Experto en Inteligencia Artificial para el 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.

Este curso está dirigido a profesionales licenciados o graduados en Biomedicina, Biotecnología, Bioquímica, Veterinaria, Ingeniería Agrónoma y Tecnología de los Alimentos. 

Además, se recomienda contar con nociones básicas de programación, estadística y álgebra lineal.

1. Analítica de datos biológicos con Python
   1. Introducción a la programación en Python.
   2. Sintaxis y ejecución de scripts.
   3. Librerías especializadas en datos (Pandas).
   4. Visualización de datos (Matplotlib y Seaborn).
   5. Fundamentos de analítica de datos (extracción, tratamiento, carga, modelado y visualización).
   6. Tratamiento de datos masivos o Big Data.
   7. Etapas de un proyecto basado en inteligencia artificial.
2. Bioestadística con R
   1. Introducción a la programación en R.
   2. Sintaxis y ejecución de scripts.
   3. Estadística descriptiva con R (tratamiento de objetos y visualización con ggplot2).
   4. Distribuciones de probabilidad. Estadística inferencial (contraste de hipótesis, métodos paramétricos y no paramétricos).
   5. Regresión y correlación.
3. Algoritmos de datos biológicos
   1. Algoritmos, definición y clasificación.
   2. Algoritmos análisis de ADN (alineamiento de secuencias, búsqueda de genes y motivos de unión).
   3. Modelos estocásticos y cadenas de Markov.
   4. Algoritmos basados en inferencia bayesiana.
4. Aprendizaje automático (Machine Learning) en el sector biotecnológico
   1. Introducción al aprendizaje automático (métodos supervisados y no supervisados, validación y evaluación).
   2. Minería de datos.
   3. Técnicas de regresión y árboles de decisión.
   4. Análisis basado en agrupamientos.
   5. Análisis basado en grafos.
   6. Análisis de componentes principales.
5. Aplicación de la Inteligencia Artificial a Proyectos Biotecnológicos
   1. Métodos de ensamblado de genomas.
   2. Métodos de análisis estructural (formación de cadenas secundarias de ARN y plegamiento de proteínas).
   3. Análisis filogenético y métodos de construcción de árboles filogenéticos (basados en distancias, máxima parsimonia y máxima verosimilitud).