Ciencia y Tecnología
Salud
Microcredenciales
Análisis avanzado de datos de experimentación mediante ML e IA

Análisis avanzado de datos de experimentación mediante ML e IA

08.Mayo - 05. Jun, 2026 Cód. 449-26

Descripción

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.

Leer más

Objetivos

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)

Leer más

Resultados del aprendizaje y tipo de logro

  • 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

Leer más

Requisitos previos de acceso y criterios de admisión

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).

Leer más

Nivel de la experiencia de aprendizaje según marco de cualificaciones 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.

Marcos competenciales ESCO, European Skills, Competences, Qualifications and Occupations

http://data.europa.eu/esco/isced-f/058

Programas y certificaciones interdisciplinarios relacionados con las ciencias naturales, matemáticas y estadística

Pruebas evaluación

  • Evaluaciones Prácticas: 4.Tareas (Ejercicios prácticos)

Público objetivo al que está dirigida la actividad

  • Profesionales de la salud e ingeniería que trabajan en investigación e innovación tecnológica

Organiza

  • EHU
  • Tecnalia eta UPV/EHUk bultzatuta

Colabora

  • Next Generation
  • Ministerio de ciencia, innovación y universidades
  • Plan de recuperación, transformación y resiliencia
  • Eusko Jaurlaritza/ Gobierno Vasco

Directoras/es

Aitziber Atutxa Salazar

Euskal Herriko Unibertsitatea

Aitziber Atutxa Salazar es ingeniera informática por la Universidad de Deusto (1995), es doctora en Informática por la UPV/EHU (2014) y obtuvo un doble máster en Lingüística Teórica y Computacional por la Universidad de Maryland (2000). Ha obtenido diversas becas competitivas. Desde 2001 forma parte del grupo IXA, (hoy integrado en HiTZ), donde investiga en Procesamiento del Lenguaje Natural (PLN). Tiene dos sexenios de investigación y es autora de más de 15 artículos en revistas JCR (Q1–Q2) y 30 contribuciones en congresos internacionales. Ha participado en más de 30 proyectos regionales, nacionales y europeos. Su investigación se centra en la aplicación del PLN al ámbito médico. Ha liderado colaboraciones HiTZ-BioCruces, así como un proyecto nacional financiado por MINECO. En transferencia, ha colaborado con entidades como Elhuyar e IOMED. Es miembro de la junta de la Sociedad Española Procesamiento del Lenguaje Natural y es editora de su revista (FECYT, JCR-ESCI). Codirige ocho tesis doctorales, una de ellas en medicina. Es actualmente docente de las asignaturas Sistemas de Apoyo a la Decisión y Técnicas de Inteligencia Artificial.

Ponentes

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.

Precios matrícula

No cabra devolución de la matrícula en el caso de haberse iniciado la impartición de la microcredencial.


MatrículaHasta 06-05-2026
55,72 EUR
SeguroHasta 06-05-2026
4,00 EUR

Lugar

Online

Online

Objetivos de desarrollo sostenible

Desde UIK queremos aportar a la consecución de los Objetivos de Desarrollo Sostenible (ODS) 2030. Para ello, hemos identificado a qué objetivos contribuyen nuestros programas. Puedes consultar los objetivos a continuación.

La Agenda 2030 es la nueva agenda internacional de desarrollo que se aprobó en septiembre de 2015 en el seno de Naciones Unidas. Esta Agenda pretende ser un instrumento para la lucha a favor del desarrollo humano sostenible en todo el planeta, cuyos pilares fundamentales son la erradicación de la pobreza, la disminución de las vulnerabilidades y las desigualdades, y el fomento de la sostenibilidad. Es una oportunidad única para transformar el mundo antes del 2030 y garantizar los derechos humanos para todas las personas. Esta agenda marca 17 objetivos.

Objetivos de desarrollo sostenible

9 - Industria, innovación e infraestructura

Construir infraestructuras resilientes, promover la industrialización inclusiva y sostenible y fomentar la innovación. Cuestiones clave: infraestructuras fiables, sostenibles, resilientes y de calidad, industrialización inclusiva y sostenible, modernización, tecnologías y procesos industriales limpios y ambientalmente racionales, investigación científica y mejora de la capacidad tecnológica, acceso universal a las TIC.

Más información
9. Industria, innovación e infraestructura