Estratifica riesgo de reingreso en un hospital universitario de Barcelona
Visión general
De qué trata este proyecto.
Entrena un modelo XGBoost con datos hospitalarios para predecir reingreso a 30 días y obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Construir y evaluar un modelo de riesgo de reingreso clínicamente útil, bien calibrado y equitativo por subgrupo.
Earning criteria — what you'll demonstrate
- Construir modelos de riesgo desde features clínicas estructuradas
- Distinguir discriminación (AUC) de calibración (ECE, Brier)
- Evaluar equidad por subgrupo clínicamente relevante
- Comunicar incertidumbre y limitaciones a un comité clínico
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning for Healthcare and Biomedicine
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Científico/a de IA Aplicada
Risk stratification con calibración + equidad es el proyecto representativo de IA aplicada en salud.
Este proyecto afina
- risk-stratification
- calibration
- fairness-in-healthcare
Científico de Datos
Modelar riesgo clínico con métricas adecuadas es trabajo cotidiano de data science en hospitales o aseguradoras.
Este proyecto afina
- risk-stratification
- model-evaluation
- calibration
Investigador/a de Seguridad en IA
Equidad por subgrupo en contexto clínico es área central de AI safety aplicada en salud.
Este proyecto afina
- fairness-in-healthcare
- calibration
- model-evaluation