Sesion final del Proyecto Taussig: el alumnado predice a ojo y con un Random Forest la clase de latidos de ECG concretos, incluyendo una arritmia ventricular real, y se repasa todo el recorrido del proyecto desde Helen Taussig hasta los casos reales de muerte subita cardiaca en el deporte.
En la Sesion 4 del Proyecto Taussig, el alumnado entrena un Random Forest sobre los latidos de ECG, comprueba si mejora la deteccion de la arritmia ventricular respecto al arbol unico, y descubre con feature importances en que instante exacto del latido se fija el modelo para decidir.
En la Sesion 3 del Proyecto Taussig, el alumnado calcula una matriz de confusion de 5×5 sobre los latidos de ECG, descubre la diferencia entre macro avg y weighted avg en classification_report, y comprueba si el arbol reconoce bien la arritmia ventricular pese al fuerte desequilibrio de clases.
Primer modelo del Proyecto Taussig: entrenamos un DecisionTreeClassifier sobre latidos de ECG reales de la MIT-BIH Arrhythmia Database, sin necesidad de train_test_split porque los datos ya vienen repartidos, y nos enfrentamos por primera vez en la familia de proyectos a una clasificacion de mas de dos clases.
En la Sesion 2 del Proyecto Asadi, el alumnado construye y entrena su primera red neuronal convolucional con Keras para distinguir celulas sanas de blastos leucemicos en imagenes reales de microscopio.
Presentacion del Proyecto Asadi, dedicado a la investigadora Farkhondeh Asadi: de donde vienen las imagenes reales de frotis de sangre para diagnostico de leucemia infantil y como preparar TensorFlow y el dataset antes de construir la primera red neuronal convolucional.
En la Sesion 2 del Proyecto Javierre, el alumnado separa los 72 pacientes en entrenamiento y examen con stratify, y entrena su primer arbol de decision real sobre los cuatro genes seleccionados para distinguir leucemia linfoblastica aguda de leucemia mieloide aguda.
Presentación del Proyecto Javierre, dedicado a la investigadora Biola Javierre: de donde vienen los datos reales de expresion genica de leucemia infantil (Golub et al. 1999) y por que se han elegido los genes MPO, CD33, CD19 y TdT.
En la Sesión 5, la última del taller CUTLER, el alumnado usa validación cruzada con scikit-learn para comprobar si la exactitud de sus modelos dependía de la suerte de una única partición de datos, cerrando el recorrido del taller.
Sesión 4 del taller CUTLER, el alumnado entrena su primer Random Forest (bosque aleatorio) con scikit-learn. Descubrimos la historia de Adele Cutler, la sabiduría del voto por mayoría y qué mediciones celulares son más críticas en la detección del cáncer.