Máster de Formación Permanente en Inteligencia artificial para profesionales del sector salud y Silver Economy

Objetivos

El análisis de datos masivo, combinada con las aplicaciones del Big Data y la Inteligencia Artificial han transformado la forma en la que adquirimos, analizamos y utilizamos los datos en cualquier industria.  Pero podríamos decir que se está convirtiendo en esencial y estratégico para el sector salud, así como el entorno sociosanitario que se está creando como consecuencia del envejecimiento de la población.  

Estás tecnologías y técnicas avanzadas de análisis de datos tienen el potencial de reducir costes tanto de gestión, como de tratamientos sanitarios; prevenir la afluencia de pacientes; mejorar la experiencia y la independencia de los pacientes y sus familiares gracias al procesamiento de la información recogida a través de wearables; realizar diagnósticos automatizados y preventivos por imágenes. En definitiva, pueden beneficiar de una manera sustancial a todas las partes involucradas en el sector sociosanitario en general, y en particular al creado como consecuencia de los cambios demográficos que se están dando en nuestra sociedad, creando un sector llamado “Silver Economy”.

Pero la enorme cantidad de datos generados son demasiado complejos y tienen una dimensión demasiado grande como para ser analizados por métodos tradicionales. Las técnicas avanzadas de análisis de datos que la inteligencia artificial aporta nos permiten recopilar, almacenar, analizar y convertir estos datos en útiles para la toma de decisiones, siempre de una forma ética, legal y segura.

El objetivo es que los profesionales se capaciten para analizar las necesidades de información que se plantean en el entorno de la Salud y el envejecimiento y sean capaces de diseñar y gestionar un proyecto de datos para mejorar el conocimiento y la toma de decisiones de una forma segura, legal y ética.

Objetivos específicos:

• Formar a los profesionales en bases de datos y técnicas de Business Intelligence con herramientas actuales como SQL o Microsoft Power BI.
• Dar a los profesionales la base de estadística, algebra y programación (Python) necesaria para realizar análisis de datos avanzado.
• Adquirir el conocimiento específico para identificar necesidades de información en entornos sociosanitarios generales y específicos de la Silver Economy y desarrollar una solución basada en datos que mejore el conocimiento y la toma de decisiones.
• Adquirir conocimientos avanzados en la adquisición, almacenamiento, procesamiento y visualización de datos con técnicas de machine learning, deep learning, Big Data y el Internet de las Cosas (IoT)
• Adquirir conocimientos en las áreas de seguridad, privacidad y legalidad en el uso de datos sociosanitarios.
• Capacitar para desarrollar un proyecto data-driven que dé respuesta a las necesidades actuales del entorno socio-sanitario y/o de la Silver Economy.

En el marco de la estrategia de la Diputación Foral de Bizkaia para la Silver Economy y del Nagusi Intelligence Center, Mondragon Goi Eskola Politeknikoa ha puesto en marcha este nuevo curso Máster dirigido a profesionales. El curso es la respuesta a la cada vez mayor demanda de científicos y analistas de datos que ayuden a crear, analizar y visualizar los relacionados con la Silver Economy.

Dirigido a

Este curso Máster está dirigido a todos aquellos profesionales de ciencias de la salud y ciencias tecnológicas interesados en adquirir perfil de analista de datos, con especial hincapié en el análisis de datos provenientes del sector sociosanitario.

Dirigido a profesionales diplomados/as o graduados/as en:

Programa

M1: Introducción a la Inteligencia artificial en la salud y en el envejecimiento

• M1.1 Introducción a los entornos de Salud y Silver Economy
• M1.2  Aplicaciones de la Inteligencia Artificial en sector salud y Silver 
• M1.3 Interpretación de datos: bases de estadística y matemáticas
• M1.4 Fundamentos de la analítica de datos
• M1.5 Fundamentos a la ciencia de datos
• M1.6 Entornos del Big Data y Cloud
• M1.7 Seguridad, legalidad y ética en el uso de datos sociosanitarios
• M1.8 Proyecto de grupo

M2 Business Intelligence

• M2.1 Introducción al BI
• M2.2 Orígenes de datos y ETL
• M2.3 Bases de datos Dimensionales (DW, DM)
• M2.4 Bases de datos Multidimensionales (OLAP)
• M2.5 Explotación de los datos

M3 Ciencia de datos

• M3.0 Introducción a la ciencia de datos, casos de uso y conceptos
• M3.1 Fundamentos para el análisis de datos
  • M3.1.1 Bases de programación (Python 3)

• M3.2 Preparación de los datos
  • M3.2.1 Ingesta de datos
  • M3.2.2 Introducción al análisis
  • M3.2.3 Preprocesado
  • M3.2.4 Selección de atributos / características

• M3.3 Análisis y validación
  • M3.3.1 Machine Learning: Supervisado: clasificación y regresión / No supervisado: Clustering / Survival Analysis
  • M3.3.2 Deep Learning: MLP / RNR / CNN

• M3.4 Visualización de datos
  • M3.5.1 Introducción a la analítica visual de datos
  • M3.5.2 Frameworks y librerías de analítica visual
  • M3.5.3 Evaluación de herramientas de analítica visual

M4 Metodologías ágiles de gestión de proyectos

• M4.1   Gestión clásica de proyectos
• M4.2   Prácticas ágiles de gestión de proyectos (Scrum, Kanban)
• M4.3   Proyecto grupal

M5 Entorno Big Data y Cloud

• M5.1   Introducción a Big Data
  • M51.1 Introducción al paradigma Big Data
  • M5.1.2 Arquitecturas Big Data: Modelos de almacenamiento / Modelos de procesamiento / Modelos de ingesta
  • M5.1.3 Explicación Caso de uso del M5 (Practica)

• M5.2   Gestión de infraestructuras de Big Data (Elasticstack + influxDB)
  • M5.2.1 Ingesta
  • M5.2.2 Almacenamiento: Indexación y consultas
  • M5.2.3 Visualización: Kibana/Chronograf

• M5.3   Procesamiento distribuido y paralelo: Hadoop / Spark / SparkML / Spark streaming (Kafka)
• M5.4    Gestión de contenedores y despliegue en la nube: Docker / AWS

M6 Adquisición de datos e IOT en entornos sociosanitarios

• M6.1  Introducción a IoT: Desde el dispositivo hasta la nube
• M6.2  Monitorización y sensores en Smart Homes
• M6.3  Sistemas de comunicaciones IoT

M7 Seguridad y legalidad en el uso de datos sociosanitarios

• M7.1   Legislación en protección de datos personales
• M7.2   Análisis de riesgos en los tratamientos de datos
• M7.3   Mecanismos de protección de datos

M8 Proyecto Fin de Máster

• M8.1   Realización de un proyecto que dé respuesta a las preguntas planteadas por profesionales en entornos socio-sanitarios  y de Silver Economy, utilizando las tecnologías y técnicas de Inteligencia Artificial y análisis de datos en bases de datos filtrados y anonimizados. Con la tutorización de expertos.

Herramientas:

Metodología

En el desarrollo del programa se utilizará como criterio general la ENSEÑANZA ACTIVA basada en un proceso participativo con un seguimiento y control académico y técnico que asegure el máximo aprovechamiento de los contenidos y actividades por parte de los participantes. El proceso de enseñanza-aprendizaje se basará en los siguientes conceptos metodológicos:

• Exposición de planteamiento y conceptos teóricos.
• Realización, de casos prácticos y ejercicios.
• Realización de proyectos grupales para algunos de los módulos.
• Aplicación en el contexto de la empresa mediante la exposición de casos de uso reales de la mano de empresas del sector invitadas.
• Realización de un proyecto final.

El curso experto se divide en 7 Módulos y un proyecto final de Máster. Cada Módulo está compuesto por temas.

Cada uno de los temas dispondrá de un tutor, que acompañará, guiará y fomentará la participación de los participantes a lo largo de las fechas dedicadas al trabajo. El Tutor a su vez es el responsable de los contenidos de cada tema, el encargado de resolver las dudas de los participantes y de realizar la evaluación final.

El formato del curso combina las sesiones presenciales (Martes y Viernes) que tendrán lugar por las tardes en el Nagusi Intelligence Center, en la Torre Urduliz (Urduliz, Bizkaia), con contenido online de autoaprendizaje que estará disponible en la plataforma online Moodle de Mondragon Unibertsitatea.

Cada uno de los participantes definirá, planificará y desarrollará un PROYECTO FINAL DE MÁSTER.

El proyecto final permitirá catalizar el aprendizaje orientándolo a la obtención de unos resultados. Dicho proyecto contará con la supervisión de un tutor del curso experto en el que finalmente y como cierre se plantea realizar una sesión de divulgación/puesta en común del proyecto realizado por cada participante.

Los alumnos tendrán acceso a la plataforma educativa online Moodle de Mondragon Unibertsitatea, en donde tendrán todo el material y ejercicios disponible por módulos, además de diferentes foros y canales de comunicación con el resto de los asistentes al curso y con todo el profesorado.

Calendario

17/10/2023 - 19/07/2024

Mar-Vie

00:00-00:00 (Martes de 17:00 a 20:00; Viernes de 15:00 a 20:00)

Profesorado

Profesorado de Mondragon Unibertsitatea altamente cualificado y con experiencia en proyectos reales que compaginan docencia con investigación en temáticas de vanguardia con empresas del sector.

• Área Inteligencia Artificial:
  • Beatriz Laskurain
  • Carlos Cernuda
  • Aitor Duo
  • Daniel Reguera
  • Rosa Basagoiti
  • Munia Pitarke

• Área Biomédica:
  
  • Ane Alberdi
  • Unai Ayala
  • Maite Termenón
  • Asier Erramuzpe

• Área Diseño:
  • Arantxa González de Heredia

• Área telemática y ciberseguridad
  • Jesús Lizarraga

• Área HAZI- Informazio sistemak
  • Urtzi Markiegi

• Área Organización Industrial
  • Javier Guallar

Beatriz Laskurain (docente y coordinadora del Máster)

Licenciada en Publicidad, Marketing y Relaciones Públicas por la Universidad de Navarra, Master en Digital Business por ICEMD (ESIC) y Postgrado en Big Data Analytics por ESIC, con más de 20 años de experiencia profesional dirigiendo equipos de publicidad y marketing y asesorando a start ups digitales, actualmente pertenece al Área de Inteligencia Artificial de Mondragon Unibertsitatea donde compagina la formación a profesionales y empresas, con el asesoramiento en ámbitos de Estrategia Digital, Business Intelligence con Power BI y análisis de datos.

Dr. Carlos Cernuda

Licenciado en Matemáticas por la Universidad de Oviedo en 2009 y Máster en Soft Computing and Intelligent Data Analysis en 2010, por la Universidad de Oviedo conjuntamente con el European Center for Soft Computing. En 2014 se doctoró en Ciencias de la Ingeniería por la universidad austriaca Johannes Kepler Universität Linz (JKU) con la tesis titulada “Advanced Data Mining and Machine Learning Techniques in Chemometric Modeling”. 

En el período sept. 2014 a abril 2016, ha sido profesor asistente en JKU, impartiendo cálculo, álgebra, matemáticas para la economía y teoría de control. Entre mayo de 2016 y noviembre de 2018 desempeñó en BCAM la labor como investigador postdoctoral en el departamento de Data Science – Machine Learning, impartiendo varios cursos introductorios al análisis de datos.

En diciembre de 2018 se incorporó a MGEP en calidad de Personal Docente Investigador donde su actividad docente se centra en Analytics, concretamente Machine Learning y Deep Learning.

Dr. Dani Reguera

Profesor e investigador del área de Inteligencia Artificial de Mondragon Unibertsitatea desde Enero de 2012. Doctor en Ingeniería Aplicada por Mondragon Unibertsitatea, en la actualidad compagina su labor de docencia universitaria en el “Grado de Ingeniería Informática” y el “Master Universitario de Análisis de Datos, Ciberseguridad y Computación en la nube” de Mondragon Unibertsitatea, con la investigación en el grupo de Análisis de datos y Ciberseguridad de Mondragon Unibertsitatea. Su campo de investigación se centra en el aprovechamiento de métodos Data-Driven e Inteligencia Artificial para optimizar la interacción persona-máquina en procesos industriales mediante interfaces inteligentes de usuario. 

Dr. Aitor Duo

Pertenece al departamento de electrónica e informática de Mondragon Unibertsitatea. Graduado en ingeniería en sistemas de telecomunicación (2015), obtuvo su máster en sistemas embebidos en 2017. Posteriormente realizó su tesis doctoral titulada “Sensor and CNC internal signal evaluation to detect tool and workpiece malfunctions in the drilling process” en el programa de ingeniería aplicada de Mondragon Unibertsitatea (2021). En los últimos años ha colaborado con el grupo de investigación de mecanizado de alto rendimiento en la puesta a punto de set-up experimentales para la adquisición y análisis de datos de procesos industriales.

Munia Pitarke

Pertenece al departamento de Inteligencia Artificial de Mondragon Unibertsitatea. Graduada en ingeniería de telecomunicaciones (2016), obtuvo su máster en ingeniería de telecomunicaciones en 2018 y máster en Data Science en 2021. Hasta ahora ha trabajado como Business Analyst y actualmente se dedica a la docencia en el Grado de Data Analytics de Mondragon Univertsitatea.

Dr. Asier Erramuzpe

Profesor e Investigador en el departamento de Ingeniería Biomédica en Mondragon Unibertsitatea. Ingeniero Técnico y Superior en Informática (2007-2012) y Máster en Ingeniería Biomédica por la Universidad Pública de Navarra (2013) (UPNa). Máster en Ingeniería Biomédica (2014) y Doctor en Investigación Biomédica (2018) por la Universidad del País Vasco (EHU-UPV).

Durante su etapa predoctoral en el Centro de Investigación Biomédica Biocruces HRI, se especializó en la adquisición, preprocesado y análisis de Imagen de Resonancia Magnética (MRI), así como en el procesado y análisis de datos médicos (Data-Mining y Machine-Learning). Entre las modalidades de MRI con las que ha trabajado se encuentran la estructural, la funcional y la de difusión. Tras obtener el título de Doctor, se desplaza a la Universidad Hebrea de Jerusalén, al Laboratorio de Imagen Cuantitativa en el Edmond and Lily Safra Center for Brain Sciences (ELSC) para profundizar en el conocimiento de la novedosa técnica qMRI (Cuantitativa), con la que es posible obtener información sobre la composición micro-estructural de los tejidos. Sus intereses investigadores se centran en la neuroimagen computacional (predicción de edad), análisis de imagen médica, la teoría de grafos, inteligencia artificial y la minería de datos. Ha contribuído en más de 20 artículos científicos en revistas indexadas de alto impacto tales como Nature Methods, Cerebral Cortex y Human Brain Mapping y comunicaciones a congresos internacionales.

Dr. Maite Termenón

Profesora e Investigadora en el departamento de Ingeniería Biomédica en Mondragon Unibertsitatea. Doctorada en 2016 por la Universidad de Grenoble-Alpes (Francia) donde aplicó teoría de grafos al estudio de la conectividad cerebral en reposo. Licenciada en Ingeniería en Automática y Electrónica Industrial en 2004, Máster de Estudios Avanzados en Ciencias de Computación e Inteligencia Artificial en 2007, y Postgrado en Bioingeniería en 2012. Su carrera investigadora se centra en aplicar métodos avanzados de computación a imágenes de resonancia magnética cerebral para estudiar los diferentes patrones de conectividad cerebral entre diversas poblaciones como bilingües/monolingües, zurdos/diestros, sanos/enfermos.

Jesús Lizarraga

Ingeniero Técnico en Electricidad por la Universidad del Pais Vasco (EHU), Ingeniero en Informática por Mondragon Unibertsitatea y Master (M.Sc.) en Computación por la Universidad de Staffordshire (Reino Unido). En la actualidad coordina el área de Telemática de la Escuela Politécnica Superior de Mondragon Unibertsitatea. Es también responsable de ciberseguridad de Mondragon Unibertsitatea y Coordinador del Master en Ciberseguridad. Compagina sus labores docencia en los cursos de postgrado con la formación y asesoría a empresas. Sus áreas de trabajo actuales son la vigilancia, monitorización y comunicaciones.

Ane Alberdi

Docente e investigadora de MGEP desde el año 2017. Ane posee una Doble diplomatura en Ingeniería Electrónica por el INP-ENSEEIHT y MGEP, a la vez que un Máster en Sistemas Embebidos por MGEP. Obtuvo el título de doctor en el año 2017. Durante su doctorado Ane trabajó en la detección temprana de enfermedades basada en entornos inteligentes y IoT junto con técnicas de Inteligencia Artificial (IA). Ane también fue investigadora visitante en el Laboratorio CASAS en Washington State University (WA, EE.UU.), donde estudió el uso de los entornos inteligentes para apoyar la vida independiente de las personas adultas con deterioro cognitivo. Ane ha publicado artículos en varias revistas científicas de impacto. Actualmente, su investigación se centra en las aplicaciones de la IA en el ámbito salud.

Unai Ayala

Dr. Unai Ayala Fernández es Profesor e Investigador en la Escuela Politécnica Superior de la Universidad de Mondragón y es integrante de la línea de investigación Teoría de la Señal y Comunicaciones. Obtuvo el título en Ingeniería en Telecomunicaciones en 2009, título en Master en Sistemas Electrónicos Avanzados en 2011 y el doctorado en el 2014 por la Universidad del País Vasco. Ha realizado estancias de investigación en la Universidad de Stavanger y en Philips Healthcare (Seattle). Su actividad investigadora se ha centrado en el desarrollo de métodos de tratamiento de señales e inteligencia artificial en aplicaciones médicas e industriales, habiendo participado en diversos proyectos tanto regionales, como nacionales y habiendo publicado más de 20 artículos científicos en revistas indexadas tales como IEEE Transactions on Biomedical Engineering, PLoS ONE o Resuscitation. En la actualidad, forma parte del equipo de coordinación del grado en Ingeniería Biomédica y del Máster en Tecnologías Biomédicas. 

Arantxa Gonzalez de Heredia

Arantxa González de Heredia, López de Sabando Doctora en Integración de aspectos de envejecimiento en la metodología de Innovación Centrada en las Personas del DBZ. Es docente e investigadora en Diseño Inclusivo en Mondragon Unibertsitatea desde el 2005 y desde el 2017 ha realizado varias estancias como investigadora visitante en el equipo de Inclusive Design de la Universidad de Cambridge. Imparte asignaturas en el Grado de Ingeniería en Diseño Industrial y Desarrollo de Producto, en el Grado en Ingeniería Biomédica, en el Máster de Diseño Estratégico de Productos y Servicios y es coordinadora del Máster en Emprendimiento Tecnológico para la Silver Economy. Además, realiza proyectos en colaboración con empresas del entorno y con asociaciones de personas con discapacidad. 

Javier Guallar

Certificado como Project Management Professional (PMP). Kanban Coaching Professional y Accredited Kanban Trainer. Profesor del departamento de Mecánica y producción industrial, ha desarrollado su actividad en la gestión de proyectos, impartiendo cursos en empresas y desarrollando proyectos en las mismas.
Anteriormente, ha sido Ingeniero de Producto en Ideko, centro tecnológico dedicado al sector de la Máquina Herramienta, con responsabilidad en Aseguramiento de la Calidad y Proceso de Desarrollo de Nuevos Productos. También ha sido responsable de área y gestor de proyectos en Grupo Danobat, empresa dedicada al sector de La Máquina Herramienta.

Urtzi Markiegi

Profesor  e investigador  del  departamento  de  Electrónica  e  Informática  de  la Escuela  Politécnica  Superior  de  Mondragon  Unibertsitatea  (EPS-MU).  Obtuvo  el  título  de Ingeniería Informática (2003) en EPS-MU y el título de doctor en informática (2021) con la tesis "Optimización de pruebas para sistemas ciber físicos altamente configurables". En el ámbito docente pertenece al área de conocimiento de Sistemas de Información, del cual fue coordinador en el periodo 2006-2016. Ha sido profesor titular de asignaturas del ámbito de la Ingeniería del Software, Sistemas de Información y Bases de Datos en los grados de Informática, Telecomunicaciones, Electrónica y en el másteres de "Sistemas Embebidos" y "Análisis de datos, Ciberseguridad y Computación en la nube". Actualmente es el coordinador del grado de Ingeniería Informática. En el ámbito de investigación y transferencia ha coordinado y trabajado activamente en diferentes proyectos con empresa y europeos (HOLISTIC, DONHE, BATERATZEN, GENOMA, LAUNCH-MICRO, CITYFIED, CPSBUDY, TESTOMAT, VALU3S) centrando su trabajo en la arquitectura del software, bases de datos y testeo.

Coordinación

Coordinadora general:

Beatriz Laskurain Larrañaga

Docente y asesoramiento a empresas en áreas de estrategia y marketing digital, Business Intelligence con Power y análisis de datos.

blaskurain@mondragon.edu

607 530 650

linkedin.com/in/blaskurain/

Organización

El “Máster en Inteligencia Artificial para Salud y Silver Economy” está organizado por Mondragon Unibertsitatea y cuenta con la colaboración de la Diputación Foral de Bizkaia.

Condiciones y proceso de admisión

El proceso del máster consta de tres fases que tendrán lugar en los meses previos al inicio del curso (inscripción -> admisión -> matrícula):

1. Inscripción

• La preinscripción se realiza desde esta página web.
• Te enviaremos un email con el enlace para poder hacer la inscripción y subir el DNI/NIE
• Validaremos el DNI/NIE y podrás subir la documentación que falta: CV y títulos universitarios.

El plazo de inscripción quedará abierto hasta que se llenen las plazas

2. Admisión

Evaluaremos la documentación recibida; se dará preferencia a los titulados universitarios de las especialidades de entrada.

3. Matrícula

La matrícula se realiza online desde el enlace facilitado por la universidad una vez hayas sido admitido/a. La matricula se formalizará con el pago de la primera cuota del master.

Vías de financiación

Para más información ponerse en contacto con:

Titulación que se obtiene

Los participantes que hayan cumplido los requisitos de la evaluación y entrega del proyecto, obtendrán el Título Propio de MÁSTER profesional en Inteligencia Artificial para profesionales del sector salud y Silver Economy  por Mondragon Unibertsitatea.

Vinculación Universidad- Empresa

Si eres un profesional en activo, podrás compaginar el desarrollo del máster con el trabajo que realizas en tu empresa y mejorar tus competencias aplicando un trabajo fin de máster adaptado a tu empresa.

Plazas

20 plazas

El máximo de plazas disponible es 20 personas, para poder prestar la atención personalizada que requiere esta formación.

Perfil de salida

Las salidas profesionales de este programa serán las de puestos técnicos/informáticos y/o gestores de proyectos de datos o científicos de datos en centros de salud y hospitales; administración y salud públicas; aseguradoras de salud; industria farmacéutica; empresas tecnológicas orientadas a la Inteligencia Artificial y al Big Data; empresas innovadoras orientadas a la telemedicina y el desarrollo de dispositivos y aplicaciones en salud.

Colaboradores/ Patrocinadores

Este curso cuenta con la colaboración de la Diputación Foral de Bizkaia y el Nagusi Intelligence Center.

Precio

Si al alumno se da de baja por un cambio en las condiciones del curso (cambio de fechas, horarios o formato ) se devolverá el 100% de la cuota inicial. Si se da de baja por otras causas se devolverá el 50% hasta el inicio de las clases. Una vez comenzadas las clases la cuota inicial no se devolverá.

Más información