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.
Calendario accademico
Il calendario accademico riporta le scadenze, gli adempimenti e i periodi rilevanti per la componente studentesca, personale docente e personale dell'Università. Sono inoltre indicate le festività e le chiusure ufficiali dell'Ateneo.
L’anno accademico inizia il 1° ottobre e termina il 30 settembre dell'anno successivo.
Calendario didattico
Il calendario didattico indica i periodi di svolgimento delle attività formative, di sessioni d'esami, di laurea e di chiusura per le festività.
| Periodo | Dal | Al |
|---|---|---|
| 1 SEMESTRE LM-6 | 20-nov-2023 | 23-feb-2024 |
| 2 SEMESTRE LM-6 | 2-apr-2024 | 21-giu-2024 |
| Sessione | Dal | Al |
|---|---|---|
| 1° semestre LM-6 | 26-feb-2024 | 29-mar-2024 |
| 2° semestre LM-6 | 23-giu-2024 | 31-lug-2024 |
| Sessione Autunnale LM-6 | 2-set-2024 | 27-set-2024 |
| Periodo | Dal | Al |
|---|---|---|
| Festa di Ognissanti | 1-nov-2023 | 1-nov-2023 |
| Festa dell'Immacolata | 8-dic-2023 | 8-dic-2023 |
Calendario esami
Per consultazione e iscrizione agli appelli d'esame visita il sistema ESSE3. Per problemi inerenti allo smarrimento della password di accesso ai servizi on-line si prega di rivolgersi al supporto informatico della Scuola o al servizio recupero credenziali
Per dubbi o domande leggi le risposte alle domande più frequenti F.A.Q. Iscrizione Esami
Docenti
giuseppe.bertini@univr.it
045-802-7682
Piano Didattico
Il 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 |
|---|
2° Anno Attivato nell'A.A. 2024/2025
| Insegnamenti | Crediti | TAF | SSD |
|---|
1 module among the following1 module between the following| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1 module among the following1 module between the followingLegenda | 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.
Biomedical data analysis and biostatistics (2023/2024)
Codice insegnamento
4S011591
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
MED/01 - STATISTICA MEDICA
Corsi Singoli
Non Autorizzato
L'insegnamento è organizzato come segue:
Teoria
Esercitazioni
Obiettivi di apprendimento
Il corso si prefigge di fornire agli studenti gli strumenti metodologici per applicare correttamente la statistica alla biologia e alla medicina, e di sviluppare le capacità di utilizzare strumenti informatici per analizzare i dati biologici in forma quantitativa. Il corso integra l’acquisizione di abilità informatiche e conoscenze statistiche, permettendo allo studente di analizzare e raggiungere conclusioni quantitative su analisi di dati sperimentali in ambito biologico e medico. L’utilizzo del computer permette allo studente di verificare direttamente il suo grado di comprensione degli argomenti trattati, e di avvicinarlo alle moderne tecniche di Machine Learning e Artificial Intelligence applicate all’analisi di dati biomedici.
Lo studente sarà in grado di applicare i principali modelli di analisi multivariabile (regressione lineare multipla per outcome quantitativi, modello logistico per outcome dicotomici, modello a rischi proporzionali di Cox per l’analisi della sopravvivenza) e di analisi multivariata (analisi discriminante, analisi delle componenti principali, analisi delle corrispondenze) a problemi di ambito sanitario.
Saprà utilizzare tecniche di intelligenza artificiale e Machine Learning nell’ambito delle scienze “omiche” (genomica, trascrittomica, proteomica, metabolomica) e della diagnostica (radiodiagnostica, lettura di immagini istopatologiche), e distinguerà in modo consapevole le tecniche di apprendimento supervisionato e non supervisionato.
Lo studente comprenderà le differenze tra tecniche statistiche (analisi multivariabile e multivariata) da una parte e tecniche bioinformatiche (Machine Learning e Artificial Intelligence) dall’altra, e saprà utilizzare queste metodiche in modo integrato.
L’insegnamento prevede l’integrazione di lezioni di teoria, esercitazioni di laboratorio e lavoro a gruppi. Verrà inoltre proposta l’analisi di articoli scientifici inerenti alle tematiche trattate nel corso.
Al termine del corso lo studente avrà acquisito:
a) conoscenza approfondita delle diverse basi teoriche dei modelli lineari generalizzati e dei modelli simmetrici multivariati da una parte e dei metodi di Machine Learning dall’altra;
b) capacità di scoprire pattern nei dati e di fare previsioni basate su questi pattern e modelli complessi per rispondere a quesiti scientifici in ambito sanitario;
c) capacità di applicare le conoscenze acquisite per la revisione critica della letteratura;
d) capacità di scegliere le tecniche di analisi più appropriate sulle base delle conoscenze acquisite;
e) capacità di effettuare analisi utilizzando semplici software statistici (per esempio R, MATLAB®,…) e sfruttando la visualizzazione dei dati;
f) capacità di lavorare in squadra, di interpretare i risultati delle analisi sperimentali e di comunicarle secondo i canoni della comunità scientifica.
Prerequisiti e nozioni di base
Sono richieste conoscenze di base di Matematica e Statistica.
Programma
------------------------
UL: Teoria
------------------------
Verifica e recupero di conoscenze sull’inferenza statistica: intervallo di confidenza per stimare parametri della popolazione e test d’ipotesi per basare decisioni su evidenze scientifiche. Principali test d’ipotesi: test t per dati non-appaiati e appaiati, analisi della varianza, regressione e correlazione, test del chi-quadrato.
Disegno sperimentale: disegno a gruppi paralleli, incrociato (cross-over) o fattoriale. Gruppo di controllo, randomizzazione, cecità. Calcolo della numerosità campionaria necessaria per ottenere una data potenza del test statistico o una data precisione delle stime. Test-retest per valutare la precisione delle misure (ripetibilità e riproducibilità).
Concetto di verosimiglianza, stima di massima verosimiglianza. Modelli lineari generalizzati.
Modelli per l’analisi multivariabile: regressione lineare multipla per lo studio di outcome quantitativi, modello logistico per lo studio di outcome dicotomici, modello di Cox per l’analisi della sopravvivenza;
La medicina basata sulle prove di efficacia; revisioni sistematiche e meta-analisi.
Analisi multivariata: analisi discriminante, analisi delle componenti principali, analisi delle corrispondenze.
Concetti base sull’intelligenza artificiale e l’apprendimento automatico (machine learning): apprendimento supervisionato e non-supervisionato. Confronto e integrazione fra metodi statistici tradizionali (analisi multivariabile e multivariata) e metodi bioinformatici (intelligenza artificiale e apprendimento automatico).
------------------------
UL: Esercitazioni
------------------------
Verranno effettuati degli esercizi pratici sul programma teorico svolto. Gli studenti dovranno utilizzare un foglio elettronico (excel) o il sofware R per effettuare una statistica descrittiva ed eseguire semplici test statistici (test t per dati non appaiati ed appaiati, ANOVA a una via, correlazione e regressione, test del chi-quadrato).
Bibliografia
Modalità didattiche
------------------------
UL: Teoria
------------------------
Il modulo sarà svolto con lezioni frontali.
------------------------
UL: Esercitazioni
------------------------
Le lezioni si svolgeranno in aula d'informatica. Ogni studente avrà a disposizione un computer fornito di software statistico (R) e verrà guidato nella risoluzione di semplici problemi statistici.
Modalità di verifica dell'apprendimento
------------------------
UL: Teoria
------------------------
L'esame sarà scritto. Nella prima parte dell'esame (teoria) gli studenti dovranno rispondere a circa 30 domande a scelta multipla tra 5-8 possibili risposte.
------------------------
UL: Esercitazioni
------------------------
Nella seconda parte dell'esame gli studenti dovranno risolvere dei problemi di statistica inferenziale, che comportano il calcolo di intervalli di confidenza e/o l'esecuzione di semplici test statistici; per questo scopo gli studenti avranno a disposizione un computer con un software statistico.
Criteri di valutazione
------------------------
UL: Teoria
------------------------
Si valuterà non solo l’acquisizione di conoscenze statistiche ma anche la capacità di utilizzarle in modo critico per risolvere problemi sanitari. Verrà attribuito un punto ad ogni risposta esatta, e zero punti alle risposte errate o mancanti. La prima parte dell’esame peserà per 3/5 sul voto finale del modulo.
------------------------
UL: Esercitazioni
------------------------
Si valuterà la capacità di risolvere problemi di ambito biologico-sanitario combinando le conoscenze statistiche teoriche con l’abilità informatica di utilizzare software statistico. La seconda parte dell’esame peserà per 2/5 sul voto finale del modulo.
Criteri di composizione del voto finale
La valutazione finale è espressa in 30esimi e l'esame risulta superato con un punteggio uguale o superiore a 18/30.
Lingua dell'esame
------------------------ UL: Teoria ------------------------ Inglese ------------------------ UL: Esercitazioni ------------------------ inglese
Tipologia di Attività formativa D e F
Insegnamenti non ancora inseriti
Prospettive
Avvisi degli insegnamenti e del corso di studio
Per la comunità studentesca
Se sei già iscritta/o a un corso di studio, puoi consultare tutti gli avvisi relativi al tuo corso di studi nella tua area riservata MyUnivr.
In questo portale potrai visualizzare informazioni, risorse e servizi utili che riguardano la tua carriera universitaria (libretto online, gestione della carriera Esse3, corsi e-learning, email istituzionale, modulistica di segreteria, procedure amministrative, ecc.).
Entra in MyUnivr con le tue credenziali GIA: solo così potrai ricevere notifica di tutti gli avvisi dei tuoi docenti e della tua segreteria via mail e anche tramite l'app Univr.
Tirocinio
La procedura di attivazione dello stage per il Corso di laurea magistrale in Biology for Translational Research and Precision Medicine prevede l'utilizzo del portale di ateneo "Esse3 - tirocini e stage".
Tale sezione del portale consente alle aziende di registrarsi e successivamente di gestire 'intero processo di tirocinio/stage, e agli studenti di consultare la sezione AZIENDE con tutte le accreditate e la sezione OPPORTUNITA' con le offerte di stage.
Si invitano gli studenti a consultare la pagina web dedicata che contiene, tra i documenti allegati, la "Guida per lo studente" unitamente al manuale operativo per l'utilizzo del portale:
Lo stage può essere svolto anche all'interno dei laboratori dell'Università (con la stessa modalità) ma esclusivamente per maturare i crediti obbligatori del tirocinio (tipologia F).
E' possibile attivare anche lo stage all'estero: in tal caso è necessario rivolgersi alla Commissione Didattica del Corso di Laurea per la verifica caso per caso.
Modalità e sedi di frequenza
La frequenza non è obbligatoria.
Maggiori dettagli in merito all'obbligo di frequenza vengono riportati nel Regolamento del corso di studio disponibile alla voce Regolamenti nel menu Il Corso. Anche se il regolamento non prevede un obbligo specifico, verifica le indicazioni previste dal singolo docente per ciascun insegnamento o per eventuali laboratori e/o tirocinio.
Non è consentita l'iscrizione a tempo parziale. Per saperne di più consulta la pagina Possibilità di iscrizione Part time.
Le sedi di svolgimento delle lezioni e degli esami sono le seguenti:
Area riservata studenti
Prova Finale
Per essere ammessi alla prova finale occorre avere conseguito tutti i crediti nelle attività formative previste dal piano degli studi, compresi quelli relativi all’attività di tirocinio. Alla preparazione della tesi sono assegnati 8 CFU.
La prova finale si compone della redazione e dissertazione di un elaborato di tesi sperimentale in lingua inglese. Per il lavoro di tesi lo studente avrà la supervisione di un docente dell’Ateneo di Verona, detto Relatore, ed eventuali correlatori in possesso almeno della laurea triennale anche se esterni al Corso di Laurea. Scopo della tesi è quello di impegnare lo studente in un lavoro di formalizzazione, progettazione e di ricerca, che contribuisca sostanzialmente al completamento della sua formazione professionale e scientifica. Il contenuto della tesi deve essere inerente a tematiche o discipline strettamente correlate al profilo professionale. Si ricorda che presentare tesi copiate o procurate da altri costituisce reato. (Legge 475/1925 tutt’oggi in vigore).
Valutazione della tesi
La valutazione della tesi sarà basata sui seguenti criteri: livello di approfondimento del lavoro svolto; contributo critico del laureando; accuratezza della metodologia adottata per lo sviluppo della tematica.
Punteggio finale
Il punteggio finale di Laurea è espresso in cento decimi ed è così formato:
• Media ponderata rapportata a 110 dei voti conseguiti negli 11 esami curriculari (arrotondata per eccesso o per difetto al numero intero più vicino);
• Discussione della Tesi: da 0 fino ad un massimo di 10 punti. La commissione di Laurea potrà attribuire ulteriori punti anche in base a: • Presenza di eventuali lodi ottenute negli esami sostenuti: fino ad 1 punto aggiuntivo; • Partecipazione ai programmi Erasmus: fino a 2 punti aggiuntivi; • Laurea entro i termini della durata normale del corso: 1 punto aggiuntivo. La lode può venire attribuita con parere unanime della Commissione ai candidati che conseguano un punteggio finale maggiore o uguale a centodieci.
Orario lezioni
In questa sezione è possibile visualizzare il file contenente l'orario delle lezioni.
Nel file è indicata anche l'aula di svolgimento delle stesse.
Il file viene aggiornato regolarmente; è possibile verificare la versione (o la data di ultimo aggiornamento) nell'apposita cella del file, in alto a sinistra.
Eventuali variazioni dell'ultimo minuto verranno comunicate dal Docente alla mail di classe il prima possibile.
In this section you can find the file containing the lesson timetable. The file also indicates the classroom where they are held. The file is updated regularly; you can check the version (or the date of last update) in the appropriate cell of the file, at the top left. Any last minute changes will be communicated by the Professor to the class email as soon as possible.
Documenti
| Titolo | Info File |
|---|---|
2024-25 ORARIO LEZIONI 1A 1S_LM6 (agg. il 9/1/)
|
pdf, it, 241 KB, 09/01/25 |
|
2024-25 ORARIO LEZIONI 2A 1S_LM6 (agg. il 14/1)
|
pdf, it, 230 KB, 14/01/25 |
Appelli d'esame
In questa sezione è possibile visualizzare il file contenente il calendario degli appelli d'esame.
Il file viene aggiornato regolarmente; è possibile verificare la versione (o la data di ultimo aggiornamento) nell'apposita cella del file, in alto a sinistra.
Eventuali variazioni dell'ultimo minuto verranno comunicate dal Docente alla mail di classe il prima possibile.
In this section you can find the file containing the exam calendar. The file is updated regularly; you can check the version (or the date of last update) in the appropriate cell of the file, at the top left. Any last minute changes will be communicated by the Professor to the class email as soon as possible.
Documenti
| Titolo | Info File |
|---|---|
|
2024-2025 appelli LM6 (agg. al 9/1/25)
|
pdf, it, 292 KB, 09/01/25 |
Compilazione piani di studio - attività a scelta (D)
Agli studenti di entrambi gli anni di corso è richiesto di compilare il piano didattico.
Le indicazioni generali sono disponibili qui.
Per l'anno accademico 2024/2025, il piano didattico può essere compilato dal 23/09/2024 al 30/06/2025.
Il piano si compila tramite una procedura on-line, per mezzo della quale lo studente seleziona le attività formative che vuole sostenere nell'ambito dell'offerta del proprio corso, in base a determinate 'regole di scelta' (gli insegnamenti obbligatori già stabiliti a priori e non modificabili dallo studente, gli insegnamenti appartenenti ad un gruppo di scelta, le attività didattiche "a scelta dello studente"). Tutte le attività selezionate nella compilazione del piano compariranno anche nel libretto on-line.
La Commissione Didattica del CdLM in Biology for Translational Research and Precision Medicine organizza l'offerta di alcune attività didattiche opzionali di tipo (D) realizzabili con:
• Seminari
• Convegni e workshop
Per partecipare ai seminari di proprio interesse è necessario cliccare sul collegamento sopra, cercare la riga relativa al seminario desiderato e aprire il link nella colonna verde "pre-iscrizioni" presente nella stessa riga; la compilazione del modulo di pre-iscrizione va ripetuta per ogni seminario a cui si intende partecipare.
Per ottenere la verbalizzazione è necessario aggiungere ciascun seminario a cui si intende partecipare al proprio piano didattico, in modo che lo stesso compaia a libretto e possa essere verbalizzato dal docente (i seminari compaiono a piano tra le attività selezionabili in due finestre all'anno, si prega di tenere monitorata l'apposita sezione nella propria area personale).
I seminari sono un’attività didattica che si propone di affrontare una tematica con un approccio interdisciplinare ed è svolta di norma in compresenza da più docenti, anche di SSD diversi.
Gli studenti potranno anche scegliere di partecipare a convegni e/o seminari non organizzati dal CdL, previo accreditamento e purché attinenti al profilo professionale al fine di maturare i CFU richiesti dal piano di studi.
Il riconoscimento di tali CFU dovrà essere valutato dalla Commissione Didattica sulla base della verifica della frequenza e della coerenza delle attività scelte rispetto al percorso formativo del corso di studio. I crediti a scelta non sono vincolati ma, in sede di valutazione finale, si tiene conto della coerenza e dell’adeguatezza delle scelte effettuate dallo studente nel quadro formativo complessivo. Pertanto è raccomandato di scegliere attività che apportino un reale arricchimento del percorso formativo.
Il calendario e l’elenco delle attività didattiche elettive saranno pubblicati ed aggiornati in questa pagina.
Tali attività potranno essere inserite nel piano degli studi di entrambi gli anni di corso.
Oltre alle attività precedentemente citate e solo a valere dal 2° anno di corso, potranno essere selezionate quelle già previste nei gruppi di scelta al 2° anno, in modo da consentire agli studenti di sostenere in TAF D gli insegnamenti non scelti precedentemente.
Inoltre gli studenti potranno scegliere di inserire in TAF D insegnamenti offerti in altri Corsi di Studio, in coerenza con il resto del percorso formativo. La Commissione Didattica del CdS si riunirà (indicativamente una volta a semestre) per valutare ed approvare i desiderata pervenuti da parte degli studenti. Modalità e tempistiche di presentazione delle richieste verranno stabilite e comunicate agli studenti nel corso dell'anno.
Per quanto riguarda il riconoscimento di crediti relativi alle TAF di tipo D, la Commissione Didattica applica la seguente regola generale di conversione:
0.25 CFU per ogni ora di seminario o attività didattica frontale che non prevede esame.
La Commissione valuterà caso per caso la conversione dei CFU relativi ad insegnamenti presi da altri corsi di studio, fino ad un massimo di 6 CFU, a prescindere da quale fosse il numero di CFU dell’insegnamento nel corso di studi originale. Si fa presente che, nel caso in cui l’attività a scelta preveda il superamento di un esame, questo è essenziale per l’ottenimento dei CFU rispettivi, pur non contribuendo alla media ponderata finale della carriera dello studente.
