Pla docent de l'assignatura

 

 

Català Castellano English Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Informàtica Biomèdica

Codi de l'assignatura: 571471

Curs acadèmic: 2019-2020

Coordinació: Alexandre Perera Lluna

Departament: Facultat de Física

crèdits: 2,5

Programa únic: S

 

 

Hores estimades de dedicació

Hores totals 62.5

 

Activitats presencials i/o no presencials

28

 

-  Teoria

Presencial

 

12

 

-  Teoricopràctica

Presencial

 

6

 

-  Pràctiques d'ordinadors

Presencial

 

10

Treball tutelat/dirigit

10

Aprenentatge autònom

24.5

 

 

Recomanacions

 

Assistència

El curs es dividirà en classes magistrals teòriques (assistència obligatòria mínima del 80 %), debats actius, exercicis pràctics individuals i en equip (assistència obligatòria a totes les presentacions) i sessions pràctiques al laboratori (assistència obligatòria a totes les sessions).

 

 

Competències que es desenvolupen

 

Competències específiques

— Capacitat per analitzar bases de dades biomèdiques.

— Capacitat per analitzar bases de dades grans.

— Coneixements de Python i R per treballar en informàtica biomèdica.

— Capacitat per comprendre i fer servir sistemes informàtics i de comunicació en sistemes de salut.

— Capacitat per saber fer mesuraments, càlculs, valoracions, avaluacions, informes i auditories en l’àmbit de la salut.


Competències generals

— Capacitat per treballar en equip.

— Capacitat per adaptar-se a contextos que evolucionen amb rapidesa.

— Capacitat per treballar en contextos multilingües i per explicar conceptes complexos amb suficiència i claredat.

— Capacitat per treball en equips multidisciplinaris.

 

 

 

 

Objectius d'aprenentatge

 

Referits a coneixements

— Entendre els problemes que presenten les bases de dades voluminoses.

— Aprendre sobre llenguatges de programació per a l’enginyeria biomèdica.

— Aprendre sobre llenguatges de programació per a la bioestadística.

— Conèixer la metodologia d’R+D utilitzada en empreses i centres de recerca científica i tecnològica públics i privats.

 

Referits a habilitats, destreses

— Adquirir habilitats que permetin accedir a bases de dades biomèdiques fent servir el Python o l’R.

— Aprendre a interpretar grans bases de dades clíniques.

— Aprendre a utilitzar equips informàtics en sistemes de gestió de dades sanitàries.

 

 

Blocs temàtics

 

1. Introducció

*  
— Sanitat i societat de la informació
— Bases dades en entorns mèdics
— Què són les dades massives?
— Dades massives en enginyeria biomèdica
— Eines per a la gestió de dades massives i grans conjunts de dades

2. Introducció a l’R

*  
— Introducció i història
— Tipus de dades (incloent-hi objectes DataFrame)
— Manipulació d’objectes DataFrame
— La funció plot
— Introducció a l’anàlisi estadística en R
— Introducció a l’anàlisi de dades de panell en R

3. Introducció al Python

*  
— Introducció i història
— Tipus de dades en Python: mutabilitat i immutabilitat
— Estructures de control
— Classes de Python

4. Introducció al Python científic

*  
— Introducció i història
— Introducció a la NumPy
— Introducció a l’SciPy
— Aprenentatge automàtic amb l’SciPy
— Anàlisi del rendiment

5. Accés a les bases de dades

*  
— Bases de dades relacionals: estructura i accés
— Bases de dades multidimensionals
— Optimització
— Accés paral·lel
— Agregació d’informació
— Noves arquitectures de bases de dades: bases de dades NoSQL

6. Integració

*  
— Accés a bases de dades en Python
— DB-API
— Accés a bases de dades NoSQL en Python
— Integració amb l’R i elPython

 

 

Metodologia i activitats formatives

 

L’assignatura es divideix en dues parts. En la primera es fan un seguit de sessions teòriques, des d’un nivell introductori fins a un nivell avançat, sobre l’ús del Python (també en la versió científica) i l’R i sobre la interacció dels dos llenguatges en els sistemes de bases de dades. L’alumnat ha de llegir articles científics, escriure’n ressenyes i presentar articles seleccionats de l’àmbit de la mineria de dades biomèdiques. Així mateix, s’espera que participi i intervingui en els debats a classe. Les classes són sobretot pràctiques, amb sessions interactives dedicades a fer petits exercicis per anar abordant gradualment el procés de mineria de dades. Aquesta primera part ocupa la meitat de la docència de l’assignatura.

La segona part se centra en el desenvolupament d’un projecte de recerca. Es tracta de dissenyar una anàlisi programàtica d’un conjunt de dades biomèdic molt extens (en termes de dades massives) en un format de repte obert. El projecte es fa en grups i cal fer servir les tècniques de mineria de dades adquirides, com ara l’estadística i la visualització, integrant-les amb el Python, el Python científic i l’R per extreure informació rellevant de la base de dades.

 

 

Avaluació acreditativa dels aprenentatges

 

L’avaluació de l’assignatura es basa en els aspectes següents:

— Aprenentatge dirigit i autònom: 66 % de la nota final.

— Presentacions orals: 34 %.

Reavaluació

Qualsevol estudiant pot presentar-se a la reavaluació, que consisteix en un únic examen escrit. Abans, però, cal renunciar a la nota obtinguda prèviament, si és el cas; la qualificació d’aquest examen de reavaluació substituirà l’anterior.

 

Avaluació única

L’avaluació única segueix el format que dicta la normativa de la UB. L’estudiant que vulgui acollir-se a l’avaluació única ha de sol·licitar-ho mitjançant el formulari corresponent durant les dues primeres setmanes de classe.

En l’avaluació única cal lliurar totes les tasques encomanades durant el curs.

Cal també fer un examen final, el mateix dia que té lloc l’examen d’avaluació continuada. La durada de la prova, però, és superior per a l’alumnat d’avaluació única.