo y sesgo social en el aprendizaje automático.
    
  • El camino hacia la ética algorítmica y de datos.