cicalese
univrit
Curriculum (english version)
(pdf, en, 147 KB, 22/10/17)
Curriculum (in Italiano)
(pdf, it, 148 KB, 22/10/17)
Insegnamenti attivi nel periodo selezionato: 26.
Clicca sull'insegnamento per vedere orari e dettagli del corso.
| 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
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
Machine learning |
| Carica | Organo collegiale |
|---|---|
| componente | Collegio dei Docenti del Dottorato in Informatica - Dipartimento Informatica |
| componente | Collegio Didattico di Informatica - Dipartimento Informatica |
| componente | Commissione Ricerca del Dipartimento - Dipartimento Informatica |
| componente | Consiglio del Dipartimento di Informatica - Dipartimento Informatica |
