Información General del Programa
*Para activar descuento comunicarse al +569 9489 9728*
ESTRUCTURA DEL PROGRAMA
El Diploma tiene una duración de 120 horas cronológicas dividido en cinco módulos:
Introducción a la ciencia de datos.
Este módulo proporciona una comprensión básica de la ciencia de datos, explorando sus fundamentos, el ciclo de vida de los proyectos de ciencia de datos y la importancia de la estadística. También se abordan cuestiones éticas, de privacidad y seguridad, preparando a los estudiantes para manejar datos de manera responsable y eficaz.
Fundamentos de Programación con Python.
Durante el desarrollo de este módulo, los estudiantes aprenderán los conceptos básicos de programación utilizando Python. Se explorarán estructuras de datos, bibliotecas clave para el procesamiento de datos y herramientas para entornos de desarrollo, facilitando la implementación de soluciones de machine learning.
Procesamiento y Visualización de Datos
A través de este módulo, los estudiantes aprenderán a manejar y visualizar datos, centrándose en las fuentes y tipos de datos en salud. Se introduce el uso de herramientas para la recolección, etiquetado y preprocesamiento de datos, así como técnicas de visualización que permiten la identificación de patrones y tendencias significativas.
Fundamentos de Machine Learning
Este módulo permite a los estudiantes conocer los conceptos claves del machine learning, explorando diferentes tipos de aprendizaje y sus aplicaciones en el campo de la salud. El módulo incluye programación de modelos básicos, así como técnicas de entrenamiento, evaluación y validación para garantizar modelos efectivos y precisos.
Proyecto de Integración de ML en Ciencias de la Salud
Este módulo es de carácter práctico. Permite a los estudiantes aplicar sus conocimientos en un proyecto real, desarrollando soluciones de machine learning para problemas en el sector de la salud. Luego del desarrollo de este proyecto de integración los estudiantes estarán preparados para implementar estas tecnologías en entornos profesionales.
Objetivo General del Programa
Desarrollar una sólida comprensión de los fundamentos de la ciencia de datos y sus aplicaciones en el ámbito de la salud, adquiriendo las habilidades necesarias para recopilar, procesar, analizar y visualizar datos médicos de manera efectiva. A través de la aplicación de técnicas de Machine Learning, el estudiante podrá construir y evaluar modelos predictivos que permitan identificar patrones, tendencias y anomalías relevantes en datos de salud, con el fin de contribuir a la toma de decisiones informadas y a la mejora de los servicios de salud.
A quién va Dirigido
El Diplomado en Inteligencia Artificial para las Ciencias de la Salud está dirigido a una amplia gama de profesionales del sector salud que buscan adquirir conocimientos y habilidades en ciencia de datos y Machine Learning (ML) aplicados a su campo. Los principales destinatarios del programa son:
Médicos y Especialistas Clínicos: Profesionales que desean integrar técnicas avanzadas de IA y ML en la práctica clínica para mejorar la toma de decisiones, el diagnóstico y el tratamiento de los pacientes.
Gestores y Administradores de Salud: Directores de hospitales, clínicas y centros de salud interesados en optimizar los procesos administrativos y la gestión de recursos mediante el uso de ciencia de datos y análisis predictivo.
Investigadores y Científicos de Datos en Salud: Académicos y profesionales dedicados a la investigación en ciencias de la salud que buscan aplicar métodos de IA y ML para analizar grandes conjuntos de datos y extraer conocimientos valiosos que puedan influir en la política y la práctica médica.
Enfermeros y Otros Profesionales de Atención Primaria: Personal de enfermería y otros proveedores de atención primaria que desean utilizar datos y tecnologías avanzadas para mejorar la atención al paciente y los resultados de salud.
Estudiantes de Posgrado en Ciencias de la Salud: Estudiantes avanzados en programas de maestría o doctorado en áreas relacionadas con la salud que desean complementar su formación académica con habilidades prácticas en ciencia de datos y ML.
Tecnólogos Médicos y Profesionales de TI en Salud: Personal técnico y de TI que trabaja en el sector salud y que busca comprender mejor cómo aplicar la IA y ML para apoyar a los equipos clínicos y mejorar los sistemas de información sanitaria.
Consultores y Asesores en Salud: Profesionales que ofrecen servicios de consultoría y asesoría en el sector salud y que buscan adquirir conocimientos en IA y ML para proporcionar soluciones innovadoras a sus clientes.
Este diplomado proporciona una formación integral que abarca desde los fundamentos de la ciencia de datos y la programación en Python hasta la implementación práctica de proyectos de ML en entornos de salud, preparando a los participantes para aprovechar al máximo el potencial de estas tecnologías en sus respectivas áreas profesionales.
Directores del programa
Cristian Lara Valenzuela
La transformación digital en el sector salud ha introducido nuevas oportunidades y desafíos. La capacidad de analizar grandes volúmenes de datos y aplicar técnicas avanzadas de Machine Learning (ML) se ha convertido en una competencia crucial para los profesionales de la salud. La inteligencia artificial (IA) no solo promete revolucionar la práctica clínica y la administración de servicios de salud, sino que también ofrece herramientas poderosas para mejorar la toma de decisiones, optimizar recursos y personalizar la atención al paciente.
El Diplomado en Inteligencia Artificial para las Ciencias de la Salud está diseñado para capacitar a médicos, gestores, investigadores, enfermeros, tecnólogos médicos, profesionales de TI en salud, estudiantes de posgrado, y consultores, brindándoles las herramientas necesarias para enfrentar los desafíos del siglo XXI. Al adquirir habilidades en ciencia de datos y ML, los participantes estarán preparados para implementar soluciones innovadoras que transformen sus prácticas y contribuyan a la mejora continua del sector salud.
Fundamentos de Programación con Python [36 horas]
Procesamiento y Visualización de Datos [24 horas]
Fundamentos de Machine Learning [24 horas]
Proyecto de Integración de ML en Ciencias de la Salud [24 horas]
Rhoddy Viveros Muñoz
Ingeniero Civil Eléctrico, Dr. en ingeniería de la RWTH Aachen University. Especialista en realidad virtual acústica e inteligencia artificial. Ha realizado estudios de postdoctorado en la Universidad de Cardiff, Reino Unido y en la Universidad Austral de Chile, aplicando aprendizaje de máquina a soluciones de ámbito audiológico. Sus áreas de investigación consideran la inteligencia artificial, el aprendizaje profundo, la percepción de habla en ruido, la cognición auditiva, la modelización acústica y los mecanismos cerebrales de la percepción del habla. Actualmente se desempeña como Académico de la Universidad Técnica Federico Santa María, sede Concepción, siendo parte del claustro de profesores del programa de doctorado en Inteligencia Artificial de la región del Biobío.
Javier Maldonado Carmona
Ingeniero en Informática de la Universidad Nacional Experimental del Táchira (UNET), Venezuela en 2005. Magister en Ciencias de la Computación de la Universidad de los Andes (ULA), en Mérida, Venezuela en 2012. Doctor en Ingeniería Informática USM 2023. Experiencia cerca de 20 años en administración de sistemas y redes de computadores. Profesor en distintas áreas de ciencias de la computación desde el 2006. Áreas de especialidad: Sistemas operativos, redes de computadores, infraestructura de servicios TI, seguridad informática, computación evolutiva y machine learning.
Diego Espejo Alquinta
Ingeniero Civil Acústico de la Universidad Austral de Chile y MSc. en Informática en la misma institución. Ha participado en proyectos de investigación FONDECYT y FONDEF vinculados a desarrollos en redes neuronales artificiales en la preservación del paisaje sonoro, clasificación de fuentes sonoras ambientales y la estimación de magnitud y distancia de sismos. Investigador asociado de proyecto FOVI en la caracterización de tejidos para cirugías mínimamente invasivas a través de señales vibroacústicas. A su vez, ha colaborado en actividades de docencia en asignaturas de Procesamiento Digital de Señales, Acústica Computacional, Musisonología y Análisis de Vibraciones para la carrera de Ingeniería Civil Acústica. En la actualidad, se desempeña como Ingeniero de Investigación en el Laboratorio de Minería de Audios y Datos (AuMiLab) de la Universidad Austral de Chile. Sus áreas de especialización incluyen el procesamiento digital de señales, ciencia de datos, Machine Learning y, en particular, el Audio Machine Learning.
José Luis Carrasco Sáez
Investigador, académico, emprendedor y divulgador científico. Doctor en Educación, Magister en Informática Educativa y Gestión del Conocimiento e Ingeniero Civil en Informática. Participante como revisor de artículos para la Revista Internacional de Tecnología, Conocimiento y Sociedad. Experiencia en docencia de pregrado y postgrado, jefatura de carreras, liderazgo de equipos multidisciplinarios, procesos de acreditación, gestión de carreras, proyectos de inversión público-privados, innovación curricular, gestión de la innovación y desarrollo de ecosistemas emprendedores para entornos vulnerables.
* La Universidad se reserva el derecho de reemplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa.
