abierta UGR

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

  1. Página Principal
  2. Cursos
  3. ml_bioinformatica_3ed
Salta al contenido principal

Diagrama de temas

  • INFORMACIÓN GENERAL

    INFORMACIÓN GENERAL

    Os damos la bienvenida al MOOC "Machine Learning y Big Data". Si veis este mensaje, es porque oficialmente os encontráis matriculados/as.
    Podéis ver los contenidos del mismo en la Guía Didáctica que aparece a continuación.
    El curso está estructurado en Módulos y usa el vídeo como formato principal para exponer sus contenidos, que también podrás descargar en formato pdf.

    (Lee detenidamente toda la información de este bloque, es muy importante que tengas todas las dudas resueltas antes de comenzar oficialmente el curso)


    • MÓDULO 1. ¿Qué es Bioinformática?

      MÓDULO 1. ¿Qué es Bioinformática?

      Duración del vídeo: 2 minutos, 5 segundos
      Carlos Cano Gutiérrez, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada.

      • 1.1. ¿Qué, para qué y cómo?

        Duración del vídeo: 6 minutos, 39 segundos.

        Carlos Cano Gutiérrez, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada.

      • 1.2. Aplicaciones en Bio-Ciencias y Bio- Salud

        Duración del vídeo: 5 minutos, 17 segundos.

        Pedro Carmona Sáez, Profesor Ayudante Doctor en EIO- UGR. Centro GENyO.

      • 1.3. Medicina de precisión (Bioinformática para la interpretación genómica del cáncer)

        Duración del vídeo: 4 minutos, 2 segundos.

        Fátima Al-Shaour, Directora de la Unidad de Bionformática (CNIO).

      • Foro de debate del módulo 1

      • Cuestionario del módulo 1 (obligatorio)

    • MÓDULO 2. Análisis Bioinformático sobre un problema en Ómicas

      MÓDULO 2. Análisis Bioinformático sobre un problema en Ómicas

      Duración del vídeo: 2 minutos, 36 segundos
      Carlos Cano Gutiérrez, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada.  

    • MÓDULO 3. Ciencia de Datos y Machine Learning

      MÓDULO 3. Ciencia de Datos y Machine Learning

      Duración del vídeo: 2 minutos, 8 segundos
      Alberto Fernández Hilario, Profesor Titular de Universidad de Granada y miembro en DaSCI.

        

    • MÓDULO 4: Aprendizaje Supervisado: Técnicas de Regresión

      MÓDULO 4: Aprendizaje Supervisado: Técnicas de Regresión

      Duración del vídeo: 2 minutos, 34 segundos
      Rafael Alcalá Fernández, Rafael Alcalá Fernández, Catedrático de la Universidad de Granada y miembro en DaSCI.   

    • MÓDULO 5: Aprendizaje Supervisado: Técnicas de Clasificación

      MÓDULO 5: Aprendizaje Supervisado: Técnicas de Clasificación

      Duración del vídeo: 3 minutos, 2 segundos
      Alberto Fernández Hilario, Profesor Titular de Universidad de Granada y miembro en DaSCI. 

    • MÓDULO 6: Aprendizaje No Supervisado: Clustering y Reglas de Asociación

      MÓDULO 6: Aprendizaje No Supervisado: Clustering y Reglas de Asociación

      Duración del vídeo: 1 minutos, 57 segundos
      Jesús Alcalá Fernández, Profesor Titular en CCIA de Universidad de Granada y miembro DaSCI.  

      • 6.1. Clustering y Reglas de Asociación: ¿Qué, para qué y cómo?

        Duración del vídeo: 6 minutos

        Jesús Alcalá Fernández, Profesor Titular en CCIA de Universidad de Granada y Miembro del Instituto Andaluz Interuniversitario en Data Science and Computational Intelligence (DaSCI). 

          

      •  6.2. Clustering

        Duración del vídeo: 6 minutos

        Carlos Cano Gutiérrez, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada.

          

      • 6.2. Clustering Página
        INSTRUCCIONES: Lee detenidamente estas instrucciones previamente para poder realizar las tareas que se te plantearán en Google Colaboratory.

      •  6.3. Reglas de Asociación

        Duración del vídeo: 6 minutos 11 segundos

        Elena Ruiz Sánchez, Desarrolladora en PerkinElmer y miembro de DaSCI.

          

      • 6.3. Association Rules Página
        INSTRUCCIONES: Lee detenidamente estas instrucciones previamente para poder realizar las tareas que se te plantearán en Google Colaboratory.

      • Foro de debate del módulo 6

      • Cuestionario del módulo 6 (obligatorio)

    • MÓDULO 7: Big Data

      MÓDULO 7: Big Data

      Duración del vídeo: 2 minutos, 35 segundos
      Francisco Javier García Castellano, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada.   

      •  7.1. Introducción a Big Data

        Duración del vídeo: 6 minutos 28 segundos

        Francisco Javier García Castellano, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada. 

          

      •  7.2. Introducción a Spark usando Python

        Duración del vídeo: 5 minutos 50 segundos

        Francisco Javier García Castellano, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada. 

          

      • 7.2. Introducción a Spark usando Python Página
        INSTRUCCIONES: Lee detenidamente estas instrucciones previamente para poder realizar las tareas que se te plantearán en Google Colaboratory.

      •  7.3. Machine Learning en Spark: MLlib

        Duración del vídeo: 7 minutos 6 segundos

        Francisco Javier García Castellano, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada. 

          

      • 7.3. Machine Learning en Spark: MLlib Página
        INSTRUCCIONES: Lee detenidamente estas instrucciones previamente para poder realizar las tareas que se te plantearán en Google Colaboratory.

      •  7.4. Clasificación, Regresión, Clustering y Reglas de Asociación en Spark

        Duración del vídeo: 6 minutos 22 segundos

        Francisco Javier García Castellano, Profesor Titular en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Granada. 

          

      • 7.4. Clasificación, Regresión, Clustering y Reglas de Asociación en Spark Página
        INSTRUCCIONES: Lee detenidamente estas instrucciones previamente para poder realizar las tareas que se te plantearán en Google Colaboratory.

      • Foro de debate del módulo 7

      • Cuestionario del módulo 7 (obligatorio)

    • MÓDULO 8: Herramienta Gráfica: KNIME

      MÓDULO 8: Herramienta Gráfica: KNIME

      Restringido Disponible desde 27 de marzo de 2023, 09:00
      Duración del vídeo: 2 minutos, 11 segundos
      José Manuel Soto Hidalgo, Profesor Titular en ATC en laUniversidad de Granada.  

    • CUESTIONARIO FINAL (OBLIGATORIO) Y ENCUESTA DE SATISFACCIÓN

      CUESTIONARIO FINAL (OBLIGATORIO) Y ENCUESTA DE SATISFACCIÓN

      Para poder superar de forma satisfactoria el MOOC Machine Learning y Big Data para la Bioinformática, deberá haber realizado los cuestionarios de evaluación correspondientes a cada uno de los módulos que se irán abriendo forma progresiva cada semana.

      El Cuestionario Final es requisito imprescindible para poder superarlo y poder obtener la Insignia Final del MOOC que dará paso a la obtención del Certificado Oficial (previo abono de las tasas correspondientes).

      • Centro de Producción de Recursos para la Universidad Digital

      abierta UGR
      abierta UGR

      Copyright © Universidad de Granada