Ferdinando Cicalese

Foto,  12 gennaio 2015
Qualifica
Professore associato
Ruolo
Professore Associato
Settore disciplinare
INF/01 - INFORMATICA
Settore di Ricerca (ERC)
PE6_6 - Algorithms, distributed, parallel and network algorithms, algorithmic game theory

F.2 - ANALYSIS OF ALGORITHMS AND PROBLEM COMPLEXITY

PE6_13 - Bioinformatics, biocomputing, and DNA and molecular computation

E.4 - CODING AND INFORMATION THEORY

- Design and analysis of algorithms

G.2 - DISCRETE MATHEMATICS

- Theory and algorithms for application domains

Ufficio
Ca' Vignal 2,  Piano 1,  Stanza 1.69
Telefono
+39 045 802 7969
Fax
+39 045 802 7068
E-mail
ferdinando|cicalese*univr|it <== Sostituire il carattere | con . e il carattere * con @ per avere indirizzo email corretto.
Pagina Web personale
http://profs.scienze.univr.it/~cicalese

Orario di ricevimento

lunedì, Ore 11.00 - 13.00,   Ca' Vignal 2, piano 1, stanza 1.69

Curriculum

Mi occupo di progettazione ed analisi di algoritmi, ovvero della caratterizzazione delle migliori strategie possibili per problemi risolvibili mediante strumenti informatici. La mia attività di ricerca si è principalmente concentrata su algoritmi di classificazione basati su logica fuzzy, algoritmi di ricerca fault tolerant e codifica a correzione degli errori, problemi di ottimizzazione di strategie per la valutazione di funzioni Booleane con applicazioni al machine learning, teoria dell'informazione, compressione dati, information retrieval, problemi di ottimizzazione in bioinformatica. 

Insegnamenti

Insegnamenti attivi nel periodo selezionato: 10.
Clicca sull'insegnamento per vedere orari e dettagli del corso.

Corso Nome Crediti totali Online Crediti del docente Moduli svolti da questo docente
Laurea in Bioinformatica Algoritmi (2017/2018)   12  eLearning ALGORITMI PER BIOINFORMATICA
Laurea magistrale in Ingegneria e scienze informatiche Algoritmi (2017/2018)   12    COMPLESSITÀ
Laurea magistrale in Medical bioinformatics Fundamental algorithms for bioinformatics (2017/2018)   12  eLearning (Algorithm design)
Laurea in Bioinformatica Algoritmi (2016/2017)   12  eLearning ALGORITMI PER BIOINFORMATICA
Laurea magistrale in Ingegneria e scienze informatiche Algoritmi (2016/2017)   12  eLearning COMPLESSITÀ
Laurea magistrale in Medical bioinformatics Fundamental algorithms for bioinformatics (2016/2017)   12  eLearning (Algorithm design)
Laurea in Bioinformatica Algoritmi (2015/2016)   12  eLearning ALGORITMI PER BIOINFORMATICA
Laurea magistrale in Ingegneria e scienze informatiche Algoritmi (2015/2016)   12  eLearning COMPLESSITÀ
Laurea in Bioinformatica Algoritmi (2014/2015)   12  eLearning ALGORITMI PER BIOINFORMATICA
Laurea magistrale in Ingegneria e scienze informatiche Algoritmi (2014/2015)   12  eLearning COMPLESSITÀ

Attività didattiche avanzate
Nome Online
PhD course "Computational methods for handling textual data" (31° Ciclo - Dottorato in Informatica)
 

Gruppi di ricerca

Bioinformatica e Calcolo Naturale
Analisi algoritmica di processi biologici
Competenze
Argomento Descrizione Area di ricerca
Algoritmi per la Bioinformatica Progettazione ed analisi di algoritmi per la rappresentazione, l'elaborazione e l'analisi di grosse moli di dati biologici (i cosiddetti dati -omici). Lo scopo è lo sviluppo e l'applicazione di procedure di analisi ed inferenza per la risoluzione di importanti problemi in "life sciences". Algoritmi per problemi di ricerca combinatoria (quali ad esempio, group testing), di apprendimento automatico (active learning), e data mining (con particolare attenzione a problemi per dati sequenziali e su reti), così come, approcci basati su analisi entropica dei dati e più in generale su diverse misure del contenuto informativo dei dati, possono essere usate per automatizzare in parte o del tutto il processo di estrazione di relazioni di causalità dai dati sperimentali, o nella costruzione di strumenti automatici di supporto nei processi di diagnosi e prognosi di malattie complesse. Bioinformatica e informatica medica
Applied computing - Life and medical sciences
Ottimizzazione di Alberi di Decisione Uno dei problemi più studiati in informatica relativamente all'analisi dei dati è il problema della classificazione, ovvero inferire una relazione predittiva tra valori di input e valori di output di un determinato fenomeno. Un problema di classificazione può essere studiato in termini di ottimizzazione di una funzione, ovvero come il problema di costruire un modello che massimizzi l'accuratezza della previsione - il numero di previsioni corrette - in un determinato data set. In particolare, il processo predittivo può essere modellato come un albero di decisione, e quindi il problema di costruire un classificatore efficiente diventa quello di ottimizzare un albero di decisione. Gli alberi di decisione sono strutture ampiamente usate in data mining e machine learning in quanto l'algoritmo che essi rappresentano è facilmente traducibile in linguaggio naturale mediante espressioni condizioinali di tipo SE-ALLORA. Sistemi intelligenti
Computing methodologies - Machine learning



Organizzazione

Strutture del dipartimento