Diplomado en inteligencia artificial y ciencia de datos para el sector salud

Acerca del programa:

El Diplomado en inteligencia artificial y ciencia de datos para el sector salud desarrolla la capacidad de tomar decisiones informadas a partir de datos clínicos. Integra fundamentos estadísticos, programación y modelos avanzados de IA para que el participante pueda evaluar evidencia, anticipar riesgos y colaborar estratégicamente en procesos de innovación y transformación digital en salud.

Dirigido a:

Profesionales de la salud que buscan incorporar herramientas de inteligencia artificial y análisis de datos en su práctica clínica.

Más información del programa

Fechas de apertura

14 de agosto de 2026

Duración

96 hrs

Horario

Lunes, martes y jueves de 17:00 a 20:00 h

¿QUÉ COMPETENCIAS VAS A ADQUIRIR?

Análisis de datos clínicos (EDA)

Modelos predictivos para diagnóstico

Programación en Python aplicada a salud

Interpretación de modelos de ML

Visualización de datos clínicos

Contenido

- Módulo I. Introducción a las IA en ciencias de la salud Sesión teórica

Definición de IA, Machine Learning y Deep Learning
Panorama de la IA en salud
Tipos de datos en salud (estructurados y no estructurados)
Ética, privacidad y sesgo algorítmico

Sesión práctica:

Configuración de Google Colab/Jupyter
Revisión de casos reales
Exploración de dataset clínico

- Módulo II. Fundamentos de programación

Sesión teórica:

Variables y tipos de datos
Listas y diccionarios
Condicionales y ciclos
Funciones

Sesión práctica:

Manejo de datos clínicos básicos en Python

- Módulo III. Análisis exploratorio de datos clínicos

Análisis descriptivo
Visualización con Matplotlib y Seaborn
Uso de Pandas y NumPy

- Módulo IV. Fundamentos de probabilidad

Probabilidad y eventos
Probabilidad condicional
Teorema de Bayes
Distribuciones (Normal, Binomial, Poisson)

- Módulo V. Estadística descriptiva e inferencial

Medidas de tendencia central
Intervalos de confianza
Pruebas de hipótesis (T-test, Chi-cuadrado)
Correlación

- Módulo VI. Diseños clínicos experimentales

Tipos de estudios
Ensayos clínicos
Sesgos y validez

- Módulo VII. Machine learning para diagnóstico (regresión)

Regresión lineal y logística
Validación cruzada
Métricas de evaluación

- Módulo VIII. Machine learning para diagnóstico (clasificación)

K-NN
SVM
Clasificación de datos clínicos

- Módulo IX. Deep Learning aplicado a la salud

Redes neuronales
TensorFlow y Keras
Entrenamiento de modelos

- Módulo X. Algoritmos de visión aplicados a imagenología médica

Redes convolucionales (CNN)
Transfer learning
Clasificación de imágenes médicas

- Módulo XI. Modelos de lenguaje y agentes de IA aplicados en el sector salud

Procesamiento de lenguaje clínico
LLMs (BERT, GPT)
Extracción de información

- Módulo XII. Proyecto aplicativo

Proceso de admisión

Llenar la solicitud de admisión.
Contactar a tu asesor para conocer las opciones de pago de inscripción y descuentos vigentes.
Enviar tu solicitud y comprobante de pago.

* Programación sujeta a cambios sin previo aviso. La Universidad Anáhuac Querétaro se reserva el derecho de posponer o cancelar los programas que no cumplan con el quórum requerido. Precios exentos de IVA. Monto de inscripción no reembolsable.

Carlos Jhovanny Castillo de la Rosa
Asesor Comercial de Educación Continua

442 489 6831
whats_icon jhovanny.castillo@anahuac.mx
(442) 245 6742 Ext.1413