- Oggetto:
- Oggetto:
(OPZIONALE) ELEMENTI DI PROGRAMMAZIONE E DATA SCIENCE PER LE BIOTECNOLOGIE MEDICHE
- Oggetto:
Programming and data science for medical biotechnologists
- Oggetto:
Anno accademico 2022/2023
- Codice attività didattica
- SME1009
- Docente
- Prof. Piero Fariselli (Docente Titolare dell'insegnamento)
- Corso di studio
- [f007-c201] laurea spec. in biotecnologie mediche - a torino
- Anno
- 1° anno
- Periodo
- Secondo semestre
- Tipologia
- A scelta dello studente
- Crediti/Valenza
- 3
- SSD attività didattica
- BIO/10 - biochimica
- Erogazione
- Tradizionale
- Lingua
- Italiano
- Frequenza
- Obbligatoria
- Tipologia esame
- Scritto ed orale
- Prerequisiti
- Nessun prerequisito specifico.
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Il corso ha lo scopo di fornire gli strumenti computazionali per permettere al moderno Biotecnologo Medico di poter utilizzare le varie tipologie di dati a disposizione, integrarli ed utilizarli per generare metodi predittivi e prognostici. Lo studente sarà in grado di scrivere programmi per analisi dati, predizione utilizzando librerie per il machine learning e data mining.
The course aims to provide the model biotechnologists with computational expertise, deal with different types of data, and integrate them. Medical biotechnologists acquire programming and algorithmic competencies and also principles of data mining in Python.
- Oggetto:
Risultati dell'apprendimento attesi
Capacità di scrivere programmi in linguaggio Python. Compresione dei fondamenti teorici deli modelli di machine learning presentati e essere in grado di utilizzarli per risolvere problemi biomedici.
At the end of the course, the students will be able to: write programs in Python, understand the machine-learning bases and use these notions to solve biomedical problems.
- Oggetto:
Programma
- Introduzione al linguaggio Python
- Elementi base, stringhe, liste, dizionari
- Struttura del linguaggio, cicli, condizioni, funzioni
- Utilizzo di Jupyter notebook, librerie grafiche (matplotlib)
- elementi di Artificial Intelligence: machine learning
- Introduzione a scikit-learn
- Esempi di regressione: lineare (penalizzata),
- Esempi di classificazione, logistic regression, LDA
- Alcuni modelli non linearei: Random Forests, Support Vector Machines
- Survival analysis con scikit-survival
- Introduction to Python
- Basic objects, strings, lists, dictionaries
- Branching and loop structures
- Usage of Jupyter notebook, graphical libraries (matplotlib)
- Element of machine learning
- Introduction to scikit-learn
- Linear regression (with penalty)
- Linear classifiers (Logistic regression, LDA)
- Non-linear predictors: Random Forests, Support Vector Machines
- Survival analysis with scikit-survival
- Introduzione al linguaggio Python
- Oggetto:
Modalità di insegnamento
Presentazione dal computer con esempi alla lavagna, assegnazione e valutazione di semplici progetti di programmazione.
L'esame consiste in un colloqui orale basato sugli esercizi svolti durante il corso ed integrato con la parte teorica.
ESAMI A DISTANZA: In caso di permanenza della emergenza sanitaria dovuta al COVID-19, l'esame
sarà realizzato in modalità a distanza. Esso consisterà nella valutazione di eserci proposti durante il corso
+ colloquio orale (obbligatorio) via Web-Ex (o altra piattaforma), secondo il Decreto Rettorale
n.1097/2020.- Oggetto:
Modalità di verifica dell'apprendimento
Assegnazione e valutazione di progetti di programmazione.
Nel caso le problematiche relative al COVID-19 permanessero, verranno valutati i progetti in python distribuiti durante il corso e discussi in via telematica.
Slide projections and blackboard examples. Exercise assignments in Python. The exam consits of a discussion on selected exercises among those presented by the student.
Testi consigliati e bibliografia
- Oggetto:
- Libro
- Titolo:
- Computing for Biologists: Python Programming and Principles
- Anno pubblicazione:
- 2014
- Editore:
- Cambridge University Press;
- Autore:
- Ronald R. Taylor
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Introduction to Machine Learning with Python: A Guide for Data Scientists
- Anno pubblicazione:
- 2016
- Editore:
- O'Reilly Media;
- Autore:
- Andreas C. Müller and Sarah Guido
- ISBN
- Capitoli:
- 1,2,4,5
- Obbligatorio:
- No
- Oggetto:
-
- Oggetto:
Note
Verranno fornite slide ed altro materiale durante il corso.
During the course the slides and the notebooks will be distributed
- Registrazione
- Aperta
- Oggetto:
