12 meses
13-08-2024
15-10-2024
15-10-2025
60
1500
3 meses
$ 17.103.486
La Institución Superior Estudios Innovadores Europeos estar enfocado en la mejora profesional de su participante, ofreciéndole el mejor conocimiento posible en Oncología Médica, Genómica y Big Data. Gracias a una distinción única y con demanda en el campo de esta especialidad, el egresado acabará teniendo amplias posibilidades de mejorar su actual puesto de trabajo, al igual que su propio prestigio Médico.
Nuestro máster ofrece la posibilidad de profundizar y actualizar los conocimientos en esta materia, con el uso de una tecnología educativa vanguardista. Ofreciendo una visión global y al mismo tiempo poniendo el foco en los aspectos más importantes e innovadores de la medicina.
El máster en oncología médica, genómica y big data es un programa de formación avanzado que tiene como objetivo preparar a los estudiantes para trabajar en el campo de la oncología, con un enfoque especial en la aplicación de la genómica y el análisis de big data en el diagnóstico y tratamiento del cáncer.
ISEIE tiene como objetivo promover la educación de calidad, la investigación de alto nivel y los estudios de excelencia en todo el mundo.
La titulación que reciben nuestros estudiantes son reconocidas en las empresas más prestigiosas.
ISEIE cuenta con una trayectoria formativa basada en años de experiencia y preparación de profesionales cualificados.
Alto porcentaje de aquellos que han estudiado un MBA han incrementado su salario
Según estudios, los perfiles más buscados son los que cuentan con formación académica superior.
Nuestro sistema educativo le permite compatibilizar de un modo práctico y sencillo los estudios con su vida personal y profesional.
Nuestro plan interno de calidad del instituto persigue diversos objetivos, como el aumento de la satisfacción de los estudiantes, el cumplimiento de los objetivos de calidad establecidos, el desarrollo de una cultura de calidad, el reforzamiento de la relación entre el personal y la universidad, y el mejoramiento continuo de los procesos.
De esta forma, el profesional que acceda al programa encontrarás el contenido más vanguardista y exhaustivo relacionado con el uso de materiales innovadores y altamente eficaces, conforme a las necesidades y problemáticas actuales, buscando la integración de conocimientos académicos y de formación profesional, en un ambiente competitivo globalizado.
Todo ello a través de de material de estudio presentado en un cómodo y accesible formato 100% online.
El empleo de la metodología Relearning en el desarrollo de este programa te permitirá fortalecer y enriquecer tus conocimientos y hacer que perduren en el tiempo a base de una reiteración de contenidos.
Módulo 1. Oncología Genómica o de Precisión
Módulo 2. Biología molecular
Módulo 3. Machine Learning para el análisis de Big Data
4.1. Introducción
4.2. Inicialización de variables
4.3. Limpieza y acondicionado del texto
4.4. Generación de la matriz de términos
4.4.1. Creación de la matriz de términos TDM
4.4.2. Visualizaciones sobre la matriz de palabras TDM
4.5. Descripción de la matriz de términos
4.5.1. Representación gráfica de las frecuencias
4.5.2. Construcción de una nube de palabras
4.6. Creación de un Data Frame apto para K-NN
4.7. Construcción del modelo de clasificación
4.8. Validación del modelo de clasificación
4.9. Ejercicio práctico guiado de minería de datos en Genómica en cáncer
Módulo 5. Técnicas de extracción de datos genómicos
5.1. Introducción al “Scraping Data”
5.2. Importación de archivos de datos de hoja de cálculo almacenados online
5.3. Scraping de texto HTML
5.4. Scraping los datos de una tabla HTML
5.5. Aprovechar las API para Scraping de los datos
5.6. Extraer la información relevante
5.7. Uso del paquete rvest de R
5.8. Obtención de datos distribuidos en múltiples páginas
5.9. Extracción de datos genómicos de la plataforma “My Cancer Genome”
5.10. Extracción de información sobre genes de la base de datos” HGNC HUGO Gene Nomenclature Committee”
5.11. Extracción de datos farmacológicos de la base de datos “OncoKB” (Precision Oncology Knowledge Base)
Módulo 6. Análisis de datos, Big Data en salud, trazabilidad e inteligencia artificial
6.1. Los datos
6.1.1. Ciclo de vida del dato
6.2. Aplicación de ciencias de los datos y Big Data en salud
6.3. Estado del arte en salud e inteligencia artificial
6.3.1. Usos de la IA en salud
6.4. Técnica de cadena de bloques (Blockchain)
6.5. Realidad virtual, aumentada, Internet de las Cosas (IoT) y domótica
6.5.1. Usos de la realidad virtual/aumentada en salud
6.5.2. Usos de IoT en salud
6.5.3. Usos de la domótica en salud
6.6. Inteligencia artificial centrada en el paciente: redes neuronales, chatbots, aprendizaje automático
6.7. Aplicaciones emergentes en el cuidado de la salud usando IA
6.7.1. Principales aplicaciones emergentes de IA en salud
6.8. Bioinformática
6.9. Semántica web en salud
6.9.1. Lenguajes de uso en terminología semántica
6.10. Estrategia de implantación de IA
Módulo 7. Nuevas técnicas en la era Genómica
7.1. Entendiendo la nueva tecnología: Next Generation Sequence (NGS) en la práctica clínica
7.1.1. Introducción
7.1.2. Antecedentes
7.1.3. Problemas en la aplicación de la secuenciación Sanger en Oncología
7.1.4. Nuevas técnicas de secuenciación
7.1.5. Ventajas del uso de la NGS en la práctica clínica
7.1.6. Limitaciones del uso de la NGS en la práctica clínica
7.1.7. Términos y definiciones de interés
7.1.8. Tipos de estudios en función de su tamaño y profundidad
7.1.9. Etapas en la secuenciación NGS
7.1.10. Anotación y clasificación de variantes
7.2. Secuenciación DNA y análisis bioinformático
7.2.1. Introducción
7.2.2. Software
7.2.3. Procedimiento
7.3. Secuenciación RNA y análisis bioinformático
7.3.1. Introducción
7.3.2. Software
7.3.3. Procedimiento
7.4. Tecnología ChIP-seq
7.4.1. Introducción
7.4.2. Software
7.4.3. Procedimiento
7.5. Big Data aplicado a la oncología genómica
7.5.1. El proceso de análisis de datos
7.6. Servidores genómicos y bases de datos de variantes genéticas
7.6.1. Introducción
7.6.2. Servidores genómicos en web
7.6.3 Arquitectura de los servidores genómicos
7.6.4 Recuperación y análisis de datos
7.6.5. Personalización
7.7. Anotación de variantes genéticas
7.7.1. Introducción
7.7.2. ¿Qué es la llamada de variantes?
7.7.3. Entendiendo el formato VCF
7.7.4. Identificadores de variantes
7.7.5. Análisis de variantes
7.7.6. Predicción del efecto de la variación en la estructura y función de la proteína
Módulo 8. Trabajo de fin de Máster
Al concluir el máster, los participantes serán galardonados con una titulación oficial otorgada por ISEIE Innovation School. Esta titulación se encuentra respaldada por una certificación que equivale a 60 créditos ECTS (European Credit Transfer and Accumulation System) y representa un total de 1500 horas de dedicación al estudio.
Esta titulación de ISEIE no solo enriquecerá su imagen y credibilidad ante potenciales clientes, sino que reforzará significativamente su perfil profesional en el ámbito laboral. Al presentar esta certificación, podrá demostrar de manera concreta y verificable su nivel de conocimiento y competencia en el área temática del programa.
Esto resultará en un aumento de su empleabilidad, al hacerle destacar entre otros candidatos y resaltar su compromiso con la mejora continua y el desarrollo profesional.
Una vez que haya completado satisfactoriamente todos los módulos del Máster en Oncología Médica, Genómica y Big data de ISEIE, deberá llevar a cabo un trabajo final en el cual deberá aplicar y demostrar los conocimientos que ha adquirido a lo largo del programa.
Este trabajo final suele ser una oportunidad para poner en práctica lo que ha aprendido y mostrar su comprensión y habilidades en el tema.
Puede tomar la forma de un proyecto, un informe, una presentación u otra tarea específica, dependiendo del contenido y sus objetivos.
Recuerde seguir las instrucciones proporcionadas y consultar con su instructor o profesor si tiene alguna pregunta sobre cómo abordar el trabajo final.
Sed ut perspiciatis unde omnis iste natus error sit voluptatem accusantium doloque laudantium totam rem aperiam, eaque ipsa quae.