Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
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
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:
    Ultimo aggiornamento: 25/10/2022 10:47
    Non cliccare qui!