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.
Tipologia di Attività formativa D e F
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 2025/2026Le 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
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° | Lab.: The fashion lab (1 cfu) | D |
Caterina Fratea
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Analisi di dati per scienze biomediche | D |
Gloria Menegaz
(Coordinatore)
|
1° 2° | Introduzione alla robotica per studenti di materie scientifiche | D |
Paolo Fiorini
(Coordinatore)
|
1° 2° | Linguaggio Programmazione Matlab-Simulink | D |
Bogdan Mihai Maris
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° | Lab.: The fashion lab (1 cfu) | D |
Caterina Fratea
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Introduzione alla robotica per studenti di materie scientifiche | D |
Paolo Fiorini
(Coordinatore)
|
1° 2° | Introduzione alla stampa 3D | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Progettazione di componenti hardware su FPGA | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Prototipizzazione con Arduino | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Roberto Giacobazzi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Linguaggio programmazione Python | D |
Giulio Mazzi
(Coordinatore)
|
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.