Resultados de aprendizaje

1. Aplicar métodos estadísticos avanzados (aprendizaje automático, teoría de grafos) para modelar y analizar problemas bioinformáticos que manejan datos biológicos masivos.
2. Aprender a entrenar, evaluar y validar modelos predictivos.
3. Aprender a manejar las nuevas plataformas de cómputo paralelo, paradigmas, y el diseño de aplicaciones que requieren un manejo masivo de cómputo y datos.
4. Aprender nuevas formas de modelar, almacenar, recuperar y analizar tipos de datos abstractos (grafos).
5. Comunicar en lengua inglesa de manera clara y efectiva los resultados de sus investigaciones.
6. Conocer los principios de la paralelización de procesos.
7. Conocer los principios del almacenamiento y la gestión de datos masivos.
8. Conocer y aprender a manejar herramientas de código abierto para el análisis paralelo, distribuido y escalable mediante aprendizaje automático.
9. Describir el funcionamiento, características y limitaciones de las técnicas, las herramientas y las metodologías que permiten describir, analizar e interpretar la enorme cantidad de datos producidos por las tecnologías de alto rendimiento.
10. Describir y aplicar técnicas de agrupamiento (clustering) y algoritmos de clasificación comunes.
11. Diseñar y aplicar la metodología científica en la resolución de problemas.
12. Generar algoritmos de computación paralela eficientes y aplicaciones para la CID.
13. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
14. Proponer soluciones innovadoras y emprendedoras en su campo de estudio.
15. Proporcionar soluciones paralelas a problemas bioinformáticos concretos.
16. Utilizar y gestionar información bibliográfica y recursos informáticos en el ámbito de estudio.