MOOC Machine Learning y Big Data para la Bioinformática. 3ª Edición

MOOC Machine Learning y Big Data para la Bioinformática. 3ª Edición

14/01/2023

https://abierta.ugr.es/ml_bioinformatica/

Este curso on-line (MOOC) tiene una duración de 100 horas (8 semanas + 1 adicional para terminar la parte que no haya dado tiempo) y es impartido en modalidad asíncrona (por lo que no hay que asistir a clases en un horario establecido) y cuenta con un reconocimiento de 4 créditos ECTS para los estudiantes de grado de la UGR.

La Universidad de Granada pretende ofrecer un aprendizaje práctico y aplicado, accesible para todas las personas interesadas en el Machine Learning y Big Data para la Bioinformática. Para ello cuenta con un grupo de profesores de universidades, investigadores, profesionales y especialistas en cada una de las áreas, que ayudarán a introducirse en la Bioinformática y el Machine Learning en sus más amplios aspectos, aunando el rigor académico con un metodología sencilla y directa que permita comprenderla y disfrutarla. Título: Machine Learning y Big Data para Bioinformática. Web: https://abierta.ugr.es/ml_bioinformatica/ Coordinador del curso: Jesús Alcalá Fernández. Plazo de matriculación: Abierto desde día 10/01/2022. Fecha de inicio: 07/02/2022 a las 9:00 horas. Duración: 100 horas (8 semanas). Modalidad: Asíncrona (aprendizaje sin horarios prefijados a través de videos, materiales y recursos didácticos proporcionados por el equipo docente) Certificado de Reconocimiento Académico: Posibilidad de obtener certificado de haber realizado el curso. Posibilidad de reconocimiento de 4 créditos ECTS para los estudiantes de grado de la UGR.

Se imparte a través de la plataforma de formación abierta on-line de la UGR (abiertaUGR) y consta de 8 módulos:

Módulo 1: ¿Qué es la Bioinformática?. Coordinadores de Módulo: Carlos Cano, Coral del Val y Pedro Carmona

Módulo 2: Análisis Bioinformático sobre un problema en Ómicas. Coordinadores de Módulo: Carlos Cano, Coral del Val y Pedro Carmona
Módulo 3: Ciencia de Datos y Machine Learning. Coordinador de Módulo: Alberto Fernández Hilario
Módulo 4: Aprendizaje Supervisado: Técnicas de Regresión. Coordinador de Módulo: Rafael Alcalá Fernández
Módulo 5: Aprendizaje Supervisado: Técnicas de Clasificación. Coordinador de Módulo: Alberto Fernández Hilario
Módulo 6: Aprendizaje No Supervisado: Clustering y Reglas de Asociación. Coordinador de Módulo: Jesús Alcalá Fernández
Módulo 7: Big Data. Coordinador de Módulo: Francisco Javier García Castellano
Módulo 8: Herramienta Gráfica: KNIME. Coordinadores de Módulo: María Martínez y José Manuel Soto