Questo corso si rivolge alla crescente necessità di applicare modelli avanzati di machine learning nel contesto medico e genomico, offrendo un approccio completo e sofisticato per comprendere e utilizzare tali metodologie nell'analisi e nell'interpretazione dei dati genomici.

Questo corso offre una panoramica completa sui fondamenti del machine learning e delle tecniche correlate, come l'inferenza causale e il deep learning, e sulla metodologia per applicarle a problemi di analisi del mondo reale nel campo della biologia, delle scienze genetiche e genomiche. Durante il corso, verranno illustrati i vari passaggi coinvolti in un'analisi di machine learning e verrà spiegato come eseguirli utilizzando il linguaggio di programmazione R. 

Ai partecipanti saranno forniti esercizi pratici da completare durante il corso al fine di acquisire esperienza pratica nell'utilizzo dei metodi presentati.

Il corso si svolge in 4 giorni in modalità ONLINE e si articola in seminari teorici e sessioni di laboratorio computazionale. Tutto il materiale didattico verrà reso disponibili alla fine del corso.

Il corso prevede una intera giornata di introduzione all'ambiente R.

Programma:

6 Maggio 2024: Introduzione ad R

9.30 -10.00 Introduzione del corso

10.00-11.00 Sintassi e Ambiente R

11.00-11.30 Break

11.30- 13.00 Gli oggetti principali in R

13.00- 14.00 Lunch

1400.-16.00 Gestione ed Analisi dei dati in R

16.00-16.30 Summary dei concetti principali

7 Maggio 2024: Introduzione al Machine Learning

9.30 -10.00 Concetti fondamentali del Machine Learning

10.00-11.00 Metodi lineari (LASSO) e Kernel

11.00-11.30 Break

11.30- 13.00 Tree-based Methods and Boosting

13.00- 14.00 Lunch

14.00-16.00 Sessione pratica con Applicazioni in Genomica

16.00-16.30 Summary dei concetti principali

8 Maggio 2024: Fondamenti dell'Inferenza Causale

9.30 -10.00 Concetti principali dell'Inferenza Causale

10.00-11.00 Modelli di Equazioni Strutturali

11.00-11.30 Break

11.30- 13.00 Apprendimento della Struttura Causale

13.00- 14.00 Lunch

14.00-16.00 Sessione pratica con Applicazioni in Genomica

16.00-16.30 Summary dei concetti principali

9 Maggio 2024: Una Panoramica sul Deep Learning

9.30 -10.00 Sviluppi nel Deep Learning

10.00-11.00 Reti Generative Avversarie

11.00-11.30 Break

11.30- 13.00 Deep Learning per la Stima degli Effetti Causali

13.00- 14.00 Lunch

14.00-16.00 Sessione pratica con Applicazioni in Genomica

16.00-16.30 Summary dei concetti principali

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Il richiedente dovrà obbligatoriamente  eseguire la registrazione online non oltre il 30/04/2024. Le persone selezionate riceveranno conferma per posta elettronica con i dettagli per completare l’iscrizione al corso nella settimana successiva alla deadline. 

Per favore all’atto del pagamento, inviare una mail allegando copia del versamento e indicando come deve essere intestata la fattura (per istruzioni vedere più sotto).

Docenti

Prof. Mario Grassi, Prof Davide Gentilini e  Dot.ssa Barbara Tarantino PhD

Università di Pavia

Mario Grassi è Professore Ordinario di Statistica Medica presso l'Università di Pavia, facoltà di Medicina e Chirurgia. L'ambito scientifico di interesse è quello dei metodi statistici applicati all'epidemiologiagentica e genomica con particolare interesse verso le patologie neurodegenerative.

Davide Gentilini Attualmente è Professore Associato in Statistica Medica presso l’Università di Pavia e capo dell’Unità di Bioinformatica e Statistica Genetica presso l’Istituto Auxologico Italiano. In qualità di genetista e responsabile dell’analisi bioinformatica ed è impegnato sia nell’attività di diagnostica molecolare che nell’attività di ricerca  prevalentemente rivolta allo studio delle componenti genetiche ed epigenetiche che regolano i tratti complessi.

Barbara Tarantino è una ricercatrice post-dottorato presso l’Università di Pavia. Neolaureata presso il corso di Dottorato in Ingegneria Elettronica, Informatica ed Elettrica dell'Università di Pavia, presenta un forte profilo in bioinformatica, biostatistica e genomica statistica. Vasta esperienza nell'analisi dei dati con tecniche statistiche e strumenti di visualizzazione nel linguaggio di programmazione R.

Dove si svolge?

Il corso si svolge in modalità a distanza in collegamento diretto. 

FATTURAZIONE

Poichè dovrà essere emessa fattura in seguito alla vostra iscrizione, fornire le indicazioni necessarie a seconda della tipologia scaricando il format corretto dalla pagina MODULISTICA (nella pagina Courses, in alto a a sinistra) ed inoltrarle alla segreteria organizzativa

Segreteria organizzativa:

dott.ssa Gianfranca Corbellini

Telefono: 0382 987526   Fax: 0382 987527

E mail: gianfranca.corbellini@unipv.it