Obiettivi formativi
Il corso intende fornire una conoscenza generale sulle principali metodologie di Machine Learning (ML) con particolare riferimento all’ambito biomedicale. In particolare, l’insegnamento si pone l’obiettivo di fornire allo studente la capacità di comprendere le regole di base dell'apprendimento automatico nonché la conoscenza degli strumenti necessari per manipolare i dati autonomamente, estraendo informazioni utili e comprendendone il significato.
Prerequisiti
Nessuna propedeuticità.
Tuttavia, si consiglia l’apprendimento pregresso delle conoscenze base di statistica e algebra lineare.
Contenuti dell'insegnamento
-Big Data e Intelligenza artificiale
-Machine Learning (ML)
-Applicazioni di ML in ambito biomedico
-Deep Learning (DL)
-Applicazioni di DL in ambito biomedico
Programma esteso
-Che cosa sono i Big Data: descrizione; i tipi di dati
-Introduzione all’Intelligenza artificiale
-Il Machine Learning: definizioni e dataset; apprendimento supervisionato, semi-supervisionato, non supervisionato; classificazione, regressione e clustering; overfitting/underfitting; principali algoritmi di ML.
-Applicazioni di ML in ambito biomedico e all’imaging radiologico (la radiomica)
-Il Deep learning: la rete neurale; i task del DL; esempi di algoritmi di DL
-Applicazioni di DL in ambito biomedico
-Esercitazioni con il software Open source “Orange Data Mining”.
Bibliografia
Materiale didattico su piattaforma Elly del corso.
Metodi didattici
Lezioni frontali ed esercitazioni con il software Open source “Orange Data Mining”.
Modalità verifica apprendimento
Prova scritta che consiste in quesiti a scelta multipla.
Altre informazioni
- - -
