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. Aprendizaje supervisado
      3. Aprendizaje no supervisado
      4. Tipos de algoritmos
      5. Modelos de Machine Learning
      6. Proceso de entrenamiento y test
      7. Limitaciones del aprendizaje automático

Día 2. 17 Febrero

    1. Deep Learning
      1. Conceptos generales
      2. Redes neuronales
    2. Machine Learning vs Deep Learning
      1. Big Data
    3. 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
    4. PROTO. Casos de éxito