Riconoscimento e recupero dell'informazione per bioinformatica (2011/2012)

Codice insegnamento 4S02716   Crediti 12   Coordinatore Manuele Bicego Corsi di studio in cui è offerto Laurea in Bioinformatica   Settore disciplinare INF/01 - INFORMATICA Lingua di erogazione Italiano

Pagine collegate Avvisi relativi al corso Seminari relativi al corso

L'insegnamento è organizzato come segue:

Orario lezioni

Obiettivi formativi

Il corso intende fornire i fondamenti teorici e applicativi di una classe di metodologie automatiche per il riconoscimento e il recupero di informazioni da dati biologici, al fine di estrarre conoscenza. In particolare verranno fornite le basi delle principali metodologie di Pattern Recognition, sia supervisionata (classificazione) che non supervisionata (clustering). L’attenzione è rivolta principalmente alla descrizione delle metodologie piuttosto che ai dettagli dei programmi applicativi (già visti in altri corsi).

Il corso si svilupperà seguendo diverse direzioni (intersecanti). Nella prima, più metodologica, verranno descritte in generale le metodologie di classificazione e di clustering, i problemi sottostanti e le motivazioni che portano allo studio di queste tecniche.
Nella seconda, più strettamente applicativa, verranno analizzati alcuni problemi bioinformatici che sono classicamente risolti con metodologie di classificazione e clustering (come l'analisi di dati derivanti da microarray). In particolare, per ogni applicazione, verranno fornite una descrizione del problema e una soluzione classica.
Infine, nella terza (da effettuare in laboratorio), verranno implementati semplici algoritmi di classificazione e clustering utilizzando il linguaggio di programmazione MATLAB.

Programma

INTRODUZIONE:
- Introduzione generale alla Pattern Recognition: cos’è, cosa serve, tipico sistema di PR
- Rappresentazione e visualizzazione dei dati

CLASSIFICAZIONE:
- Schemi di classificazione
- Classificatori semplici
- Classificatori avanzati: Reti neurali, Support Vector Machines, Hidden Markov Models
- Validazione della classificazione

CLUSTERING:
- Misure di similarità tra dati
- Tecniche di clustering: tassonomia e dettagli delle tecniche più utilizzate
- Validazione

APPLICAZIONI

Modalita d'esame

La verifica del profitto sarà effettuata mediante la preparazione e lo svolgimento di un seminario e di una breve prova scritta, atti a verificare l'acquisizione dei concetti teorici, nonché la padronanza degli strumenti matematici e informatici.

Per gli studenti particolarmente interessati agli argomenti del corso è possibile effettuare l'esame sostituendo il seminario con lo svolgimento di un progetto.

Materiale didattico
Attività	Titolo	Formato (Lingua, Dimensione, Data pubblicazione)
Laboratorio	Lab 0 - Introduzione a MATLAB - part1	pdf (it, 101,316 KB, 14/03/12)
Laboratorio	Lab 0 - Introduzione a MATLAB - part2	zip (it, 0,812 KB, 14/03/12)
Laboratorio	Lab 1 - Introduzione a MATLAB - part3	zip (it, 1,439 KB, 14/03/12)
Laboratorio	Lab 2 - Introduzione a MATLAB - part4	zip (it, 2,464 KB, 26/03/12)
Laboratorio	Lab 3 - Introduzione a MATLAB e PCA	zip (it, 2,413 KB, 02/04/12)
Laboratorio	Lab 4 - LDA	zip (it, 14,413 KB, 07/05/12)
Laboratorio	Lab 5 - Classificatori Bayesiani e distribuzioni Gaussiane	zip (it, 23,812 KB, 07/05/12)
Laboratorio	Lab 6 - KNN	zip (it, 92,293 KB, 07/05/12)
Laboratorio	Lab 7 - Riassunto	zip (it, 0,001 KB, 06/06/12)
Laboratorio	Lab 8 - Hidden Markov Models	zip (it, 0,001 KB, 06/06/12)

Statistiche per i requisiti di trasparenza (Attuazione Art. 2 del D.M. 31/10/2007, n. 544)

I dati relativi all'AA 2011/2012 non sono ancora disponibili