A transformación dixital é unha realidade imparable. O seu impacto é global e transversal a calquera ámbito de coñecemento. Ademais, se falamos do ámbito da saúde e a lonxevidade, podemos destacar os potenciais beneficios que a aplicación da intelixencia artificial (IA) pode ter no diagnóstico e a intervención sanitaria e socio-sanitaria. Técnicas avanzadas de análises posibilitan aplicacións no ámbito clínico e asistencial como a predición de patróns, detección non invasiva de trastornos cognitivos e/o conductuales, déficit de atención, medicina personalizada etc. O proceso de innovación e dixitalización no que estamos inmersos, provocado por unha imparable transformación dixital, marcará o currículo formativo e as necesidades de aprendizaxe permanente da competencia profesional a curto e medio prazo. Este proceso fai máis importante que nunca formarse e coñecer as posibilidades que ofrece a IA neste campo. Este curso busca reflexionar sobre como impactar a través das deep technologies no sector da saúde e da lonxevidade, introducindo as posibilidades de aplicación da IA para mellorar a eficiencia da avaliación nos trastornos de saúde e na cronicidade, e mellorando a alfabetización en saúde dixital de alumnado de doutoramento e profesorado. O presente curso inscríbese no Senior Innovation Lab, unha experiencia educativa no ámbito das persoas maiores, que combina traballo presencial e en liña, buscando favorecer a adquisición de coñecementos e ferramentas de innovación por parte do alumnado e profesorado da USC para desenvolver novas solucións aos distintos retos e oportunidades dunha sociedade envellecida. Para o desenvolvemento de solucións innovadoras empregamos unha aprendizaxe baseada en retos, traballando directamente con entidades do sector, e empregando metodoloxías de innovación áxil como design thinking e lean start-up. O curso está organizado polo proxecto Innov4Life, dentro da 3ª convocatoria do programa Interreg Poptep.
Location
Santiago
Modality
Presencial
Duration
Face-to-face hours: 12
Work hours: 13
Total: 25
Matrícula en la actividad
14/11/2024 - 29/11/2024
Desarrollo de la actividad
03/12/2024 - 17/12/2024
Profesor/a
Sonia Maria Valladares Rodriguez
Profesor/a
María Femenías Hermida
Group | Place | Dates | Schedule |
---|---|---|---|
Deep Technologies nos eidos da saúde e a lonxevidade | Aula de formación da EDIUS, Edificio CEA, Parque de Vista Alegre | presencial 3 e 10 de decembro de 2024, e online 17 de decembro de 2024 | de 16:00 a 20:00h |
C1: Coñecemento de materias e tecnoloxías básicas que permitan aprender e desenvolver novos métodos e tecnoloxías, así como as que lles doten de versatilidade para adaptarse a novas situacións.
C2: Capacidade para resolver problemas no ámbito das tecnoloxías asistivas con creatividade, iniciativa, metodoloxía e razoamento crítico.
C3: Coñecer as técnicas de intelixencia artificial utilizadas en tecnoloxías asistivas e saber utilizalas en aplicacións no campo.
C4: Utilizar e implementar métodos de recoñecemento de patróns e aprendizaxe computacional na análise de datos sensoriais e a toma de decisións.
C5: Capacidade de análise e síntese.
C6: Capacidade de traballo individual e en grupo, con actitude autocrítica.
C7: Capacidade para resolver problemas mediante a aplicación integrada dos seus coñecementos.
Sesión 1 (presencial, 4h de formación):
(15') Introdución ao concepto de IA.
(45') Conceptos básicos: IA, Big Data, Machine Learning, Deep Learning etc.
(1h) Introdución ao concepto de analítica preditiva.
(2h) Ferramentas tecnolóxicas para a análise preditiva: Scikit-learn1, Tableau2, Power BI3 etc.
Sesión 2 (presencial, 4h de formación):
(3h) Exemplos prácticos de aplicación da analítica preditiva no ámbito sanitario.
(1h) Aspectos éticos da aplicación da IA no ámbito da saúde e a lonxevidade.
Sesión 3 (en liña, 4h de formación):
(1h) Introdución ó concepto de deseño centro no usuario (2h)
(2h) Exemplos prácticos de aplicación da analítica preditiva no ámbito da lonxevidade.
(1h) Posta en común e desenvolvemento de proxectos.
1. Avaliación de Coñecementos Teóricos (30%)
2. Avaliación práctica de habilidades técnicas (50%)
3. Avaliación de Competencias Transversais (20%)
Resultados Esperados
Ao finalizar o curso, os estudantes deberían ser capaces de:
- Comprender e aplicar os conceptos básicos da IA e da analítica preditiva no contexto da saúde.
- Utilizar ferramentas tecnolóxicas para a análise preditiva e tomar decisións fundamentadas.
- Demostrar un enfoque ético e centrado no usuario no deseño de solucións.
- Traballar tanto individualmente como en equipo, con capacidade de autocrítica e resolución de problemas complexos.
Sonia María Valladares-Rodríguez , ORCID: 0000-0003-1195-9949
Doutora pola Universidade de Vigo coa tese “Detección precoz del deterioro cognitivo mediante técnicas de gamificación, aprendizaje máquina y herramientas tic”. Profesora contratada doutora na Escola Politécnica Superior de Enxeñaría da Universidade de Santiago de Compostela (USC). Investigadora responsable na USC no proxecto DeepINVENTHEI (https://eit-hei.eu/projects/deep-inventhei/).
María Femenías Hermida
Graduada en Robótica pola Universidade de Santiago de Compostela, actualmente estudante de máster en Data Science pola Universitat Oberta de Catalunya. Investigadora colaboradora na USC no proxecto DeepINVENTHEI (https://eit-hei.eu/projects/deep-inventhei/).