Última actualización: 03/03/2025


Curso Académico: 2025/2026

IA en Salud
(20228)
Grado en Inteligencia Artificial (Plan: 555 - Estudio: 506)


Coordinador/a:

Departamento asignado a la asignatura:

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Resultados del proceso de formación y aprendizaje
K3: Determinar la mejor forma de representar el conocimiento, usando formalismos basados en la lógica, aplicando los fundamentos de la gestión y procesamiento de datos, incluyendo el almacenamiento y procesamiento, la gestión de los metadatos, la gestión eficiente de flujos continuos y la gobernanza de sistemas complejos de datos, garantizando la privacidad, seguridad e integridad de los datos de acuerdo con las normativas y regulaciones en vigor, con alto rigor ético, responsabilidad social y teniendo en cuenta su viabilidad en problemas que involucren cualquier tipo de tratamiento en grandes volúmenes de datos K6: Determinar los principios fundamentales y modelos de computación, los fundamentos teóricos de lenguajes de programación y técnicas de procesamiento léxico, sintáctico y semántico asociadas, las estrategias algorítmicas y los paradigmas y técnicas propias de los sistemas inteligentes y del aprendizaje computacional necesarios para la resolución de problemas en cualquier ámbito de aplicación, como son computación, percepción y actuación en ambientes o entornos inteligentes, adquisición formalización y representación del conocimiento humano, sistemas interactivos y de presentación de información compleja, interacción persona-computador, entornos de aprendizaje computacional y de extracción automática de información o conocimiento a partir de grandes volúmenes de datos K7: Demostrar conocimiento de la normativa y regulación de la inteligencia artificial en ámbitos nacional, europeo e internacional para la resolución de los problemas de inteligencia artificial relacionados con la empresa de acuerdo con los principios, estándares y normativas vigentes K8: Determinar las necesidades en sistemas de información y comunicación de una organización atendiendo a aspectos de seguridad y cumplimiento de la normativa y legislación vigente, evaluación de riesgos, gestión de calidad e innovación tecnológica para satisfacer sus necesidades tanto en la toma de decisiones como en los procesos empresariales que permitan alcanzar sus objetivos de forma efectiva y eficiente, dándoles ventajas competitivas S9: Desarrollar sistemas basados en conocimiento orientados a la resolución de problemas y toma de decisiones que requieran conducta inteligente, en problemas de clasificación supervisada y no supervisada, de búsqueda de relaciones de independencia condicional entre variables relacionadas, o que puedan percibir su entorno para la manipulación, navegación y planificación de su comportamiento, con cierto grado de autonomía C3: Evaluar cuáles son los métodos de minería de datos y de aprendizaje automático más adecuados para extraer información valiosa para las organizaciones que tenga en cuenta posibles problemas de calidad de los datos, sesgo algorítmico o de datos C5: Diseñar entidades y sistemas inteligentes que incorporen capacidades como la autonomía, la situación de su entorno, la reactividad y proactividad, el aprendizaje y habilidades sociales y organizativas, y con las arquitecturas e infraestructuras necesarias sobre las que ejecutar los sistemas basados en inteligencia artificial C6: Liderar proyectos de inteligencia artificial participando en el diseño, planificación, despliegue y dirección de estos, así como en la definición de condiciones técnicas de acuerdo con los principios de calidad, fiabilidad, legislación y normativas vigentes y a los principios éticos y la deontología de la inteligencia artificial C8: Diseñar soluciones que deriven conocimiento nuevo realizando inferencia o por medio de métodos de minería de datos o aprendizaje automático con metodologías robustas de aprendizaje y validación en problemas que involucren cualquier tipo de tratamiento de grandes volúmenes de datos C-OPT1: adaptar las soluciones basadas en inteligencia artificial a entornos de aplicación específicos, considerando la integración eficiente de estas soluciones dentro de las organizaciones que las consumen
Descripción de contenidos: Programa
1. Modelos probabilísticos multi-vista y heterogéneos. 2. Modelos probabilísticos para series temporales. 3. Procesos puntuales. 4. Modelos implícitos basados en redes neuronales. Todas estas técnicas se ilustrarán en problemas relevantes en salud tales como la psiquiatría computacional, microbiología, tratamiento de datos ómicos, y análisis de historia clínica electrónica entre otros.
Actividades formativas, metodología a utilizar y régimen de tutorías
A1: LECCIÓN MAGISTRAL. Lección de carácter teórico impartidas por el profesor en el aula ordinaria. Puede utilizar diferentes tecnologías de apoyo en su actividad expositiva como son presentaciones, vídeos, etc. y realizar actividades formativas de análisis, reflexión, debates de la información proporcionada, etc. 100% de presencialidad / A2: RESOLUCIÓN DE PROBLEMAS Y ESTUDIO DE CASOS EN AULA ORDINARIA. Actividad de carácter práctico (problemas guiados, tutoriales o trabajos en grupo) en aula ordinaria. Puede utilizar diferentes tecnologías de apoyo en su actividad expositiva como son presentaciones, vídeos, etc. y realizar actividades formativas de análisis, reflexión, debates de la información proporcionada, etc pero que no requiere de una infraestructura específica. 100% de presencialidad / A2bis: RESOLUCIÓN DE PROBLEMAS EN ENTORNO INFORMÁTICO: Actividad de carácter similar a la A2 pero se realiza en un entorno informático con hardware y software específico. 100% de presencialidad / A3: TRABAJO INDIVIDUAL DEL ESTUDIANTE: Es el trabajo individual del estudiante fuera del aula ¿presencial¿ y consiste en el estudio autónomo, resolución de ejercicios y problemas, trabajo individual, etc. 0% de presencialidad / A4: SESIONES DE LABORATORIOS. Actividades prácticas que los estudiantes llevan a cabo en un entorno de laboratorio, utilizando los recursos específicos necesarios y bajo la supervisión y control del profesor. En estas sesiones el número máximo de alumnos por Grupo es de 20 estudiantes. 100% de presencialidad / A5: EXAMEN FINAL Consiste en una prueba objetiva cuya finalidad es la verificación de la adquisición de los conocimientos, habilidades y destrezas de la asignatura. 100% de presencialidad M1: SEMINARIOS Y LECCIONES MAGISTRALES CON APOYO DE MEDIOS INFORMÁTICOS Y AUDIOVISUALES. / M2: APRENDIZAJE PRÁCTICO BASADO EN CASOS Y PROBLEMAS Y RESOLUCIÓN DE EJERCICIOS. / M3: TRABAJO INDIVIDUAL Y EN GRUPO O COOPERATIVO CON OPCIÓN A PRESENTACIÓN ORAL O ESCRITA. / M4: TUTORÍAS INDIVIDUALES Y EN GRUPO PARA RESOLUCIÓN DE DUDAS Y CONSULTAS SOBRE LA MATERIA.
Sistema de evaluación
  • Peso porcentual del Examen Final 60
  • Peso porcentual del resto de la evaluación 40




Convocatoria extraordinaria: normativa

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.