Artificial Intelligence in Medicine with Oracle Analytics

This microcredential focuses on the application of artificial intelligence and data analytics in the medical domain using Oracle Analytics. Throughout the course, learners will develop the ability to transform clinical information into actionable knowledge by integrating advanced techniques such as large language models (LLMs) for medical text processing, machine learning methods for predictive modeling, and visualization tools for interpreting results in healthcare contexts.

The program combines theoretical foundations with a practical, case-based approach, guiding participants through the entire analytical pipeline: from extracting clinical variables from unstructured text to building predictive models and developing interactive dashboards. Key aspects such as data quality, result interpretation, and the responsible use of artificial intelligence in healthcare are also addressed, promoting a critical, inclusive perspective oriented toward decision-making in clinical environments.

Learning outcomes and type of achievement

Resultado de aprendizaje 1:  Analizar datos clínicos y biomédicos utilizando herramientas de analítica de datos para identificar patrones relevantes en información sanitaria.

Tipo de logro:  Aplicación / Análisis

Resultado de aprendizaje 2:  Aplicar técnicas básicas de inteligencia artificial y procesamiento de información para transformar datos clínicos en información estructurada susceptible de análisis.

Tipo de logro:  Aplicación

Resultado de aprendizaje 3:  Preparar y transformar conjuntos de datos clínicos mediante herramientas de analítica de datos con el fin de construir modelos analíticos adecuados para su explotación.

Tipo de logro:  Aplicación / Procedimental

Resultado de aprendizaje 4:  Diseñar visualizaciones analíticas y paneles de control que permitan interpretar la evolución de indicadores clínicos mediante herramientas de análisis y visualización de datos.

Tipo de logro:  Aplicación / Síntesis

Resultado de aprendizaje 5:  Integrar técnicas de análisis de datos, inteligencia artificial y visualización analítica para desarrollar soluciones de análisis aplicadas al ámbito sanitario.

Tipo de logro:  Integración / Aplicación avanzada

Access prerequisites and admission criteria

La microcredencial está dirigida a titulados universitarios, estudiantes de últimos cursos de grado o máster y profesionales interesados en la aplicación de técnicas de inteligencia artificial y analítica de datos en el ámbito sanitario.

No se establecen requisitos formales estrictos de acceso. No obstante, se recomienda disponer de conocimientos básicos en alguno de los siguientes ámbitos: análisis de datos, informática, ingeniería, ciencias biomédicas o ciencias de la salud.

Asimismo, es recomendable tener familiaridad con el uso de herramientas informáticas y entornos digitales de trabajo.

En caso de que el número de solicitudes supere el número de plazas ofertadas, el proceso de admisión se propone realizar atendiendo al orden de inscripción y a la adecuación del perfil del solicitante a los objetivos formativos del curso.

Edad requerida: entre 25 y 64 años (durante el periodo de la actividad).

Level of learning experience according to EQF European Qualifications Framework

Nivel EQF 6

La experiencia de aprendizaje se sitúa en el nivel 6 del Marco Europeo de Cualificaciones (EQF), correspondiente al nivel de grado universitario, ya que desarrolla competencias de aplicación práctica de técnicas de inteligencia artificial y analítica de datos en el ámbito sanitario dirigidas a titulados universitarios y profesionales cualificados.

Nivel de la microcredencial:  Intermedio / Especialización aplicada

Methodology

The microcredential is based on an active learning methodology that combines elements of traditional teaching with innovative approaches focused on participation and practical application. The course integrates brief conceptual explanations with guided demonstrations and hands-on activities, allowing learners to immediately apply the knowledge acquired. The training is structured around a healthcare-related case study that acts as a guiding thread, enabling the progressive development of skills from clinical text processing to data analysis and visualization. Learning is promoted through direct experimentation, problem-solving, and the joint interpretation of results, encouraging the active participation of all participants. The use of professional tools such as Oracle Analytics and cloud-based artificial intelligence services introduces learners to real working environments. In addition, a critical, inclusive perspective oriented toward the responsible use of technology in healthcare is fostered.