Riconoscimento e recupero dell'informazione per bioinformatica (2015/2016)

Codice insegnamento
4S02716
Crediti
12
Coordinatore
Manuele Bicego
Settore disciplinare
INF/01 - INFORMATICA
Lingua di erogazione
Italiano
L'insegnamento è organizzato come segue:
Attività Crediti Periodo Docenti Orario
Teoria 9 I semestre Manuele Bicego
Laboratorio 3 I semestre Pietro Lovato

Orario lezioni

I semestre
Attività Giorno Ora Tipo Luogo Note
Teoria martedì 11.30 - 14.30 lezione Aula C  
Teoria mercoledì 16.30 - 18.30 lezione Aula B  
Teoria giovedì 13.30 - 16.30 lezione Aula B  
Teoria giovedì 13.30 - 16.30 laboratorio Laboratorio didattico Alfa  
Laboratorio lunedì 15.30 - 18.30 laboratorio Laboratorio didattico Alfa  

Obiettivi formativi

Il corso intende fornire i fondamenti teorici e applicativi della Pattern recognition, una classe di metodologie automatiche utilizzate per il riconoscimento e il recupero di informazioni da dati biologici. In particolare verranno presentati e discussi i principali aspetti di questa disciplina: la rappresentazione, la classificazione, il clustering e la validazione. L’attenzione è rivolta principalmente alla descrizione delle metodologie piuttosto che ai dettagli dei programmi applicativi (già visti in altri corsi).

Il corso contiene una prima parte di natura metodologica, dove verranno descritte in maniera generale le diverse metodologie di rappresentazione, classificazione e clustering, i problemi sottostanti e le motivazioni che portano allo studio di queste tecniche. Nella seconda parte, più strettamente applicativa, verranno analizzati alcuni problemi bioinformatici che sono classicamente risolti con metodologie di classificazione e clustering (ad esempio l'analisi di dati microarray, la segmentazione di immagini biomedicali, la determinazione di omologia remota tra proteine etc etc).
Completa il corso una parte di laboratorio, nella quale verranno implementati (utilizzando il linguaggio di programmazione MATLAB) alcuni degli algoritmi visti nella parte di teoria.

Programma

- Introduzione generale alla Pattern Recognition
- Rappresentazione dei dati
- Teoria della decisione di Bayes
- Classificatori generativi e discriminativi
- Validazione della classificazione
- Reti Neurali
- Hidden Markov Models
- Misure di similarità tra dati
- Tecniche di clustering
- Validazione del clustering
- Applicazioni

Modalità d'esame

La verifica del profitto sarà effettuata mediante la preparazione e lo svolgimento di un seminario e di una breve prova scritta, atti a verificare l'acquisizione dei concetti teorici, nonché la padronanza degli strumenti matematici e informatici.

Opinione studenti frequentanti - 2015/2016


Statistiche per i requisiti di trasparenza (Attuazione Art. 2 del D.M. 31/10/2007, n. 544)

Statistiche esiti
Esiti Esami Esiti Percentuali Media voti Deviazione Standard
Positivi 100.0% 27 2
Respinti --
Assenti --
Ritirati --
Annullati --
Distribuzione degli esiti positivi
18 19 20 21 22 23 24 25 26 27 28 29 30 30 e Lode
0.0% 0.0% 0.0% 0.0% 2.8% 5.7% 8.5% 14.2% 14.2% 14.2% 17.1% 5.7% 5.7% 11.4%

Valori relativi all'AA 2015/2016 calcolati su un totale di 35 iscritti. I valori in percentuale sono arrotondati al numero intero più vicino.