[ Home page docente | Home page DISI ]
|
In questa pagina: Altre pagine: |
|
Il corso presenta una panoramica delle applicazioni delle tecniche di "machine learning" a problemi di natura biologica. Vengono illustrati alcuni argomenti fondamentali quali clustering, classificazione, il problema dell'induzione e della generalizzazione, partendo da problemi applicativi reali presenti nella letteratura scientifica.
L'allievo che avrà seguito il corso con profitto sarà in grado di comprendere a grandi linee i problemi fondamentali di analisi automatica dei dati sperimentali, le caratteristiche dei dati stessi e degli algoritmi utilizzati, con riferimento per esempio ai dati provenienti da esperimenti con DNA microarray, da immagini digitali, da accertamenti sierologici, da rilevamenti su popolazioni faunistiche...
Tali competenze gli forniranno le basi per una più rapida produttività nell'uso di tali strumenti durante il lavoro sperimentale. Gli consentiranno inoltre di affrontare un più approfondito studio della letteratura scientifica di bioinformatica e di machine learning.
Introduzione ai metodi automatici per l'elaborazione dei dati - Rilevamento e misure dei dati sperimentali - Elaborazioni preliminari - Metodologia statistica - La classificazione - Teoria bayesiana della decisione - Apprendimento automatico - Alcuni esempi di metodi di classificazione - Il clustering - Tecniche agglomerative - Tecniche partitive - Altri problemi - Esempi
Dispense con gli appunti
del corso
scaricabili in formato elettronico, per l'anno accademico 2002/2003.
Lezioni
Le lezioni in aula si terranno presso le aule del DIBISAA (Viale Benedetto XV,
5).
Orario delle lezioni per l'anno accademico 2002-2003.
[ In cima | Home page corso | Home page docente | Home page DISI ]
Ultima modifica: