Día 1. 16 Febrero

    1. Diagnóstico clínico e inteligencia artificial
      1. Diagnóstico clínico
      2. Inteligencia artificial
    2. Análisis estadístico. Herramientas y resultados
      1. Análisis estadístico
      2. Herramientas de clasificación
      3. Reproducibilidad de resultados
    3. Machine Learning
      1. Introducción
      2. Tipos de aprendizaje
      3. Clasificación de algoritmos y modelos
      4. Tipos de algoritmos
      5. Metodología para construir modelos
      6. Limitaciones del ML
      7. Usos populares
    4. Deep Learning
      1. Conceptos generales
      2. Redes neuronales
      3. Arquitecturas y entrenamiento.
      4. Redes convolucionales y modelos GAN

Día 2. 17 Febrero

    1. Big Data
    2. Visión Artificial
    3. Procesamiento de imagen
    4. Detección y segmentación de estructuras
      1. Segmentación
      2. Detección
      3. Pipelines de IA
    5. PROTO. Plataforma de investigación
      1. Solución aportada
      2. Gestión de datasets de imágenes o datos clínicos
      3. Ejecución de experimentos
      4. Revisión de resultados de experimentos
      5. Consejos de ejecución
      6. RoadMap
    6. PROTO. Casos de éxito