IA en Saúde / AI in Health

Código:
Acrónimo: AIH
Nome: IA en Saúde / AI in Health
Centro: E. S. de Enxeñaría Informática
Titulación: Máster Universitario en Intelixencia Artificial
Curso: 2º Curso
Período: Primeiro cuadrimestre
Tipo: Optativa
Créditos: 3
Resultados de aprendizaxe:

– Coñecer, comprender e analizar o ciclo de vida, os modelos e as metodoloxías existentes dentro do ámbito da intelixencia artificial que permitan deseñar e implementar planificacións fiables e eficientes para o desenvolvemento de sistemas intelixentes
– Coñecer as posibilidades de financiamento público e privado para actividades de investigación no ámbito de tecnoloxías innovadoras e de fronteira.
– Coñecer e analizar aplicacións reais das metodoloxías e técnicas de enxeñaría do software aplicadas á IA. Saber empregar técnicas e ferramentas de apoio á planificación e xestión de proxectos e de riscos.
– Ser capaz de expor un plan completo para un proxecto de I+D+i en IA e coñecer os mecanismos de xestión e internacionalización dos resultados.
– Coñecer as implicacións de movementos como Open Access, Science and Data e os beneficios de facilitar a participación da sociedade na ciencia e a innovación (RRI).
– Desenvolver unhas habilidades sólidas para crear modelos complexos que permitan diagnósticos personalizados e predición de tendencias clínicas, baseados en fontes heteroxéneas.
– Coñecer os diferentes estándares para o tratamento de datos no ámbito sanitario e desenvolver a capacidade de integralos en proxectos de IA. Coñecer as técnicas de integración de AI en dispositivos médicos.
– Desenvolver as capacidades para deseñar aplicacións web en e-health baseadas en modelos de IA
– Coñecer as especificidades dos campos de aplicación da monitorización intelixente de datos e sinais en e-saúde e as súas restricións de tempo real
– Comprender e analizar as especificidades técnicas e modelos para a transmisión, recolección, traza e tratamento de datos nestes contextos de maneira fiable e segura.
– Coñecer e analizar a implicación da sensorización intelixente remota no medio ambiente.
– Coñecer o funcionamento das técnicas de análises de datos descentralizados en contornas de aprendizaxe perimetral ou federado.
– Coñecer técnicas e ferramentas para implementar solucións baseadas en IA que permitan a detección automatizada de vulnerabilidades, ataques, contidos e aplicacións fraudulentas.
– Coñecer, comprender e analizar casos reais de aplicación de técnicas de IA en diferentes ámbitos da ciberseguridad
– Coñecer técnicas que faciliten a seguridade por deseño e que permitan unha administración segura de sistemas e redes de comunicacións, permitan a xestión de riscos e posibiliten unha recuperación rápida ante eventos de ciberseguridad.
– Comprender a importancia do concepto de identidade e coñecer técnicas que permitan garantir o acceso aos datos e a súa privacidade.
– Coñecer os principais problemas que resolve a minería de procesos.
– Coñecer as principais técnicas de descubrimento de procesos e ser capaz de seleccionar a máis apropiada para un dominio dado.
– Coñecer e comprender as métricas de calidade dun proceso.
– Saber aplicar as técnicas de busca e optimización para a verificación da conformidade dun proceso.
– Coñecer e desenvolver solucións baseadas en intelixencia artificial para monitorización predictiva.
– Entender e resolver os problemas de optimización en procesos de negocio.
– Comprender a importancia da innovación como factor crave de éxito para crear valor, crecemento e sustentabilidade
– Coñecer as ferramentas e experiencias necesarias para a creación de novas empresas
– Entender o valor da cultura emprendedora e a súa repercusión na sociedade
– Avaliar a viabilidade económico-financeira dun novo proxecto empresarial
– Coñecer as oportunidades de financiamento dispoñibles
– Saber aplicar modelos de innovación dependendo das condicións do mercado
– Coñecer e valorar as solucións tecnolóxicas baseadas en Intelixencia Artificial con maior potencial innovador.
– Coñecer as características e funcións dun sistema de tempo real.
– Capacidade para o deseño e a programación dun sistema de tempo real.
– Coñecer as linguaxes de programación máis comúns para sistemas de tempo real, tanto síncronos como asíncronos.
– Coñecer a produción de compoñentes software fiables, con especial atención á tolerancia a fallos e á recuperación de erros.
– Coñecer os aspectos básicos da programación concorrente, a comunicación e sincronización en sistemas de tempo real.
– Coñecer os requisitos temporais das funcionalidades da linguaxe e as estratexias para satisfacelos, tanto no caso síncrono como asíncrono.
– Coñecer as arquitecturas de integración de intelixencia artificial en sistemas de tempo real, con vistas a un tratamento eficiente da planificación.

Departamento:
Profesor responsable:
Guía docente: Enlace a DocNet