Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:
Laurea magistrale in Medical bioinformatics - Immatricolazione dal 2025/2026Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following2° Anno Attivato nell'A.A. 2022/2023
| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Analisi di dati per scienze biomediche (2021/2022)
Codice insegnamento
4S010400
Docente
Coordinatore
Crediti
2
Offerto anche nei corsi:
- Analisi di dati per scienze biomediche del corso Laurea magistrale in Ingegneria e scienze informatiche [LM-18/32]
- Analisi di dati per scienze biomediche del corso Laurea magistrale in Computer Engineering for Robotics and Smart Industry
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
NN - -
Periodo
Primo semestre dal 4 ott 2021 al 28 gen 2022.
Obiettivi formativi
Il corso si propone di fornire alcune conoscenze di base di metodi e modelli di machine learning per l’analisi di dati biomedici con enfasi su aspetti legati all’explainability (XAI). Al termine del corso lo studente dovrà dimostrare di avere capacità di progettare e condurre uno studio di dati biomedici, dalla loro analisi all’applicazione di modelli finalizzati alla soluzione della domanda/tesi di partenza.
Programma
PROGRAMMA: Teoria:
1. Introduzione al panorama dell’analisi di dati biomedici
2. Visualizzazione e rappresentazioni di relazioni tramite le principali rappresentazioni grafiche
3. Modellazione di dati attraverso i principali modelli di predizione e classificazione utilizzati in ambito biomedico
4. Presentazione della soluzione attraverso la valutazione della performance del modello
5. Metodi di base di explainable artificial intelligence (XAI) per l’interpretazione dei risultati
Laboratorio:
Allo scopo di fornire agli studenti le basi pratiche per la gestione di semplici studi di dati biomedici, grande rilevanza verrà riservata alla parte di laboratorio in cui verrà presentato e affrontato uno specifico problema da risolvere. Durante questa fase, verrà innanzitutto presentato e commentato il codice che consente di risolvere il problema, e poi verranno proposti alcuni esercizi da risolvere nel tempo rimanente. Le esercitazioni saranno svolte in Python.
Bibliografia
Modalità d'esame
Colloquio per la discussione del progetto assegnato individualmente o ai gruppi in laboratorio.
