Análisis avanzado de datos de experimentación mediante ML e IA
Description
Este curso está diseñado para proporcionar a los asistentes el conocimiento y la capacidad de uso de herramientas digitales de Aprendizaje Automático (Machine Learning, ML) e Inteligencia Artificial en el contexto de las actividades de los laboratorios de investigación en biociencias, orientado a profesionales de la salud
Con este curso los participantes comprenderán cómo la digitalización agiliza procesos y mejora la toma de decisiones en los procesos de investigación e innovación mediante una presentación e introducción a las herramientas digitales (tipos, utilidad, posibilidades…) y la experiencia en Tecnalia de otros laboratorios.
Objectives
Conocer las posibilidades y el potencial de ML e IA para transformar la investigación científica tradicional y entender cómo estas herramientas están cambiando la innovación en biociencias.
Conocer los tipos de herramientas existentes, adquirir capacitación para identificar qué herramientas concretas pueden ayudar en cada una de las diferentes actividades y sentar las bases para su uso en:
-
Gestión de datos y bases para la digitalización
-
Automatización de tareas
-
Herramientas de análisis con ayuda de IA (grandes modelos de lenguaje, LLM)
Learning outcomes and type of achievement
-
El alumnado adquirirá la capacidad de entender y aplicar el Flujo de ML (entrenamiento/validación cruzada/interpretabilidad), procesado de datos, modelos de regresión y clasificación multivariable y optimización bayesiana, y ajuste y selección de modelos
-
El alumnado será capaz de analizar grandes volúmenes de datos y de extraer información de manera automática
-
El alumnado será capaz de entender los fundamentos de los grandes modelos de lenguaje (LLM) y de aplicarlos para la automatización de tareas
Access prerequisites and admission criteria
Este curso está dirigido a estudiantes de posgrado y profesionales de diversas disciplinas (química, biología, ingeniería, etc.) que necesitan comprender e implementar las herramientas básicas de ML e IA. El objetivo es brindar a los participantes la autonomía necesaria para resolver problemas prácticos mediante la comprensión e implementación de distintas herramientas digitales.
Edad requerida: entre 25 y 64 años (durante el periodo de la actividad).
Level of learning experience according to EQF European Qualifications Framework
Considerando los conocimientos impartidos, las habilidades prácticas desarrolladas y la metodología de Aprendizaje Basado en Problemas (PBL) orientada a la resolución de ejemplos reales, la experiencia de aprendizaje de este curso se corresponde con el Nivel 6 del Marco Europeo de Cualificaciones, referente al nivel de educación de grado o licenciatura universitaria.
ESCO, European Skills, Competences, Qualifications and Occupations competency frameworks
Programas y certificaciones interdisciplinarios relacionados con las ciencias naturales, matemáticas y estadística
Evaluation tests
- Practical evaluations: 4. Tasks: (Practical exercises)
Activity directed to
- Professionals
Organised by
In collaboration with
Directors
Aitziber Atutxa Salazar
Euskal Herriko Unibertsitatea
Aitziber Atutxa Salazar holds a degree in Computer Engineering from the University of Deusto (1995), a PhD in Computer Science from the University of the Basque Country (2014), and a dual Master’s degree in Theoretical and Computational Linguistics from the University of Maryland (2000). She has received several competitive scholarships. Since 2001, she has been a member of the IXA research group (now integrated into HiTZ), where she conducts research in Natural Language Processing (NLP). She has two recognized research evaluation periods (sexenios) and is the author of more than 15 articles in JCR-indexed journals (Q1–Q2) and 30 contributions to international conferences. She has participated in more than 30 regional, national, and european projects. Her research focuses on the application of NLP to the medical domain. She has led HiTZ-BioCruces collaborations, and a national project funded by MINECO. She has collaborated with organizations such as Elhuyar and IOMED. She is a board member of the Spanish Society for Natural Language Processing and serves as editor of its journal (JCR). She co-supervises eight PhD theses, one of them in medicine. Currently teaches Decision Support Systems and Artificial Intelligence Techniques.
Speakers
Iker de la Iglesia Martinez
Iker de la Iglesia (ORCID 0000-0002-4141-992X) es un ingeniero que se graduó con excelencia en la Universidad del País Vasco, obteniendo el título de Grado en Ingeniería Informática en Gestión y Sistemas de Información (2022) y recibiendo el Premio Extraordinario. Posee un Máster en Análisis y Procesamiento del Lenguaje (2024) y actualmente cursa un doctorado bajo un Contrato de Formación del Profesorado Universitario (FPU) del Ministerio de Ciencia, Innovación y Universidades (MICIU). Desde 2022 trabaja en el Centro HiTZ como investigador junior, contribuyendo a varios proyectos nacionales e internacionales en el ámbito del Procesamiento del Lenguaje Natural (PLN). Su investigación se centra en el dominio médico-clínico, con intereses en Inteligencia Artificial Explicable (XAI), medicina basada en la evidencia y, en particular, en la argumentación, incluida su generación y evaluación automáticas, explicabilidad y detección de evidencia. Ha generado conjuntos de datos relevantes en el dominio médico y ha organizado una tarea compartida relacionada con esta área. Su trabajo ha sido publicado en conferencias revisadas por pares y en revistas indexadas.
Miguel Esteras Bejar
Miguel Esteras Bejar es un investigador especializado en la convergencia de la Inteligencia Artificial y las ciencias de la vida. Es Doctor (Ph.D.) en Investigación en Medicina Clínica por el Imperial College London (2008-2012), donde investigó la reparación del ADN vinculada al cáncer y el envejecimiento mediante el análisis estadístico de grandes conjuntos de datos y espectrometría de masas. Complementa esta base con un Máster (MSc) en Ciencia de Datos por City, University of London (2016-2017). Es, además, Licenciado en Biología por la Universitat Autònoma de Barcelona. Profesionalmente, ejerce como Investigador Senior en Tecnalia (2019-actualidad), liderando el desarrollo de gemelos digitales y soluciones de IA en salud y energía. Previamente, fue Científico de Datos en el NHS Digital (Reino Unido), optimizando la gestión hospitalaria con modelos predictivos. Su trayectoria incluye estancias postdoctorales en el Medical Research Council y UCL. En el ámbito docente, ha sido Profesor Asociado en Cámara bilbao y posee la certificación QTS británica. Es bilingüe en español e inglés (C2).
Pedro Antonio Moreno Sánchez
TECNALIA Research & Innovation
Doctor en Ingeniería de Telecomunicación con especialización en Ingeniería Biomédica. Actualmente trabaja como Investigador Senior en Inteligencia Artificial en la unidad DIGITAL-CORE AI de Tecnalia Research & Innovation. Entre 2022 y 2024 fue Investigador Postdoctoral en la Universidad de Tampere (Finlandia), en el grupo Decision Support for Healthcare de la Facultad de Medicina y Tecnología Sanitaria, donde desarrolló docencia como profesor en asignaturas de grado y máster relacionadas con la IA aplicada a la salud, incluyendo “Decision Support in Health” y “Behavioral Health Informatics”. Durante este periodo participó como evaluador experto para la Comisión Europea en Horizonte Europa. Previamente fue investigador y experto en I+D+i en la Universidad de Ciencias Aplicadas de Seinäjoki y en la Fundación de Investigación Biomédica del Hospital Universitario de Getafe. Entre 2008 y 2016 desarrolló su actividad investigadora en la Universidad Politécnica de Madrid, donde también fue colaborador docente en asignaturas de Telemedicina y dirigió 5 trabajos de fin de máster y 2 de grado. Es autor principal de artículos en revistas JCR y ha participado en proyectos europeos y nacionales de I+D en el ámbito de IA aplicada a salud.
Registration fees
If the microcredential has already started there will be no refund of the enrolment fee.
| Registration | Until 06-05-2026 |
|---|---|
| 55,72 EUR |
| Insurance | Until 06-05-2026 |
|---|---|
| 4,00 EUR |
Venue
Online
Online
Sustainable development goals
Agenda 2030 is the new international development agenda approved in September 2015 by the United Nations. This agenda aims to be an instrument to favour sustainable human development all over the planet, and its main pillars are the eradication of poverty, a reduction in equality and vulnerability and fostering sustainability. It is a unique opportunity to transform the world up to 2030 and guarantee human rights for all.

9 - Industry, innovation and infrastructure
Build resilient infrastructures, promote inclusive and sustainable industrialisation and foster innovation. Key issues: reliable, sustainable, resilient and quality infrastructures, inclusive and sustainable industrialisation, modernisation, clean and environmentally rational industrial technologies and processes, scientific research and improvement of technological capabilities, universal access to ICTs.
More information