Estudia

• CBG-03 Tenir la capacitat d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
• CE-04 Identificar les fonts de coneixement en els processos assistencials, dissenyar mecanismes per a la seva generació, i dissenyar sistemes intel·ligents per al seu ús en l'ajuda a la presa de decisions, tenint la multidisciplinarietat pròpia dels sistemes de salut.
• CE-05 Seleccionar, avaluar i utilitzar tecnologies per a l'anàlisi de dades massives i heterogènies provinents dels sistemes d'informació de la salut pública.
• CE-06 Proposar solucions per als reptes actuals dels processos assistencials, basats en el tractament i anàlisi de grans volums de dades

1. Introduction

2. Methodology and evaluation models

3. Supervised machine learning methods for healthcare

4. Libraries and environment tools for visualization and programming

5. Machine learning for massive data

• Pedro Domingos (2012). A Few Useful Things to Know about Machine Learning. Communications of the ACM, 55(10), 78-87
• Duda, Richard O (cop. 2001 ). Pattern classification (2nd ed.). New York [etc.]: John Wiley & Sons. Catàleg
• Mitchell, Tom M (cop. 1997 ). Machine learning . New York [etc.]: The McGraw-Hill Companies. Catàleg
• Andrew Ng. Machine Learning. Recuperat , a https://www.coursera.org/course/ml
• Pedro Domingos. Machine Learning. Recuperat , a https://www.coursera.org/course/machlearning

Activitats d'avaluació:

- No activity is recoverable (you must deliver activity reports on time)

- The final score is obtained according to the percentages above

Criteris específics de la nota «No Presentat»:
A "NP" score will be given to the students that do not make any of the evaluation activities

In addition to the bibliography, related articles will be provided