Descripción

Mejora tus conocimientos en Lenguaje de Programación R en Oncología Genómica a través de este programa, donde encontrarás el mejor material didáctico con casos clínicos reales. Conoce aquí los últimos avances en la especialidad para poder realizar una praxis médica de calidad”

Es un objetivo fundamental del programa, acercar al alumno y difundir el conocimiento informático, que ya se aplica en otras áreas del conocimiento pero que tiene una mínima implantación en el mundo médico, y a pesar de que para que la medicina genómica sea una realidad, es preciso interpretar con precisión el volumen ingente de información clínica disponible actualmente y asociarlo a los datos biológicos que se generan tras un análisis bioinformático. Si bien este es un desafío difícil, permitirá que los efectos de la variación genética y las terapias potenciales se exploren de forma rápida, económica y con mayor precisión de la que se logra en el momento actual.

Los humanos no estamos naturalmente equipados para percibir e interpretar secuencias genómicas ni para comprender todos los mecanismos, vías e interacciones que tienen lugar dentro de una célula viva, ni para tomar decisiones médicas con decenas o centenares de variables. Para avanzar, se requiere un sistema con capacidad analítica sobrehumana que simplifique el entorno de trabajo y muestre las relaciones y proximidades entre unas variables u otras. En genómica y biología, ahora se reconoce que es mejor gastar los recursos en nuevas técnicas computacionales que en la recolección de datos puros, algo que posiblemente pasa igual en medicina y, por supuesto, oncología.

Tenemos millones de datos o publicaciones pero cuando son analizadas por los médicos o biólogos, las conclusiones son totalmente subjetivas y en relación a las publicaciones o datos disponibles, que son priorizados de forma arbitraria, lo que genera un conocimiento parcial, y por supuesto, cada vez más distanciado del conocimiento genético y biológico disponible y apoyado en computación, por lo que un paso de gigante en la implantación de la medicina de precisión es disminuir esta distancia mediante el análisis masivo de la información médica y farmacológica disponible.

Actualiza tus conocimientos a través del programa de Diplomado en Lenguaje de Programación R en Oncología Genómica”

Este Diplomado en Lenguaje de Programación R en Oncología Genómica contiene el programa científico más completo y actualizado del mercado. Las características más destacadas del Diplomado son:

  • Desarrollo de casos prácticos presentados por expertos en Lenguaje de Programación R en Oncología Genómica. 
  • Sus contenidos gráficos, esquemáticos y eminentemente prácticos con los que están concebidos, recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional.
  • Novedades sobre Lenguaje de Programación R en Oncología Genómica.
  • Contiene ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje.
  • Con especial hincapié en metodologías innovadoras en Lenguaje de Programación R en Oncología Genómica.
  • Todo esto se complementará con lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual.
  • Disponibilidad de los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet.

Este Diplomado puede ser la mejor inversión que puedes hacer en la selección de un programa de actualización por dos motivos: además de poner al día tus conocimientos en Lenguaje de Programación R en Oncología Genómica, obtendrás un título de Diplomado por la primera institución educativa de España, TECH”

Incluye en su cuadro docente profesionales pertenecientes al ámbito de Lenguaje de Programación R en Oncología Genómica, que vierten en esta formación la experiencia de su trabajo, además de reconocidos especialistas pertenecientes a sociedades de referencia y universidades de prestigio.

Gracias a su contenido multimedia elaborado con la última tecnología educativa, permitirán al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará un aprendizaje inmersivo programado para entrenarse ante situaciones reales.

El diseño de este programa está basado en el aprendizaje basado en problemas, mediante el cual el alumno deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del Diplomado. Para ello, el alumno contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos en el campo de Lenguaje de Programación R en Oncología Genómica y con gran experiencia docente.

Aumenta tu seguridad en la toma de decisiones actualizando tus conocimientos a través de este Diplomado"

Aprovecha la oportunidad para conocer los últimos avances en Lenguaje de Programación R en Oncología Genómica y mejorar la atención a tus pacientes"

Temario

La estructura de los contenidos ha sido diseñada por un equipo de profesionales de los mejores centros educativos, universidades y empresas del territorio nacional, conscientes de la relevancia de la actualidad de la formación para poder intervenir en la formación y acompañamiento de los alumnos, y comprometidos con la enseñanza de calidad mediante las nuevas tecnologías educativas.

Este Diplomado en Lenguaje de Programación R en Oncología Genómica contiene el programa científico más completo y actualizado del mercado”

Módulo 1. Análisis de datos en proyectos de big data: lenguaje de programación R

1.1. Introducción al lenguaje de programación R.

1.1.1. ¿Qué es R?
1.1.2. Instalación de R y el interfaz gráfico de R.
1.1.3. Paquetes.

1.1.3.1. Paquetes estándar.
1.1.3.2. Paquetes aportados y CRAN.

1.2. Características básicas de R.

1.2.1. El entorno R.
1.2.2. Software y documentación relacionados.
1.2.3. R y estadísticas.
1.2.4. R y el sistema de ventanas.
1.2.5. Usando R interactivamente.
1.2.6. Una sesión introductoria.
1.2.7. Obtención de ayuda con funciones y características.
1.2.8. Comandos R, sensibilidad a mayúsculas, etc.
1.2.9. Recuperación y corrección de comandos anteriores.
1.2.10. Ejecutar comandos o desviar la salida a un archivo.
1.2.11. Permanencia de datos y eliminación de objetos.

1.3. Tipos de objetos de R.

1.3.1. Manipulaciones simples; números y vectores.

1.3.1.1. Vectores y asignación.
1.3.1.2. Aritmética de vectores.
1.3.1.3. Generando secuencias regulares.
1.3.1.4. Vectores lógicos.
1.3.1.5. Valores Perdidos.
1.3.1.6. Vectores de caracteres.
1.3.1.7. Vectores de índice.

1.3.1.7.1. Selección y modificación de subconjuntos de un conjunto de datos.

1.3.1.8. Otros tipos de objetos.

1.3.2. Objetos, sus modos y atributos.

1.3.2.1. Atributos intrínsecos: modo y longitud.
1.3.2.2. Cambiar la longitud de un objeto.
1.3.2.3. Obtención y configuración de atributos.
1.3.2.4. La clase de un objeto.

1.3.3. Factores ordenados y desordenados.

1.3.3.1. Un ejemplo específico
1.3.3.2. La función tapply () y matrices desiguales.
1.3.3.3. Factores ordenados.

1.3.4. Matrices.

1.3.4.1. Matrices.
1.3.4.2. Indización de matrices. Subsecciones de una matriz.
1.3.4.3. Matrices de índice.
1.3.4.4. La función array ().
1.3.4.5. Aritmética mixta de vectores y matrices. La regla de reciclaje.
1.3.4.6. El producto exterior de dos matrices.
1.3.4.7. Transposición generalizada de una matriz.
1.3.4.8. Multiplicación de matrices.
1.3.4.9. Valores propios y vectores propios.
1.3.4.10. Descomposición de valores singulares y determinantes.
1.3.4.11. Formando matrices particionadas, cbind () y rbind ().
1.3.4.12. La función de concatenación, c (), con matrices.

1.3.5. Tablas de frecuencia de factores.
1.3.6. Listas.

1.3.6.1. Construyendo y modificando listas.
1.3.6.2. Listas de concatenación.

1.3.7. Dataframes.

1.3.7.1. ¿Cómo crear dataframes?
1.3.7.2. Adjuntar () y separar ().
1.3.7.3. Trabajando con dataframes.

1.4. Lectura y escritura de datos.

1.4.1. La función read.table ().
1.4.2. La función scan ().
1.4.3. Acceso a los conjuntos de datos incorporados.
1.4.4. Cargando datos de otros paquetes R.
1.4.5. Edición de datos.

1.5. Agrupación, bucles y ejecución condicional.

1.5.1. Expresiones agrupadas.
1.5.2. Declaraciones de control.

1.5.2.1. Ejecución condicional: sentencias if.
1.5.2.2. Ejecución repetitiva: para bucles, repetición y tiempo.

1.6. Escribiendo tus propias funciones.

1.6.1. Ejemplos simples.
1.6.2. Definiendo nuevos operadores binarios.
1.6.3. Argumentos con nombre y valores por defecto.
1.6.4. El argumento “...”.
1.6.5. Asignaciones dentro de funciones.

Módulo 2. Análisis estadístico en R

2.1. Distribuciones de probabilidad discretas.
2.2. Distribuciones de probabiidad contínuas.
2.3. Introducción a la inferencia y muestreo (Estimación Puntual).
2.4. Intervalos de confianza.
2.5. Contrastes de hipótesis.
2.6. ANOVA de un factor.
2.7. Bondat de Ajuste (test de chi cuadrado).
2.8. QPaquete fitdist.
2.9. Introducción a estadística multivariante.

Módulo 3. Entorno grafico en R

3.1. Procedimientos gráficos.

3.1.1. Comandos de trazado de alto nivel.

3.1.1.1. La función plot ().
3.1.1.2. Visualización de datos multivariados.
3.1.1.3. Gráficos de pantalla.
3.1.1.4. Argumentos a funciones de trazado de alto nivel.

3.1.2. Comandos de trazado de bajo nivel.

3.1.2.1. Anotación matemática.
3.1.2.2. Fuentes vectoriales hershey.

3.1.3. Interactuando con gráficos.
3.1.4. Uso de parámetros gráficos.

3.1.4.1. Cambios permanentes: la función par ().
3.1.4.2. Cambios temporales: Argumentos a funciones gráficas.

3.1.5. Lista de parámetros gráficos.

3.1.5.1. Elementos gráficos.
3.1.5.2. Ejes y marcas.
3.1.5.3. Márgenes de la figura.
3.1.5.4. Entorno de figuras múltiples.

3.1.6. Estadística descriptiva: Representaciones gráficas.

Una experiencia de formación única, clave y decisiva para impulsar tu desarrollo profesional”