Curso uso de ciencia de los datos para el beneficio del deporte y la salud

Módulo I – Introducción a la ciencia de los datos y su uso en el análisis del rendimiento humano (8 horas)

• Introducción general.
• Conceptos de ciencias de datos, Big Data.
• Análisis en deporte y salud mediante ciencias de datos.
• Machine learning en deporte y salud.
• Tipos de machine learning (aprendizaje supervisado y no supervisado).
• Introducción al lenguaje R.
• Guía de instalación R y Rstudio.
• Conceptos básicos de R.
• Básicos de estadística: tipos de datos y tipos de estadística.
• Estadística y machine learning.
• Ejercicio práctico.
• Preprocesamiento de los datos: perspectiva desde el conocimiento, exploración de los datos, análisis univariable, análisis bivariado.
• Datos de entrenamiento, test.
• Métricas de validación: MSE, RMSE, MAE, Coeficiente R², p-value, intervalo de confianza, intervalo de predicción, gráfico Bland-Altman.
• Normalización de los datos, cross validation.
• Ejercicio práctico.

Módulo II – Bioinstrumentación y tecnologías wearables para el seguimiento en deporte y salud (8 horas)

• Bioinstrumentación, tecnologías wearable en deporte y salud.
• IMU`s.
• Electromiografia sEMG.
• Tratamiento de señales.
• Análisis de la frecuencia cardiaca.
• Programación en R lectura y tratamiento de una señal cruda de IMU y sEMG utilizando R.
• Ejercicio práctico: lectura y tratamiento de una señal cruda de ECG utilizando R.

Módulo III – Toma de datos utilizando tecnologías wearables (8 horas)

• Captura de movimientos humanos.

Módulo IV – Profundización en el uso del lenguaje R : Aprendizaje automático y modelización predictiva en el deporte y la salud (8 horas)

• Tipos de algoritmos: regresión y clasificación.
• Métodos de regresión.
• Regresión lineal simple.
• Regresión lineal múltiple.
• Métodos para la selección de predictores.
• Métodos de regularización (Ridge, Lasso).
• Reducción de dimensionalidad (PCR, PLS).
• Métricas de validación.
• Ejercicio práctico de resolución de un problema mediante regresión lineal en R.
• Redes neuronales.
• Arboles de decisión.
• Support vector machines (SVM).
• Ejercicio práctico de redes neuronales, árboles de regresión y SVM

Módulo V – Aplicación de las ciencias de datos a un caso relacionado en deporte o salud (8 horas)

• Desarrollo de un modelo de Machine Learning para que sea realizado durante el día y se presente en la tarde a partir de los datos tomados en el modulo 3.

El curso se desarrollará entre el 29 de julio y el 2 de agosto de 2024. Las clases se realizarán de lunes a viernes en el horario de 8:00 a.m. a 12:00 m. y 1:00 p.m. a 5:00 p.m., en el campus de la Escuela.

La Universidad Escuela Colombiana de Ingeniería, para sus programas de Educación Continuada, se reserva el derecho de cambiar sus conferencistas y fechas de realización, o cancelarlos de no contar con el número de personas requerido para tal fin. Lo anterior se informará a los interesados con antelación.