Experto Universitario de Inteligencia Artificial para el Sector Biotecnológico

Curso online de analítica de datos y desarrollo de soluciones al servicio del sector biotecnológico.
Actualmente, hay un crecimiento exponencial de datos biológicos que han superado la capacidad humana de análisis y que requieren del desarrollo de algoritmos para poder interpretarlos e implementarlos en el ámbito de la biotecnología.
El curso de Experto Universitario en Inteligencia Artificial para el Sector Biotecnológico engloba los elementos necesarios para llevar a cabo, no solo un análisis minucioso de los datos, sino también el desarrollo de estos algoritmos que permitirán la construcción de soluciones predictivas y prescriptivas.
El objetivo es que los estudiantes sean capaces de desarrollar y aplicar técnicas basadas en inteligencia artificial para analizar procesos biológicos, así como utilizar las herramientas y librerías más comunes para su implementación en el ámbito de la biotecnología. 
A su vez, este curso formará a los alumnos para que sean capaces de aplicar técnicas de bioestadística y algoritmos de análisis de datos biológicos con el fin de evaluar resultados experimentales e introducirlos en modelos basados en aprendizaje automático, que resolverán problemas de interés para el sector biotecnológico. 
Esta formación no solo está orientada a las necesidades de los profesionales del sector de la biotecnología, sino que puede aplicarse a la investigación de diferentes e innovadoras líneas de I+D+i.

Analítica de datos biológicos con Python

• Introducción a la programación en Python.
• Sintaxis y ejecución de scripts.
• Librerías especializadas en datos (Pandas).
• Visualización de datos (Matplotlib y Seaborn).
• Fundamentos de analítica de datos (extracción, tratamiento, carga, modelado y visualización).
• Tratamiento de datos masivos o Big Data.
• Etapas de un proyecto basado en inteligencia artificial.

Bioestadística con R

• Introducción a la programación en R.
• Sintaxis y ejecución de scripts.
• Estadística descriptiva con R (tratamiento de objetos y visualización con ggplot2).
• Distribuciones de probabilidad. Estadística inferencial (contraste de hipótesis, métodos paramétricos y no paramétricos).
• Regresión y correlación.

Algoritmos de datos biológicos

• Algoritmos, definición y clasificación.
• Algoritmos análisis de ADN (alineamiento de secuencias, búsqueda de genes y motivos de unión).
• Modelos estocásticos y cadenas de Markov.
• Algoritmos basados en inferencia bayesiana.

Aprendizaje automático (Machine Learning) en el sector biotecnológico

• Introducción al aprendizaje automático (métodos supervisados y no supervisados, validación y evaluación).
• Minería de datos.
• Técnicas de regresión y árboles de decisión.
• Análisis basado en agrupamientos.
• Análisis basado en grafos.
• Análisis de componentes principales.

Aplicación de la Inteligencia Artificial a Proyectos Biotecnológicos

• Métodos de ensamblado de genomas.
• Métodos de análisis estructural (formación de cadenas secundarias de ARN y plegamiento de proteínas).
• Análisis filogenético y métodos de construcción de árboles filogenéticos (basados en distancias, máxima parsimonia y máxima verosimilitud).