Studying at the University of Verona
Here you can find information on the organisational aspects of the Programme, lecture timetables, learning activities and useful contact details for your time at the University, from enrolment to graduation.
Type D and Type F activities
This information is intended exclusively for students already enrolled in this course.If you are a new student interested in enrolling, you can find information about the course of study on the course page:
Laurea magistrale in Medical bioinformatics - Enrollment from 2025/2026Le attività formative di tipologia D sono a scelta dello studente, quelle di tipologia F sono ulteriori conoscenze utili all’inserimento nel mondo del lavoro (tirocini, competenze trasversali, project works, ecc.). In base al Regolamento Didattico del Corso, alcune attività possono essere scelte e inserite autonomamente a libretto, altre devono essere approvate da apposita commissione per verificarne la coerenza con il piano di studio. Le attività formative di tipologia D o F possono essere ricoperte dalle seguenti attività.
1. Insegnamenti impartiti presso l'Università di Verona
Comprendono gli insegnamenti sotto riportati e/o nel Catalogo degli insegnamenti (che può essere filtrato anche per lingua di erogazione tramite la Ricerca avanzata).
Modalità di inserimento a libretto: se l'insegnamento è compreso tra quelli sottoelencati, lo studente può inserirlo autonomamente durante il periodo in cui il piano di studi è aperto; in caso contrario, lo studente deve fare richiesta alla Segreteria, inviando a carriere.scienze@ateneo.univr.it il modulo nel periodo indicato.
2. Attestato o equipollenza linguistica CLA
Oltre a quelle richieste dal piano di studi, per gli immatricolati dall'A.A. 2021/2022 vengono riconosciute:
- Lingua inglese: vengono riconosciuti 3 CFU per ogni livello di competenza superiore a quello richiesto dal corso di studio (se non già riconosciuto nel ciclo di studi precedente).
- Altre lingue e italiano per stranieri: vengono riconosciuti 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).
Tali cfu saranno riconosciuti, fino ad un massimo di 6 cfu complessivi, di tipologia F se il piano didattico lo consente, oppure di tipologia D. Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.
Gli immatricolati fino all'A.A. 2020/2021 devono consultare le informazioni che si trovano qui.
Modalità di inserimento a libretto: richiedere l’attestato o l'equipollenza al CLA e inviarlo alla Segreteria Studenti - Carriere per l’inserimento dell’esame in carriera, tramite mail: carriere.scienze@ateneo.univr.it
3. Competenze trasversali
Scopri i percorsi formativi promossi dal TALC - Teaching and learning center dell'Ateneo, destinati agli studenti regolarmente iscritti all'anno accademico di erogazione del corso https://talc.univr.it/it/competenze-trasversali
Modalità di inserimento a libretto: non è previsto l'inserimento dell'insegnamento nel piano di studi. Solo in seguito all'ottenimento dell'Open Badge verranno automaticamente convalidati i CFU a libretto. La registrazione dei CFU in carriera non è istantanea, ma ci saranno da attendere dei tempi tecnici.
4. Periodo di stage/tirocinio
Oltre ai CFU previsti dal piano di studi (verificare attentamente quanto indicato sul Regolamento Didattico): qui informazioni su come attivare lo stage.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto
years | Modules | TAF | Teacher |
---|---|---|---|
1° | The fashion lab (1 ECTS) | D |
Caterina Fratea
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Data Analysis for Biomedical Sciences | D |
Gloria Menegaz
(Coordinator)
|
1° 2° | Introduction to Robotics for students of scientific courses. | D |
Paolo Fiorini
(Coordinator)
|
1° 2° | Matlab-Simulink programming | D |
Bogdan Mihai Maris
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° | The fashion lab (1 ECTS) | D |
Caterina Fratea
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Introduction to Robotics for students of scientific courses. | D |
Paolo Fiorini
(Coordinator)
|
1° 2° | Introduction to 3D printing | D |
Franco Fummi
(Coordinator)
|
1° 2° | HW components design on FPGA | D |
Franco Fummi
(Coordinator)
|
1° 2° | Rapid prototyping on Arduino | D |
Franco Fummi
(Coordinator)
|
1° 2° | Protection of intangible assets (SW and invention)between industrial law and copyright | D |
Roberto Giacobazzi
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Python programming language | D |
Giulio Mazzi
(Coordinator)
|
Data Analysis for Biomedical Sciences (2021/2022)
Teaching code
4S010400
Teacher
Coordinator
Credits
2
Also offered in courses:
- Data Analysis for Biomedical Sciences of the course Master's degree in Computer Science and Engineering
- Data Analysis for Biomedical Sciences of the course Master's degree in Computer Engineering for Robotics and Smart Industry
Language
Italian
Scientific Disciplinary Sector (SSD)
NN - -
Period
Primo semestre dal Oct 4, 2021 al Jan 28, 2022.
Learning outcomes
The course aims to provide some basic knowledge of machine learning methods and models for the analysis of biomedical data with emphasis on aspects related to explainability (XAI). At the end of the course the student will have to demonstrate the ability to design and conduct a study of biomedical data, from their analysis to the application of models aimed at solving the starting question/thesis.
Program
Theory:
1. Introduction to the landscape of biomedical data analysis
2. Visualization and representations of relationships through the main graphical representations
3. Data modeling through the main prediction and classification models used in the biomedical field
4. Presentation of the solution through the evaluation of the model performance
5. Basic explainable artificial intelligence (XAI) methods for interpreting results
Laboratory:
In order to provide students with the practical basis for managing simple studies of biomedical data, great importance will be given to the laboratory part in which a specific problem to be solved will be presented and addressed. During this phase, the code that allows you to solve the problem will first be presented and commented on, and then some exercises will be proposed to solve in the remaining time. The exercises will be carried out in Python.
Bibliography
Examination Methods
Interview to discuss the project assigned individually or to groups in the laboratory.