IA para la medicina
La IA está transformando la práctica de la medicina. Está ayudando a los médicos a diagnosticar a los pacientes con mayor precisión, a hacer predicciones sobre
Certificado con validez SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 144 h
100% autodidacta
10 unidades
Nivel intermedio
Modalidad
Así estudias: curso autodidacta
- Autodidacta y 100% en línea: contenido disponible 24/7.
- Avanzas a tu ritmo: la plataforma guarda tu progreso.
- Sin tutor ni clases en vivo: el curso está diseñado para estudiarse por tu cuenta.
- Te evalúas con actividades automáticas, sin entregas a un tutor.
Qué aprenderás
Lo que serás capaz de hacer
La IA está transformando la práctica de la medicina. Está ayudando a los médicos a diagnosticar a los pacientes con mayor precisión, a hacer predicciones sobre la salud futura de los pacientes y a recomendar mejores tratamientos. Esta Specializations de tres cursos le proporcionará experiencia práctica en la aplicación del aprendizaje automático a problemas concretos en medicina. Estos cursos van más allá de los fundamentos del aprendizaje profundo para enseñarle los matices en la aplicación de la IA a casos de uso médico. Si es nuevo en el aprendizaje profundo o desea obtener una base más profunda de cómo funcionan las redes neuronales, le recomendamos cursar la Especialización en Aprendizaje Profundo.
- Diagnosticar enfermedades a partir de radiografías e imágenes cerebrales por resonancia magnética en 3D
- Predecir las tasas de supervivencia de los pacientes con mayor precisión utilizando modelos basados en árboles
- Estimar los efectos del tratamiento en los pacientes utilizando datos de ensayos aleatorios
- Automatizar la tarea de etiquetado de conjuntos de datos médicos mediante el procesamiento del lenguaje natural
Habilidades que desarrollarás
Evaluación de modelos
Aprendizaje profundo
Ensayos clínicos
Preprocesamiento de datos
Modelado de riesgos
Análisis de datos
Redes neuronales convolucionales
Aprendizaje con árboles de decisión
Modelado predictivo
Aprendizaje automático aplicado
Ingeniería de características
Tratamiento del paciente
Análisis de imágenes
Métodos de aprendizaje automático
Aprendizaje automático
Algoritmo de bosque aleatorio
Inteligencia artificial y aprendizaje automático (AI/ML)
Inteligencia artificial
Imagenología médica
Procesamiento de lenguaje natural
Temario
UNIDAD 1 - Detección de enfermedades con visión por ordenador · 30 leccionesIA para el diagnóstico médico - UNIDAD 1 - Detección de enfermedades con visión por ordenador
UNIDAD 1 - Detección de enfermedades con visión por ordenador · 30 lecciones
IA para el diagnóstico médico - UNIDAD 1 - Detección de enfermedades con visión por ordenador
- Bienvenido a la Specializations con Andrew y Pranav
- Demo
- Requisitos previos recomendados
- Encuesta de admisión
- ¡Join the DeepLearning.IA Forum to ask questions, get support, or share amazing ideas!
- Diagnóstico por imagen médica
- Enfermedades oculares y diagnóstico del cáncer
- Exploración de datos y preprocesamiento de imágenes
- Construcción y entrenamiento de un modelo de diagnóstico médico
- Formación, predicción y pérdidas
- Clasificación de imágenes y desequilibrio de clases
- Función de pérdida de entropía cruzada binaria
- Impacto del desequilibrio de clases en el cálculo de pérdidas
- Etiquetas de recuento y función de pérdida ponderada
- Remuestreo para lograr clases equilibradas
- Multitarea
- Pérdida multitarea, tamaño del conjunto de datos y arquitecturas CNN
- Densenet
- Trabajar con un pequeño conjunto de entrenamiento
- Generar más muestras
- Ensayos con modelos
- Dividir los datos por paciente
- Solapamiento de pacientes y fuga de datos
- Muestreo
- La verdad sobre el terreno y la votación por consenso
- Pruebas médicas adicionales
- Detección de enfermedades con visión por ordenador
- (Opcional) Descarga de su cuaderno, descarga de su espacio de trabajo y actualización de su espacio de trabajo
- Acerca del AutoGrader
- Diagnóstico médico de radiografías de tórax con aprendizaje profundo
UNIDAD 2 - Evaluación de modelos · 14 leccionesIA para el diagnóstico médico - UNIDAD 2 - Evaluación de modelos
UNIDAD 2 - Evaluación de modelos · 14 lecciones
IA para el diagnóstico médico - UNIDAD 2 - Evaluación de modelos
- Sensibilidad, especificidad y métricas de evaluación
- Precisión en términos de probabilidad condicional
- Sensibilidad, especificidad y prevalencia
- VPP, VPN
- Matriz de confusión
- Cálculo del VPP en términos de sensibilidad, especificidad y prevalencia
- Curva ROC y umbral
- Variar el umbral
- Curva ROC y umbral
- Muestreo de la población total
- Intervalos de confianza
- intervalo de confianza del 95
- Evaluación de modelos de aprendizaje automático
- Evaluación de los modelos de diagnóstico
UNIDAD 3 - Segmentación de imágenes en imágenes de resonancia magnética · 20 leccionesIA para el diagnóstico médico - UNIDAD 3 - Segmentación de imágenes en imágenes de resonancia magnética
UNIDAD 3 - Segmentación de imágenes en imágenes de resonancia magnética · 20 lecciones
IA para el diagnóstico médico - UNIDAD 3 - Segmentación de imágenes en imágenes de resonancia magnética
- Segmentación de imágenes médicas
- Explorar datos y etiquetas de IRM
- Datos de resonancia magnética y registro de imágenes
- Segmentación
- Extraer una subsección
- Redes neuronales convolucionales
- u-Net 2D y U-Net 3D
- Más información sobre U-Net (opcional)
- Modelo U-Net
- Aumento de datos para la segmentación
- Función de pérdida para la segmentación de imágenes
- Diferentes poblaciones y tecnología de diagnóstico
- Validación externa
- Medir los resultados de los pacientes
- Segmentación en médicos magos
- [IMPORTANTE] Recordatorio sobre el fin del acceso a los cuadernos de laboratorio
- Autosegmentación de tumores cerebrales para imágenes por resonancia magnética (IRM)
- ¡Felicidades!
- Agradecimientos
- Citas
UNIDAD 4 - Modelos pronósticos lineales · 20 leccionesIA para pronósticos médicos - UNIDAD 4 - Modelos pronósticos lineales
UNIDAD 4 - Modelos pronósticos lineales · 20 lecciones
IA para pronósticos médicos - UNIDAD 4 - Modelos pronósticos lineales
- Curso 2 Introducción con Andrew y Pranav
- Requisitos previos y resultados del aprendizaje
- ¡Join the DeepLearning.IA Forum to ask questions, get support, or share amazing ideas!
- Pronóstico médico
- Crear un modelo lineal
- Ejemplos de tareas de pronóstico
- Fibrilación auricular
- Mortalidad por enfermedad hepática
- Riesgo de cardiopatías
- Puntuaciones de riesgo, Pandas y Numpy
- Cálculo de la puntuación de riesgo
- Combinar características
- Evaluación de los modelos de pronóstico
- Pares concordantes, riesgo de empate, pares admisibles
- Índice C
- Índice de concordancia
- Modelos de pronóstico
- (Opcional) Descarga de su cuaderno, descarga de su espacio de trabajo y actualización de su espacio de trabajo
- Acerca del AutoGrader
- Construir y evaluar un modelo de riesgo lineal
UNIDAD 5 - Pronóstico con modelos basados en árboles · 20 leccionesIA para pronósticos médicos - UNIDAD 5 - Pronóstico con modelos basados en árboles
UNIDAD 5 - Pronóstico con modelos basados en árboles · 20 lecciones
IA para pronósticos médicos - UNIDAD 5 - Pronóstico con modelos basados en árboles
- Árboles de decisión para el pronóstico
- Árboles de decisión
- Dividir el espacio de entrada
- Construir un árbol de decisión
- Cómo solucionar el sobreajuste
- Clasificador de árbol de decisión
- Datos de supervivencia
- Diferentes distribuciones
- Ejemplo de datos ausentes
- Desaparecido completamente al azar
- Desaparecidos al azar
- Falta No al azar
- Datos que faltan y aplicación de una máscara
- Imputación
- Imputación de la media
- Imputación de regresión
- Calcular valores imputados
- Imputación
- Árboles de decisión, datos perdidos e imputación
- Modelos de riesgo utilizando modelos basados en árboles
UNIDAD 6 - Modelos de supervivencia y tiempo · 20 leccionesIA para pronósticos médicos - UNIDAD 6 - Modelos de supervivencia y tiempo
UNIDAD 6 - Modelos de supervivencia y tiempo · 20 lecciones
IA para pronósticos médicos - UNIDAD 6 - Modelos de supervivencia y tiempo
- Modelos de supervivencia
- Función de supervivencia
- Funciones de supervivencia válidas
- Recopilación de datos temporales
- Cuando no se observa una embolia
- Datos sobre ataques cardíacos
- Censura correcta
- Estimación de la función de supervivencia
- Morir inmediatamente o no morir nunca
- En algún punto intermedio
- Recuento de pacientes
- Utilización de datos censurados
- Regla en cadena de la probabilidad condicional
- Derivar la supervivencia
- Cálculo de probabilidades a partir de los datos
- Comparación de estimaciones
- Estimación de Kaplan Meier
- Kaplan Meier
- Supervivencia
- Estimaciones de supervivencia que varían con el tiempo
UNIDAD 7 - Construir un modelo de riesgo utilizando modelos lineales y basados en árboles · 33 leccionesIA para pronósticos médicos - UNIDAD 7 - Construir un modelo de riesgo utilizando modelos lineales y basados en árboles
UNIDAD 7 - Construir un modelo de riesgo utilizando modelos lineales y basados en árboles · 33 lecciones
IA para pronósticos médicos - UNIDAD 7 - Construir un modelo de riesgo utilizando modelos lineales y basados en árboles
- Funciones de peligro
- Peligro
- Supervivencia al peligro
- Peligro acumulativo
- Variables categóricas
- Predicciones individualizadas
- Riesgo relativo
- Clasificación de los pacientes según su riesgo
- Riesgo individual frente a riesgo de base
- Fumador frente a no fumador
- Efecto de la edad en el peligro
- Aumento del factor de riesgo por unidad de aumento de una variable
- Factor de riesgo Aumento o disminución
- Función de riesgo
- Introducción a los árboles de supervivencia
- Árbol de supervivencia
- Nelson Aalen Estimador
- Comparación de riesgos de los pacientes
- Puntuación de mortalidad
- Evaluación del modelo de supervivencia
- Parejas permitidas y no permitidas
- Posibles parejas admisibles
- Ejemplo del índice C de Harrell
- Ejemplo de pares concordantes
- Resumen de la semana 4
- Pares admisibles con censura y tiempo
- Semana 4
- [IMPORTANTE] Recordatorio sobre el fin del acceso a los cuadernos de laboratorio
- Riesgos proporcionales de Cox y bosques de supervivencia aleatorios
- ¡Felicidades!
- ¡Enhorabuena por terminar el curso 2!
- Agradecimientos
- Citas
UNIDAD 8 - Estimación del efecto del tratamiento · 21 leccionesIA para tratamiento médico - UNIDAD 8 - Estimación del efecto del tratamiento
UNIDAD 8 - Estimación del efecto del tratamiento · 21 lecciones
IA para tratamiento médico - UNIDAD 8 - Estimación del efecto del tratamiento
- Introducción al curso 3 con Andrew y Pranav
- Sobre el curso 3
- ¡Join the DeepLearning.IA Forum to ask questions, get support, or share amazing ideas!
- Reducción absoluta del riesgo
- Ensayos controlados aleatorios
- Pandas para un conjunto de datos médicos
- Aclaraciones sobre la próxima inferencia causal
- Inferencia causal
- Efecto medio del tratamiento
- Efecto medio condicional del tratamiento
- T-Learner
- S-Learner
- Fundamentos del entrenamiento/ajuste de modelos con Sklearn
- Evaluar el efecto del tratamiento individualizado
- C-por-beneficio
- Cálculo C-por-beneficio
- Interpretación del modelo de regresión logística
- Medición de los efectos del tratamiento
- (Opcional) Descarga de su cuaderno, descarga de su espacio de trabajo y actualización de su espacio de trabajo
- Acerca del AutoGrader
- Estimación del efecto del tratamiento mediante aprendizaje automático
UNIDAD 9 - Respuesta a preguntas médicas · 15 leccionesIA para tratamiento médico - UNIDAD 9 - Respuesta a preguntas médicas
UNIDAD 9 - Respuesta a preguntas médicas · 15 lecciones
IA para tratamiento médico - UNIDAD 9 - Respuesta a preguntas médicas
- Respuesta a preguntas médicas
- Manejo de palabras con significados múltiples
- Definir la respuesta en un texto
- Texto de limpieza
- Extracción automática de etiquetas para imágenes médicas
- Sinónimos de Etiquetas
- Relaciones Is-a para las etiquetas
- Presencia o ausencia de una enfermedad
- El formato BioC y la biblioteca NegBio
- Evaluación de la extracción de etiquetas
- Precisión, Recall y Puntuación F1
- Evaluar en múltiples categorías de enfermedad
- Preparación de la entrada para la clasificación de textos
- Extracción de información con PNL
- Extracción de entidades en lenguaje natural
UNIDAD 10 - Interpretación ML · 18 leccionesIA para tratamiento médico - UNIDAD 10 - Interpretación ML
UNIDAD 10 - Interpretación ML · 18 lecciones
IA para tratamiento médico - UNIDAD 10 - Interpretación ML
- Método de la columna de caída
- Método de permutación
- Método de permutación
- Importancia individual de las características
- Valores Shapley
- Combinar importancias
- Valores de Shapley para todos los pacientes
- Interpretación de los modelos CNN
- Introducción a GradCAM (1ª parte)
- Mapas de localización
- Mapas de calor
- GradCAM: Continuación (2ª parte)
- Interpretación ML
- [IMPORTANTE] Recordatorio sobre el fin del acceso a los cuadernos de laboratorio
- Interpretación ML
- Agradecimientos
- Citas
- (Opcional) Oportunidad de ser mentor de otros alumnos
Certificado oficial
Certificado con validez SEP: lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
10 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
10 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Certificado SEP incluido (sin costo). Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por DeepLearning.AI.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 10 unidades · 211 lecciones · 144 h
- 12 meses de acceso
- 10 cuestionarios de evaluación
- Certificado SEP incluido (sin costo), emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por DeepLearning.AI; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
¿El curso tiene validez SEP?
Sí, incluido sin costo. Al completar el curso recibes un certificado emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
¿El curso tiene tutor o clases en vivo?
No. Es un curso autodidacta: estudias por tu cuenta, a tu ritmo, sin tutor ni sesiones en vivo.
¿Cómo se evalúa?
Te evalúas con actividades automáticas, sin entregas a un tutor.
