Introducción a la inteligencia artificial en ciencias de la salud.2025.
Comprender el concepto integral de inteligencia artificial.
Director y dictante: Dr. José Carlos Villanueva.
Características: Formación inicial.
Actividades: Teórico-práctico.
Modalidad: Presencialidad remota.
Días y horario: Lunes y Viernes de 9 a 12 hs.
Fecha de inicio: 19/05/2025.
Fecha de finalización: 30/05/2025.
Cronograma:
19/05.Conceptos básicos de inteligencia artificial.Clase sincrónica y análisis de artículos científicos.Villanueva José Carlos .5 hs en total.
(3hs de clase remota. 2 hs de análisis de artículos científicos).
23/05.Redes neuronales convolucionales.Clase sincrónica y análisis de artículos científicos Villanueva José Carlos.5 hs en total.
(3hs de clase remota. 2 hs de análisis de artículos científicos)
26/05.LLM Inteligencia artificial generativa.Clase sincrónica y análisis de artículos científicos.Villanueva José Carlos.5 hs en total.
(3hs de clase remota. 2 hs de análisis de artículos científicos)
30/05.Resolución de casos prácticos.Clase sincrónica y práctica en modelos de inteligencia artificial disponibles en libre acceso Villanueva José Carlos 5 hs en total.(3hs de clase remota. 2 hs de análisis de artículos científicos).
Carga horaria: 20 horas.
Requerimientos tecnológicos para clases sincrónicas:
● Dispositivo de audio: micrófono incorporado o externo para que los estudiantes y el profesor puedan comunicarse.
● Dispositivo de video: cámara web incorporada o externa para que el profesor y los estudiantes puedan verse.
● Conexión a internet: una conexión de alta velocidad y confiable.
● Plataforma de videoconferencia: Google Meet.
● Software de colaboración: Cuenta configurada de Google para tener acceso a los servicios gratuitos de diferentes modelos de Inteligencia Artificial.
● Contar con conexión a Internet de banda ancha, al menos 1 Mbps (1000 Kbps). Link para corroborar en línea la velocidad de Internet https://fast.com/es/. Sugerir a los cursantes probar la conexión antes de ingresar tanto a las actividades sincrónicas.
● Utilización de la plataforma de aprendizaje Kahoot para la confección de cuestionarios interactivos en tiempo real.
Unidad 1. Conceptos fundamentales de inteligencia artificial: Aprendizaje automático. Aprendizaje supervisado, no supervisado y por refuerzo. Aprendizaje profundo (Deep learning). Tipos de inteligencia artificial: Visión por computadora (modelos de clasificación, detección, segmentación, pose). Modelos generativos (LLM, GAN, Difusión). Equipamientos necesarios para el uso y entrenamiento de modelos de IA. Procesamiento en CPU vs GPU.
Unidad 2. Redes neuronales. Historia de las Redes Neuronales. Perceptrón. Componentes de una red neuronal. Funciones de Activación. Funciones de optimización. Redes neuronales Convolucionales (CNNs). Componentes de una CNN: convolución, pooling, flatten, capas fully-connected, dropout, batch-normalization. Redes CNN para clasificación-detección-segmentación y pose. Red YOLO. Transfer Learning. Data augmentation. Aplicación en el análisis de imágenes médicas.
Unidad 3. Inteligencia artificial generativa. Modelos de lenguajes extensos (LLM). GPT-4o, Gemini, LlaMa. Concepto de token. Métodos de tokenización. Ingeniería de promt. Parámetros para controlar la selección de tokens: Temperatura, top-K y top-P. LLM optimizados para ciencias de la salud: Med-PALM2 (Med-Gemini).
Unidad 4. Entrenamiento de una red neuronal. Introducción al manejo de software necesarios para la instalación y entrenamiento de modelos de inteligencia artificial: Label Studio, Ollama, Anything LLM, Pinokio, Anaconda( Phyton, Jupiter Notebooks), Google Colab.
Graduado de carreras universitarias vinculadas a las ciencias de la salud.
En cada clase se expondrán los contenidos conceptuales mediante presentación en power point. A continuación, se mostrarán contenidos procedimentales con ejemplos ejecutados en tiempo real en modelos de inteligencia artificial.
Metodología de evaluación: Se evaluarán los contenidos actitudinales a través del análisis crítico de artículos científicos publicados sobre inteligencia artificial en ciencias de la salud. Para la evaluación de cada unidad, se utilizarán formularios interactivos en la plataforma Kahoot. Serán requisitos exigibles para la aprobación de este curso de posgrado, obtener 7 puntos como mínimo en la evaluación final mediante formulario de opción múltiple de Google Forms y asistir al 85% de las actividades, contándose además con una instancia de recuperación, si fuese necesaria por razones debidamente fundadas.
Aranceles y Formas de Pago
Cuota única de $50.000
-
Cuota única de $50.000