Ir al contenido Leadership Skills Development for Occupational Therapists
El MOOC de desarrollo de habilidades de liderazgo está diseñado para ayudar a los OT a sentirse más cómodos con su viaje de liderazgo. Al realizar este curso, obtendrá información sobre su potencial de liderazgo y una perspectiva única de liderazgo desde una perspectiva de OT. Nos esforzaremos por alejarnos de la visión estándar del liderazgo y nos desafiaremos a aceptar que todos tienen sus propias cualidades y habilidades de liderazgo únicas. Hay cuatro módulos en este curso. El Módulo 1 ayuda a orientar y proporcionar una base relacionada con lo que es el liderazgo. El Módulo 2 tiene como objetivo responder a la pregunta de, ¿cómo es el liderazgo? El Módulo 3 aprovecha su propia autoconciencia y reflexión como líder, observando los diferentes estilos de liderazgo, sus valores fundamentales y cómo nuestro perfil de ser un OT se relaciona con el liderazgo. Por último, el módulo 4 reúne todo en términos de lo que significa el liderazgo para los OT y cómo podemos aplicarlo. Estos cuatro módulos se entrelazarán con varias actividades de aprendizaje para mejorar su experiencia de aprendizaje, como entrevistas de campo, debates en clase, comentarios de los compañeros y actividades interactivas.
How to analyze a microbiome
Los microorganismos juegan un papel importante en la biosfera y dentro de nuestros cuerpos, pero hasta ahora solo se ha cultivado una pequeña fracción. Los datos del microbioma, es decir, la información genética de los microorganismos, son, por lo tanto, una ventana importante al mundo microbiano oculto. El análisis de datos de microbiomas aclara la composición de las comunidades microbianas y cómo cambia en respuesta al medio ambiente. Al analizar los datos de secuenciación, aprendemos si la diversidad microbiana difiere según las condiciones e identificamos los vínculos entre los microbios. En resumen, el análisis de datos de microbiomas nos da una primera idea de cómo funciona un ecosistema microbiano. Este curso ilustrará con la ayuda de datos de ejemplo del mundo real cómo llevar a cabo tareas de análisis típicas, como comparar la composición y diversidad microbiana, agrupar muestras y computar asociaciones. Si planea trabajar con datos de microbioma, este curso lo pondrá al día. Los instructores son bioinformáticos experimentados que son conocidos internacionalmente por su análisis de conjuntos de datos de microbiomas a gran escala.
Statistical Inference and Modeling for High-throughput Experiments
En este curso, aprenderá varios temas de estadísticas, incluidos problemas de pruebas múltiples, tasas de error, procedimientos de control de tasas de error, tasas de descubrimiento falso, valores q y análisis exploratorio de datos. Luego presentamos el modelado estadístico y cómo se aplica a los datos de alto rendimiento. En particular, discutiremos distribuciones paramétricas, incluidas binomial, exponencial y gamma, y describiremos la estimación de máxima verosimilitud. Brindamos varios ejemplos de cómo se aplican estos conceptos en la secuenciación de próxima generación y los datos de microarrays. Finalmente, discutiremos los modelos jerárquicos y los bayes empíricos junto con algunos ejemplos de cómo se usan en la práctica. Proporcionamos ejemplos de programación R de una manera que ayudará a establecer la conexión entre los conceptos y la implementación. Dada la diversidad de antecedentes educativos de nuestros estudiantes, hemos dividido la serie en siete partes. Puede tomar la serie completa o cursos individuales que le interesen. Si eres estadístico, deberías considerar saltarte los primeros dos o tres cursos; de manera similar, si eres biólogo, deberías considerar saltarte algunas de las lecciones introductorias de biología. Tenga en cuenta que los aspectos estadísticos y de programación de la clase aumentan en dificultad relativamente rápido en los primeros tres cursos. Para el tercer curso, se enseñarán conceptos estadísticos avanzados, como modelos jerárquicos, y para el cuarto, habilidades avanzadas de ingeniería de software, como computación paralela y conceptos de investigación reproducibles.
Cell Biology: Mitochondria
La célula es un poderoso caso de estudio que nos ayuda a explorar la lógica funcional de los sistemas vivos. Todos los organismos, desde las algas unicelulares hasta los complejos organismos multicelulares como nosotros, están formados por células. En este curso, aprenderá el cómo y el por qué de la biología al explorar la función de los componentes moleculares de las células y cómo estos componentes celulares se organizan en una jerarquía compleja. Este curso está diseñado para explorar los fundamentos de la biología celular. El objetivo general es que los alumnos comprendan, desde una perspectiva centrada en el ser humano, que las células son conjuntos de macromoléculas en evolución que, a su vez, forman comunidades complejas en tejidos, órganos y organismos multicelulares. Nos centraremos, en particular, en la mitocondria, el orgánulo que alimenta la célula. En este contexto, veremos los procesos del metabolismo celular. Finalmente, examinaremos la ATP sintasa F1F0, la máquina molecular responsable de la síntesis de la mayor parte del ATP que sus células necesitan para funcionar. Para subrayar la importancia de la biología celular en nuestras vidas, abordaremos cuestiones sobre el desarrollo y la enfermedad y las implicaciones de la ciencia en la sociedad. Al final de las cuatro semanas, esperamos que los alumnos tengan una intuición profunda de la lógica funcional de una célula. Juntos nos preguntaremos cómo funcionan las cosas dentro de una célula, por qué funcionan de la manera en que lo hacen y cómo nos afectan.
Mental Health And Nutrition
Si usted es un profesional de la salud que trabaja con personas con problemas de salud mental; alguien que lucha a diario con bajo estado de ánimo, ansiedad o estrés; alguien que apoya a otros que enfrentan problemas de salud mental, o simplemente está interesado en la fascinante interfaz entre la alimentación y la salud del cerebro, ¡este curso es para usted! La profesora Julia Rucklidge ha desarrollado este curso basándose en su investigación líder mundial sobre los vínculos entre la nutrición y el bienestar mental. El curso cubrirá la evidencia que respalda la premisa de que comer mejor y tomar nutrientes adicionales cuando sea apropiado puede mejorar la salud mental de muchas personas. ¿Qué alimentos y nutrientes debes consumir para mejorar tu bienestar mental? ¡Únase a nosotros en este descubrimiento basado en evidencia! El profesor Rucklidge y otros expertos en psicología, toxicología y nutrición cubrirán la historia del uso de alimentos como tratamiento para la salud mental; los componentes de los alimentos a tener en cuenta al tomar decisiones dietéticas; y por qué debemos considerar los micronutrientes en nuestros alimentos, como minerales y vitaminas, para desarrollar un mejor cerebro.
Statistics and R – datos estadísticos y análisis estadístico en las ciencias de la vida
Este curso enseña el lenguaje de programación R en el contexto de datos estadísticos y análisis estadístico en las ciencias de la vida. Aprenderemos los conceptos básicos de la inferencia estadística para comprender y calcular los valores p y los intervalos de confianza, todo mientras analizamos datos con código R. Proporcionamos ejemplos de programación R de una manera que ayudará a establecer la conexión entre los conceptos y la implementación. Los conjuntos de problemas que requieren programación R se utilizarán para evaluar la comprensión y la capacidad de implementar análisis de datos básicos. Usaremos técnicas de visualización para explorar nuevos conjuntos de datos y determinar el enfoque más apropiado. Describiremos técnicas estadísticas sólidas como alternativas cuando los datos no se ajusten a los supuestos requeridos por los enfoques estándar. Mediante el uso de scripts R para analizar datos, aprenderá los conceptos básicos para realizar investigaciones reproducibles. Dada la diversidad de antecedentes educativos de nuestros estudiantes, hemos dividido los materiales del curso en siete partes. Puede tomar la serie completa o cursos individuales que le interesen. Si eres estadístico, deberías considerar saltarte los primeros dos o tres cursos; de manera similar, si eres biólogo, deberías considerar saltarte algunas de las lecciones introductorias de biología. Tenga en cuenta que los aspectos estadísticos y de programación de la clase aumentan en dificultad relativamente rápido en los primeros tres cursos. Comenzamos con cálculos simples y estadísticas descriptivas. Para el tercer curso, se enseñarán conceptos estadísticos avanzados, como modelos jerárquicos, y para el cuarto, habilidades avanzadas de ingeniería de software, como computación paralela y conceptos de investigación reproducibles.
Principles of Biochemistry – estructura de las macromoléculas y enfoque bioquímico de la función celular
Los Principios de Bioquímica integran una introducción a la estructura de las macromoléculas y un enfoque bioquímico de la función celular. Los temas que abordan la función de las proteínas incluirán la cinética enzimática, la caracterización de las principales vías metabólicas y su interconexión en redes estrictamente reguladas, y la manipulación de enzimas y vías con mutaciones o fármacos. Se utilizará una exploración de células simples (glóbulos rojos) a tejidos más complejos (músculo e hígado) como marco para discutir la progresión en la complejidad metabólica. Los estudiantes también desarrollarán habilidades analíticas y de resolución de problemas que se aplican de manera más general a las ciencias de la vida
Introducción a la programación en C
En este programa de Certificación Profesional tendremos la oportunidad de aprender las bases del lenguaje de programación C. Se trata de un programa introductorio, orientado a todo el público, tanto si tiene experiencia previa en programación como si no. La experiencia de aprendizaje está adaptada para que se haga de forma escalonada, empezando por los conceptos más básicos hasta conocer aspectos más complejos de este lenguaje de programación. El programa se acompaña de numerosos ejemplos y ejercicios para que el aprendizaje resulte práctico y divertido.
Introducción a la Genética y la evolución
¿Es el ADN un microchip que nos guía por la vida? ¿Somos los seres humanos parte de la evolución? ¿Por qué no hay dos personas iguales? En este curso encontrarás una aproximación cercana y comprensible a la Genética y la Evolución, para exponer la importancia de conceptos como ADN, gen, cromosoma, mutación, o selección natural, revelando cómo se interrelacionan de forma accesible para cualquier persona interesada. Para ello cuenta con ejemplos y demostraciones que facilitarán tu comprensión de todos los aspectos relevantes, permitiéndote detectar la importancia de estas disciplinas en su propio entorno. Descubrirás en detalle los mecanismos evolutivos, la especiación y el origen de la vida y de toda la variedad de especies de bacterias, hongos, plantas y animales que existen en la Tierra, el futuro de la diversidad y del planeta, qué tenemos en común todos los seres vivos y qué nos diferencia de los seres inertes
Introducción a Machine Learning – Aprendizaje automático de máquinas
En este curso abordaremos el aprendizaje automático de máquinas desde una perspectiva algebraica. Se abordarán cuatro temas, el primero de ellos será una introducción a los modelos de regresión y clasificación lineal, comenzando por la regresión lineal multivariada, sus aplicaciones y cómo evitar el sobre-ajuste utilizando regularización. Luego de esto introduciremos la regresión logística como uno de los métodos de clasificación más relevantes. La regresión logística nos permitirá realizar una conexión con la formulación de la arquitectura de una red neuronal artificial, ya que la neurona logística, la cual puede interpretarse como la unidad básica para el desarrollo de modelos de clasificación con redes neuronales, es el equivalente a una regresión logística. El tercer tema se enfoca en el estudio de diferentes metodologías utilizadas para el correcto entrenamiento de redes neuronales, tanto para regresión como clasificación, así mismo se introducirán algunos métodos utilizados para identificar los modelos que tienen el mejor rendimiento. Finalmente, se describirán diferentes métodos para el aprendizaje no supervisado. Específicamente se abordará PCA para la reducción de dimensionalidad y k-means para el desarrollo de modelos de agrupamiento. También se describirán algunas técnicas utilizadas para poder evaluar el rendimiento de estos modelos. Además, el curso abordará el uso de redes neuronales para el desarrollo de modelos de aprendizaje no supervisado, específicamente se explicarán las Redes de Hopfield que permiten el almacenamiento de patrones en la arquitectura de su red, mediante el uso de memoria asociativa; y los mapas autoorganizados o redes de Kohonen que permite identificar estructuras en los datos de entrenamiento y que pueden utilizarse para la reducción de dimensionalidad.
