Consejería De Hacienda Y Administración Pública. Convenios. (2023060479)
Resolución de 10 de febrero de 2023, de la Secretaría General, por la que se da publicidad al Convenio para la formalización de una Transferencia Específica Plurianual a la Fundación Computación y Tecnologías Avanzadas de Extremadura (COMPUTAEX) para la realización del Programa de I+D+I en el Área Biotecnología Aplicada a la Salud para la realización de la línea de actuación LA2 financiada con los Fondos Next Generation EU, incluida en la medida de inversión I1 "Planes Complementarios con las Comunidades Autónomas", que forman parte del componente 17 del Plan de Recuperación, Transformación y Resiliencia.
38 páginas totales
Página
Zahoribo únicamente muestra información pública que han sido publicada previamente por organismos oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
NÚMERO 35
Lunes 20 de febrero de 2023
11017
La línea de actuación 2, tiene como objetivo general la implementación y análisis de bases de
datos en medicina de precisión.
Para conseguir el objetivo, la Fundación COMPUTAEX contribuye con la integración y minado
de datos en el propio centro de computación. Concretamente, el desarrollo de la actuación se
hará de la siguiente manera:
Actividad 1: Modelos de datos para medicina de precisión.
— Tarea 1.1. Análisis de la morfología de datos. Será necesario un estudio de la morfología
de los datos que serán almacenados en las bases de datos para medicina de precisión.
— Tarea 1.2. Diseño del modelo de datos. El análisis de la morfología de los datos permitirá
determinar el mejor modelo de referencia para el almacenaje de los datos (relacional,
documental, no estructurados…). La elección de los modelos de referencia permitirá
proceder con el diseño del modelo de datos.
— Tarea 1.3. Implementación de los modelos de datos. Los diseños obtenidos en la tarea
1.2 permitirá la implementación de los modelos. Para ello será necesario analizar las
características de los modelos y volúmenes de datos esperados, así como determinar el
gestor de datos más apropiado para ellos (SQL, SQL Lite, MongoDB,..).
— Tarea 1.4. Despliegue y carga de las bases de datos. Los modelos de datos serán generados con las herramientas analizadas en la tarea 1.3 y serán desplegados en las
infraestructuras de almacenamiento del Supercomputador LUSITANIA. Se procederá
también al diseño, implementación y despliegue de los procesos de carga de las bases
de datos en la infraestructura LUSITANIA.
Actividad 2: Herramientas de análisis y visualización de datos para medicina de precisión.
— Tarea 2.1. Análisis de requisitos para las herramientas de Inteligencia Artificial y de
análisis y visualización de datos para Medicina de Precisión. Se analizarán y detallarán
los requisitos software para las herramientas de análisis de datos para medicina de precisión. Los datos almacenados en el PT1 serán procesados con herramientas de Aprendizaje Automático (ML) y Aprendizaje Profundo (DL). Los datos, junto con el resultado
de su procesado serán visualizados mediante herramientas de analítica de datos. El objetivo de esta tarea será detallar los requisitos para tales herramientas de Aprendizaje
Profundo y para las herramientas de analítica de datos
Lunes 20 de febrero de 2023
11017
La línea de actuación 2, tiene como objetivo general la implementación y análisis de bases de
datos en medicina de precisión.
Para conseguir el objetivo, la Fundación COMPUTAEX contribuye con la integración y minado
de datos en el propio centro de computación. Concretamente, el desarrollo de la actuación se
hará de la siguiente manera:
Actividad 1: Modelos de datos para medicina de precisión.
— Tarea 1.1. Análisis de la morfología de datos. Será necesario un estudio de la morfología
de los datos que serán almacenados en las bases de datos para medicina de precisión.
— Tarea 1.2. Diseño del modelo de datos. El análisis de la morfología de los datos permitirá
determinar el mejor modelo de referencia para el almacenaje de los datos (relacional,
documental, no estructurados…). La elección de los modelos de referencia permitirá
proceder con el diseño del modelo de datos.
— Tarea 1.3. Implementación de los modelos de datos. Los diseños obtenidos en la tarea
1.2 permitirá la implementación de los modelos. Para ello será necesario analizar las
características de los modelos y volúmenes de datos esperados, así como determinar el
gestor de datos más apropiado para ellos (SQL, SQL Lite, MongoDB,..).
— Tarea 1.4. Despliegue y carga de las bases de datos. Los modelos de datos serán generados con las herramientas analizadas en la tarea 1.3 y serán desplegados en las
infraestructuras de almacenamiento del Supercomputador LUSITANIA. Se procederá
también al diseño, implementación y despliegue de los procesos de carga de las bases
de datos en la infraestructura LUSITANIA.
Actividad 2: Herramientas de análisis y visualización de datos para medicina de precisión.
— Tarea 2.1. Análisis de requisitos para las herramientas de Inteligencia Artificial y de
análisis y visualización de datos para Medicina de Precisión. Se analizarán y detallarán
los requisitos software para las herramientas de análisis de datos para medicina de precisión. Los datos almacenados en el PT1 serán procesados con herramientas de Aprendizaje Automático (ML) y Aprendizaje Profundo (DL). Los datos, junto con el resultado
de su procesado serán visualizados mediante herramientas de analítica de datos. El objetivo de esta tarea será detallar los requisitos para tales herramientas de Aprendizaje
Profundo y para las herramientas de analítica de datos
