Máster en Bioestadística y Bioinformática Online / Distancia en CEMP, Centro Europeo de Masters y Postgrados

Dirigido a:

Disponer de una titulación universitaria relacionada con el máster:
• Estadística,
• Matemáticas
• Medicina
• Farmacia
• Biología
• Ciencias Ambientales
• Biotecnología
• Bioquímica
• Química
• Veterinaria
• Ciencias y Tecnología de Alimentos
• Ingeniería
• Informática
• Otras titulaciones afines

Comentarios:

Este Máster en Bioestadística y Bioinformática te prepara para aplicar y desarrollar nuevas técnicas computacionales en la investigación biomédica y para trabajar en empresas del sector biotecnológico y entornos hospitalarios.

Nuestro Máster online en Bioestadística y Bioinformática te enseñará como aplicar herramientas informáticas para almacenar, organizar, analizar e interpretar enormes volúmenes de datos con el fin de extraer el máximo conocimiento de ellos y aplicarlo a la resolución de problemas biológicos y biomédicos.

Con este máster te adentrarás en un sector en pleno auge y con una elevada demanda de perfiles profesionales.


¿Por qué estudiar el Máster en Leer más Bioestadística y Bioinformática?

Porque además de contar con profesores de prestigio y un plan de estudios orientado a no perder nunca el Norte, podemos presumir de acompañar a nuestros alumnos hasta sus metas profesionales. Te contamos más sobre nuestro plan de empleabilidad del que empezarás a disfrutar desde el momento de tu matrícula.

POSIBILIDAD DE REALIZAR EL MÁSTER EN INGLÉS.

Salidas profesionales:

• Laboratorios biomédicos y de biotecnología
• Centros de investigación públicos y privados
• Laboratorios de diagnóstico
• Empresas farmacéuticas
• Compañías de biotecnología
• Multinacionales de desarrollo biomédico


Profesorado:

Tus profesores te abrirán las puertas de una formación en Bioestadística y Bioinformática orientada a la empleabilidad a través de la especialización.

Titulación que se obtiene:

Recibirás tu título propio de CEMP, la acreditación universitaria de UDIMA* y la acreditación EQAC*.

Próxima convocatoria en Febrero 2026

Leer menos

Módulo 1: Bioquímica y Biología Molecular (15 ECTS)

- La célula: estructura
- Componentes de las células: (visión general) + glúcidos
- Lípidos
- Péptidos
-ADN
- ARN
- Cromosomas
- Genes y genoma
- Estudio de los cromosomas
- Mutaciones y polimorfismos
- División celular
- Dogma central de la biología molecular Leer más
- Replicación y reparación del ADN
- Transcripción
- Traducción
- Control de la expresión genética en procariotas
- Control de la expresión genética en eucariotas I
- Control de la expresión genética en eucariotas II
- Epigenética
- PCR
- Tecnología del ADN recombinante
- Secuenciación
- Hibridación de ácidos nucleicos: arrays
- Movilidad de la célula y transporte
- Proteínas de membrana
- Espectrometría de masas
- Cristalografía de rayos X
- Predicción de estructura de proteínas
- Inmunología básica
- Virus: estructura y función


Módulo 2: Bioestadística y R (15 ECTS)

- Fundamentos del análisis descriptivo de datos unidimensionales
- Introducción a R y RSTUDIO
- Fundamentos de cálculo de Probabilidades I
- Fundamentos de cálculo de Probabilidades II
- Variables aleatorias discretas
- Variables aleatorias continuas
- Distribuciones notables discretas
- Práctica de R- Principales Objetos de R
- Distribuciones notables continuas
- Elementos básicos de un vector aleatorio
- Práctica con R. Representación y simulación de variables aleatorias con R
- Vector de medias y matriz de covarianzas
- Estimación de los parámetros de una población
- Intervalo de confianza para una proporción
- Intervalo de confianza en distribuciones normales
- Contraste de hipótesis para una proporción
- Contraste de hipótesis para una población normal
- Comparación de poblaciones
- Práctica de R. Contraste de hipótesis en R
- El método de máxima verosimilitud
- El método de máxima verosimilitud para la estimación de parámetros. Estimando la media y la varianza de una muestra procedente de una distribución normal mediante el método de máxima verosimilitud.
- El modelo de regresión lineal simple. Estimación de los parámetros por mínimos cuadrados.
Propiedades de los estimadores. Contrastes de hipótesis sobre los parámetros. Predicción.
-El modelo de regresión lineal múltiple. Estimación de los parámetros por mínimos cuadrados. Propiedades de los estimadores. Contrastes de hipótesis sobre los parámetros. Predicción. Diagnosis del modelo.
- Ajuste de modelos de regresión lineal (regresión simple y regresión múltiple) con R. Predicción de modelos de regresión lineal con R. Ajuste de modelos polinómicos con R.
- El modelo de análisis de la varianza (ANOVA). El test F.
- Support vector machines para regresión.
- Redes neuronales para regresión.
- Métodos de selección de variables para regresión. Tipos de métodos de selección de variables. Métodos de filtrado. La correlación. La ganancia de información. El test de Chi Cuadrado.
- Métodos de extracción de variables para regresión. El análisis de componentes principales (PCA).
- Métodos de selección y extracción de variables en R.
- Construcción rigurosa de un modelo de regresión. Conjuntos de en- trenamiento y de test. Medidas para la capacidad predictiva de un modelo de regresión. El error cuadrático medio. Comparación de modelos de regresión.


Módulo 3: Phyton (10 ECTS)

- Phyton el nuevo desconocido
- Características básicas de lenguaje
- Programación orientada a objetos y excepciones
- Manipulación de datos


Módulo 4: Introducción a base de datos y Análisis de datos Ómicos (10 ECTS)

- Introducción a las ómicas: aplicación
- Bases de datos para el análisis e interpretación de datos ómicos
- Computación de datos de alto rendimiento (HTS)
- Introducción a la ultrasecuenciación (Nex-generation sequencing NGS)
- Transcriptómica
- Análisis de datos de microarrays
- Análisis de datos de RNA-seq
- Análisis supervisado: Expresión diferencial
- Interpretación de datos de expresión
- Análisis de exomas (WES)
- Las otras ómicas
- Análisis terciario en ómicas
- R: Integración, creación y análisis de herramientas basadas en R para análisis ómico.


- Trabajo Fin de Máster (10 ECTS)Leer menos