Modulo 1. Machine learning para el análisis de big data

1.1. Introducción a Machine Learning
1.2. Presentación del problema, carga de datos y librerías
1.3. Limpieza de datos (NAs, categorías, variables dummy)
1.4. Analisis de datos exploratorio (ggplot)+Validación cruzada
1.5. Algoritmos de predicción: Regresión Lineal Múltiple, Support Vector Machine, Árboles de Regresión, Random Forest…
1.6. Algoritmos de clasificación: Regresión Logística, Support Vector Regression, Árboles de Clasificación, Random Forest,…
1.7. Ajuste de los hiper parámetros del algoritmo
1.8. Predicción de los datos con los diferentes modelos
1.9. Curvas ROC y Matrices de Confusión para evaluar la calidad del modelo

Módulo 2. Minería datos aplicado a la genómica

2.1. Introducción
2.2. Inicialización de variables
2.3. Limpieza y acondicionado del texto
2.4. Generación de la Matriz de Términos

2.4.1. Creación de la Matriz de Términos TDM
2.4.2. Visualizaciones sobre la matriz de palabras TDM

2.5. Descripción de la matriz de términos

2.5.1. Representación gráfica de las frecuencias
2.5.2. Construcción de una nube de palabras

2.6. Creación de un data frame apto para K-NN
2.7. Construcción del Modelo de clasificación
2.8. Validación del Modelo de clasificación
2.9. Ejercicio práctico guiado de minería de datos en genómica en cánce

Módulo 3. Técnicas de extracción de datos genómicos

3.1. Introducción al "scraping data"
3.2. Importación de archivos de datos de hoja de cálculo almacenados on line
3.3. Scraping de texto HTML
3.4. Scraping los datos de una tabla HTML
3.5. Aprovechar las API para scraping de los datos
3.6. Extraer la información relevante
3.7. Uso del paquete Rvest de R
3.8. Obtención de datos distribuidos en múltiples páginas
3.9. Extracción de datos genómicos de la plataforma “My Cancer Genome”
3.10. Extracción de información sobre genes de la base de datos HGNC Hugo Gene Nomenclature Committee
3.11. Extracción de datos farmacológicos de la base de datos ONCOKG (Precision Oncology Knowledge Base)

Módulo 4. Aplicación de la bioinformática en la oncología genómica

4.1. Enriquecimiento clínico y farmacológico de variantes de genes
4.2. Búsqueda masiva en PubMed de información genómica
4.3. Búsqueda masiva en DGIdb de información genómica
4.4. Búsqueda masiva en Clinical Trials de ensayos clínicos sobre datos genómicos
4.5. Búsqueda de similitud de genes para la interpretación de un panel genético o un exoma
4.6. Búsqueda masiva de genes relacionados con una enfermedad
4.7. Enrich-Gen: plataforma de enriquecimiento clínico y farmacológico de genes
4.8. Procedimiento para realizar un informe genómico en la era de la oncología de precisión