Scuola di Medicina e Chirurgia

Università Magna Graecia di Catanzaro

Tecnologie Avanzate di Bioinformatica

Ingegneria Biomedica

Fornire al discente competenze ed abilità relative ad algoritmi e strumenti nei campi della bioinformatica, del data science e dell’intelligenza artificiale. Elaborare l’insieme crescente di dati biomedici e clinici oggi disponibile è una sfida affascinante e imprescindibile per il mondo contemporaneo dove la conoscenza e l'informazione sono il primo valore.

Il corso mira a introdurre le tecniche avanzate applicate in bioinformatico per la scoperta di conoscenza. Tali algoritmi afferiscono alla classe del machine learning. Questo corso, dopo aver riepilogato i concetti fondmentali di bioinformatica, acquisiti nel corso di bioinformatica, accompagna nel mondo del machine learning utilizzando il linguaggio Python per costruire algoritmi sofisticati in grado di interrogare, rappresentare ed analizzare i dati. Particolare attenzione è posta agli algoritmi basati su reti: clustering, scoperta di conoscenza e allineamento.

Collegamenti Veloci:
Docente:
Pietro Hiram Guzzi
hguzzi@unicz.it
0961 3694148
Edificio Bioscienze Stanza: IV Livello
Martedi 16-18 e su appuntamento via Google Meet

Insegnamento SSD:
ING-INF/05 - Sistemi di elaborazione delle informazioni

CFU:
6
Obiettivi del Corso e Risultati di apprendimento attesi

  1. Conoscenza e capacità di comprensione (knowledge and understanding)

  2. Comprensione dei fondamenti di Data Science

  3. Comprensione di Algoritmi avanzati per estrazione di conoscenza

 

  1. Capacità di applicare conoscenza a comprensione (applying knowledge and understanding)

  • abilità a progettare la risoluzione di problemi mediante l’utilizzo e la personalizzazione di algoritmi esistenti

  • abilità a realizzare una soluzione algoritmica in linguaggio Python

 

  1. Autonomia di giudizio (making judgement)

Abilità nella scelta della migliore soluzione per la risoluzione di problemi di estrazione di conoscenza e di analisi di dati biologici.

    1. Capacità di apprendimento (learning skills)

Programma

 

  • Riepilogo dei Concetti Fondamentali di Bioinformatica

  • Introduzione a Data Science e Machine Learning.

  • Il problema della Classificazione dei Dati Biologici: principi ed applicazioni in

  • Scikit-Learn e Anaconda.

  • Il problema dell’apprendimento non supervisionato: Algoritmo k-means, k-medoids, DBSCAN e applicazioni su dati biologici.

  • Ensemble Learning

  • Intelligenza artificiale: creazione e uso di una rete neurale per la classificazione dei dati

 

  • Teoria delle Reti: introduzione e concetti fondamentali.

  • Algoritmi per la Scoperta di Comunità.

  • Algoritmi di Comparazione di reti.

Stima dell’impegno orario richiesto per lo studio individuale del programma

Lezione Frontale 48 Ore

Lezione Individuale 102 Ore

Risorse per l'apprendimento

Libri di testo Machine learning con Python. Costruire algoritmi per generare conoscenza: di Sebastian Raschka

The Data Science Design Manual Steven S Skiena

 

 

Ulteriori letture consigliate per approfondimento

 

Introduction to Algorithms (Cormen)

 

Altro materiale didattico

diapositive e dispense scaricabili dal sito

Attività di supporto

Sono previsti webinar sotto la supervisione del docente e simulazioni dell’uso di algoritmi.

Modalità di frequenza

Le modalità sono indicate dal Regolamento didattico d’Ateneo.

Integrare con le modalità di rilevazione della presenza.

Modalità di accertamento

Le modalità generali sono indicate nel regolamento didattico di Ateneo all’art.22 consultabile al link http://www.unicz.it/pdf/regolamento_didattico_ateneo_dr681.pdf

 

 

L’esame finale sarà svolto in forma Orale

I criteri sulla base dei quali sarà giudicato lo studente sono:

Saranno utilizzati i seguenti criteri per la valutazione:

 

 

Conoscenza e comprensione argomento

Capacità di analisi e sintesi

Utilizzo di referenze

Non idoneo

Importanti carenze.

Significative inaccuratezze

Irrilevanti. Frequenti generalizzazioni. Incapacità di sintesi

Completamente inappropriato

18-20

A livello soglia. Imperfezioni evidenti

Capacità appena sufficienti

Appena appropriato

21-23

Conoscenza routinaria

E’ in grado di analisi e sintesi corrette. Argomenta in modo logico e coerente

Utilizza le referenze standard

24-26

Conoscenza buona

Ha capacità di a. e s. buone gli argomenti sono espressi coerentemente

Utilizza le referenze standard

27-29

Conoscenza più che buona

Ha notevoli capacità di a. e s.

Ha approfondito gli argomenti

30-30L

Conoscenza ottima

Ha notevoli capacità di a. e s.

Importanti approfondimenti