ID:
175013
Dettaglio:
SSD: AUTOMATICA
Durata: 24
CFU: 3
SSD: BIOINGEGNERIA ELETTRONICA E INFORMATICA
Durata: 24
CFU: 3
Sede:
DALMINE
Anno:
2025
Course Catalogue:
L’obiettivo principale del corso è quello di fornire allo studente le conoscenze necessarie per effettuare analisi descrittive di dataset medici strutturati, nonché conoscenze di base sulla modellistica predittiva. Al termine del corso, lo studente sarà in grado di gestire grandi quantità di dati clinici, applicando sia tecniche di pre-processing che di analisi al fine di ricavare conoscenza da essi.
Lo studente deve possedere le conoscenze delle materie ingegneristiche di base e in particolar modo dell’analisi matematica, della programmazione e della statistica.
L’insegnamento sarà erogato tramite lezioni frontali, unite a esercitazioni pratiche incentrate sull’applicazione delle metodologie studiate a dataset medici strutturati.
La verifica dell’apprendimento consisterà in una prova di tre ore da svolgere al computer in un laboratorio informatico suddivisa in due parti: una parte pratica che consiste nella scrittura di codice Python per la risoluzione di brevi esercizi di analisi e modellistica dei dati, e una seconda parte scritta composta da domande aperte di teoria.
PARTE 1: ANALISI DATI E CLUSTERING
Programmazione in Python: ripasso dei concetti e delle funzioni principali.
Tipologie di dato (categorico, ordinale, booleano, etc.), dataset strutturati (in formato tabellare), standardizzazione delle variabili
Analisi descrittiva e grafici, Riduzione della dimensionalità, Principal Component Analysis, Biplot
Tipologie e caratteristiche dei dati mancanti, metodi di imputazione
Il concetto di distanza/similarità, Clustering Analysis.
Esempi applicativi, seminari
PARTE 2: MODELLISTICA DEI DATI SUPERVISIONATA
Regressione lineare mono e multivariata, Dummy Variables, stima dei parametri, interazione e confondimento
Regressione logistica, classificazione, Odds Ratio.
Metriche di classificazione: accuratezza, sensibilità, specificità, Precisione, F1 Score, AUC
Feature selection, metodi di regolarizzazione nella regressione (es. LASSO, ElasticNet)
Concetti fondamentali di machine learning e survival analysis
Esempi applicativi, seminari