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.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
Algebra lineare e analisi
2° Anno Sarà attivato nell'A.A. 2025/2026
Insegnamenti | Crediti | TAF | SSD |
---|
3° Anno Sarà attivato nell'A.A. 2026/2027
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Algebra lineare e analisi
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Un insegnamento a scelta (Modelli biologici discreti erogato al II anno, i restanti insegnamenti al III)
Un insegnamento a scelta (Elementi di fisiologia e Biofisica erogati al II anno, Organismi modello di interesse biotecnologico e Laboratorio di biologia molecolare al II e III anno)
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.
Tecniche avanzate di apprendimento automatico per dati biomedici (Sarà attivato nell'A.A. 2025/2026)
Codice insegnamento
4S012348
Crediti
6
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Obiettivi di apprendimento
Il corso intende fornire i principali concetti teorici e applicativi di alcune tecniche avanzate di apprendimento automatico per l’analisi e la gestione di dati biologici, con particolare riferimento all'analisi di immagini. Verranno presentate e discusse le problematiche e le tecniche connesse allo sviluppo di sistemi di Pattern Recognition non supervisionata, studiando contesti come clustering, rilevamento di anomalie e simili. Verranno inoltre affrontate le problematiche principali legate all’elaborazione ed analisi di studi clinici basati su diagnostica per immagini, e verranno presentati gli algoritmi fondamentali per risolvere tali situazioni quali segmentazione, registrazione e compressione di immagini. Dopo aver seguito il corso, gli studenti saranno in grado di analizzare una larga classe di problemi biologici non supervisionati, utilizzando il punto di vista della Pattern Recognition, e avranno le conoscenze necessarie per poter ideare, sviluppare e gestire le diverse componenti di un sistema di Pattern Recognition non supervisionata applicata a contesti reali di dati biomedici. Saranno inoltre in grado di utilizzare gli algoritmi di elaborazione di immagini visti a lezione per risolvere problemi tipici che si presentano in studi clinici basati su diagnostica per immagini, applicando le metodologie acquisite e i principali software disponibili.