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 in Bioinformatica - 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.
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.
Riconoscimento e recupero dell'informazione per bioinformatica (2009/2010)
Codice insegnamento
4S02716
Docente
Coordinatore
Crediti
12
Offerto anche nei corsi:
- Recupero dell'informazione del corso Laurea in Bioinformatica (ordinamento fino all'a.a. 2008/09)
- Riconoscimento e classificazione per la bioinformatica del corso Laurea in Bioinformatica (ordinamento fino all'a.a. 2008/09)
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
II semestre dal 1 mar 2010 al 15 giu 2010.
Obiettivi formativi
Il corso intende fornire i fondamenti teorici e applicativi di una classe di metodologie automatiche per il riconoscimento e il recupero di informazioni da dati biologici, al fine di estrarre conoscenza. In particolare verranno fornite le basi delle principali metodologie di Pattern Recognition, sia supervisionata (classificazione) che non supervisionata (clustering). L’attenzione è rivolta principalmente alla descrizione delle metodologie piuttosto che ai dettagli dei programmi applicativi (già visti in altri corsi).
Il corso si svilupperà seguendo diverse direzioni (intersecanti). Nella prima, più metodologica, verranno descritte in generale le metodologie di classificazione e di clustering, i problemi sottostanti e le motivazioni che portano allo studio di queste tecniche.
Nella seconda, più strettamente applicativa, verranno analizzati alcuni problemi bioinformatici che sono classicamente risolti con metodologie di classificazione e clustering. In particolare, per ogni applicazione, verranno fornite una descrizione del problema e una soluzione classica. Esempi di applicazioni affrontate nel corso saranno: classificazione e clustering di dati microarray (con cenni alle tecniche di biclustering), analisi evolutiva (filogenesi-filogenomica), analisi di immagini biomedicali e altre
Infine, nella terza (da effettuare in laboratorio), verranno implementati semplici algoritmi di classificazione e clustering utilizzando il linguaggio di programmazione MATLAB.
Programma
INTRODUZIONE:
- Introduzione generale alla Pattern Recognition: cos’è, cosa serve, tipico sistema di PR
- Rappresentazione e visualizzazione dei dati
CLASSIFICAZIONE:
- Schemi di classificazione
- Classificatori semplici
- Classificatori avanzati: Reti neurali, Support Vector Machines, Hidden Markov Models
- Validazione della classificazione
CLUSTERING:
- Misure di similarità tra dati
- Tecniche di clustering: tassonomia e dettagli delle tecniche più utilizzate
- Validazione
APPLICAZIONI:
- classificazione e clustering di dati microarray (con cenni alle tecniche di biclustering)
- analisi evolutiva (filogenesi-filogenomica)
- analisi di immagini biomedicali
Modalità d'esame
La verifica del profitto sarà effettuata mediante la preparazione e lo svolgimento di un seminario e di una breve prova scritta, atti a verificare l'acquisizione dei concetti teorici, nonché la padronanza degli strumenti matematici e informatici.
Per gli studenti particolarmente interessati agli argomenti del corso è possibile effettuare l'esame sostituendo il seminario con lo svolgimento di un progetto.
Materiale e documenti
-
10. Clustering: metodologie (parte 1) (pdf, it, 87 KB, 5/13/10)
-
10. Clustering: metodologie (parte 2) (pdf, it, 549 KB, 5/19/10)
-
11. Clustering: validazione (pdf, it, 309 KB, 5/26/10)
-
12. Filogenesi (pdf, it, 269 KB, 6/7/10)
-
1. Introduzione (pdf, it, 2284 KB, 3/3/10)
-
2. Rappresentazione (pdf, it, 3181 KB, 3/4/10)
-
3. Teoria di Bayes (pdf, it, 454 KB, 3/16/10)
-
4. Classificatori generativi (Parte 1) (pdf, it, 230 KB, 3/24/10)
-
4. Classificatori generativi (Parte 2) (pdf, it, 814 KB, 3/31/10)
-
5. Classificatori discriminativi (pdf, it, 933 KB, 4/13/10)
-
6. Reti Neurali (pdf, it, 285 KB, 4/20/10)
-
7. Hidden Markov Models (Parte 1) (pdf, it, 427 KB, 4/28/10)
-
7. Hidden Markov Models (Parte 2) (pdf, it, 413 KB, 4/28/10)
-
8. Clustering: introduzione (pdf, it, 597 KB, 5/12/10)
-
9. Clustering: similarità (pdf, it, 217 KB, 5/12/10)
-
Dettagli esame (pdf, it, 1640 KB, 4/13/10)
-
Esami Riconoscimento (pdf, it, 84 KB, 5/13/10)
-
Esami Riconoscimento - parte 2 (pdf, it, 52 KB, 5/17/10)
-
Seminari: calendario (pdf, it, 9 KB, 5/26/10)