AMF028/23 Introducción al Aprendizaje Automático en ciencias de la salud (R): Modelos supervisados (Edición 2023)

La principal diferencia entre el aprendizaje automático y el análisis estadístico tradicional es su propósito. Los modelos de aprendizaje automático están diseñados para hacer las predicciones más precisas posibles, mientras que los modelos estadísticos están diseñados para inferir sobre las relaciones entre variables.

Conocer la metodología empleada en el aprendizaje automático, así como disponer de un software que permita usar esta metodología con datos biomédicos, puede ser de gran utilidad a los profesionales de la salud para crear modelos predictivos que ayuden a la toma de decisiones diarias. De la misma forma, la adquisición de estos nuevos conocimientos puede ayudar a comprender qué métodos y técnicas usar en cada investigación, dependiendo de la naturaleza.

Disponer de programas que calculen de forma rápida estos modelos predictivos y que sean fáciles de usar por profesionales que no sean expertos en estadística ni informática, ayudará a que los modelos creados por grupos de investigación biomédica sean usados por la comunidad científica.

En este curso se estudiarán los principales métodos supervisados que son un conjunto de técnicas utilizadas en el ámbito del aprendizaje automático que se basan en el uso de datos etiquetados para entrenar modelos y realizar predicciones o clasificaciones en nuevos datos. Estos métodos son ampliamente aplicados en diversas áreas de las ciencias de la salud, con el objetivo de mejorar el diagnóstico, el pronóstico y la toma de decisiones clínicas.