ADVANCED BIOMEDICAL MACHINE LEARNING
Stampa
Anno immatricolazione
2018/2019
Anno offerta
2019/2020
Normativa
DM270
SSD
ING-INF/06 (BIOINGEGNERIA ELETTRONICA E INFORMATICA)
Dipartimento
DIPARTIMENTO DI INGEGNERIA INDUSTRIALE E DELL'INFORMAZIONE
Corso di studio
BIOINGEGNERIA
Curriculum
PERCORSO COMUNE
Anno di corso
Periodo didattico
Secondo Semestre (02/03/2020 - 12/06/2020)
Crediti
6
Ore
57 ore di attività frontale
Lingua insegnamento
INGLESE
Tipo esame
SCRITTO E ORALE CONGIUNTI
Docente
SACCHI LUCIA (titolare) - 2 CFU
HOLMES JOHN HEISLER - 4 CFU
Prerequisiti
Per poter affrontare al meglio le tematiche proposte nel corso, sono richieste competenze di analisi matematica, statistica e machine learning
Obiettivi formativi
Questo corso si propone di presentare alcuni approfondimenti metodologici relativi alle applicazioni di machine learning in campo biomedico. Vengono introdotte alcune metodologie avanzate e allo stato dell'arte, che permettono di ampliare le conoscenze già acquisite nel corso di Apprendimento Automatico in Medicina.
Una caratteristica peculiare del corso è che esso ospita ogni anno un Visiting Professor proveniente d un'Università straniera. Il programma viene ogni anno definito anche sulla base delle competenze specifiche del Visiting Professor.
Per poter applicare le metodologie spiegate a lezione, una parte del corso è dedicato all'introduzione di tool software specifiche per il machine learning, come ad esempio R o Knime.
Programma e contenuti
Ensemble Classifiers: Random Forests, AdaBoost, Gradient Boosting
Fundamental concepts in development and validation of prediction models
Causal Reasoning
Deep and convolutional neural networks for image processing
Deep learning for text analysis: the use of word embeddings
Introduction to a software tool (e.g. R or Knime)
Metodi didattici
Ogni anno, il corso viene tenuto in parte dal docente di riferimento e in parte da un Visiting Professor proveniente da un'Università straniera. Per questo motivo, il programma e le modalità di verifica dell'apprendimento possono subire leggere variazioni, che dipendono dalle specifiche competenze del Visiting Professor.
Testi di riferimento
Dispense delle lezioni disponibili su Kiro
Modalità verifica apprendimento
Gli studenti dovranno consegnare un assignment finale che consiste nell'analisi dei uno o più dataset utilizzando le metodologie e i tool software presentati a lezione
Altre informazioni
Obiettivi Agenda 2030 per lo sviluppo sostenibile