A chi è diretto il corso:

Chiunque sia interessato all'inferenza causale in sistemi complessi mediante network analysis, nei quali l'interazione di numerose variabili fra loro interconnesse determina le proprietà osservabili del sistema. I Modelli di Equazioni Strutturali (SEM: Structural Equation Models) sono una classe di modelli definiti su ipotesi formulate a priori (knowledge-based models), modificabili dalla struttura presente nei dati (learning models) e rappresentano un'importante area di discussione nell'inferenza causale. Le conoscenze statistiche di base propedeutiche alla network analysis e SEM verranno fornite durante il corso, sebbene una pregressa conoscenza statistica possa agevolare l'apprendimento. Il corso è articolato su quattro giorni di lezioni teoriche e sessioni pratiche col linguaggio statistico R, su esempi concreti tratti principalmente dalla genetica molecolare, epidemiologia e psicologia.

Costo: 400 euro ; 200 riservato a studenti (IVA esente ai sensi dell’art. 10 DPR 633/72)

Obiettivi formativi:

Nell’ ambito del corso, i partecipanti acquisiranno:

➢ Basi del linguaggio R

➢ Basi di inferenza causale e teoria dei grafi

➢ Conoscenze specifiche nell'uso di pacchetti R per la network analisis e statistical learning

➢ Conoscenze teoriche avanzate per l'applicazione di Modelli di Equazioni Strutturali (SEM)

➢ Conoscenze teoriche avanzate per l'applicazione e l'uso di variabili latenti, composite e non osservate

➢ Conoscenze pratiche per la costruzione di SEM data-driven e knowledge-based

➢ Conoscenze pratiche per l'inferenza e l'interpretazione dei modelli SEM, attraverso i pacchetti igraph, lavaan  e SEMgraph

Il corso prevede:

➢ Lezioni frontali teoriche, volte a permettere agli studenti di comprendere gli strumenti che verranno loro mostrati.

➢ Esercitazioni pratiche, mirate a permettere agli stessi di familiarizzare in modo pratico con la tecnologia. Agli studenti verranno forniti esempi utili a sperimentare in modo critico quanto introdotto nelle sessioni teoriche.

➢ La condivisione del materiale didattico e l'uso di un'aula informatizzata (computer proprio non necessario).

PROGRAMMA

Martedì

Diagrammi di path analysis e grafi

9:00   – 11:00

Covarianza e concentrazione

Modello e diagramma di path

Effetto diretto, indiretto e totale

11:00 – 11:15 - Pausa caffè

11:15 – 13:00

Sessione R: basi del linguaggio R

13:00 – 14:15 - Pausa pranzo

14:15 – 16:00

Concetto di grafo: G(V, E)

Grafi misti (DAG e BAP)

Pathways e networks

16:00 – 16:15 - Pausa caffè

16:15 – 18:00

Sessione R: igraph, graph e Rgraphviz

Mercoledì

Architettura del modello SEM

9:00 – 11:00

Variabili endogene, esogene e covarianze (cause latenti “comuni”)

11:00 – 11:15 - Pausa caffè

11:15 – 13:00

Sessione R: lavaan

13:00 – 14:15 - Pausa pranzo

14:15 – 16:00

Stima dei parametri del modello SEM e indici di bontà-di-adattamento

16:00 – 16:15 - Pausa caffè

16:15 – 18:00

Sessione R: SEMgraph

Giovedì

Costruzione data-driven di un modello SEM

9:00 – 11:00

Apprendimento di un modello SEM complesso e con numerose variabili

11:00 – 11:15 - Pausa caffè

11:15 – 13:00

Sessione R con pcalg e SEMggm

13:00 – 14:15 - Pausa pranzo

14:15 – 16:00

Moduli e calcolo di scores di variabili latenti,

composite o non osservate

16:00 – 16:15 - Pausa caffè

16:15 – 18:00

Sessione R: SEMfsr

Venerdì

Costruzione knowledge-based di un modello SEM

9:00 – 11:00

Importazione di modelli complessi

(pathways) da database biologici 

11:00 – 11:15 - Pausa caffè

11:15 – 13:00

Sessione R con graphite

13:00 – 14:15 - Pausa pranzo

14:15 – 16:00

Workflow di network analysis e mining con R: SEMgraph

16:00 – 16:15 - Pausa caffè

16:15 – 18:00

Network reduction con R SEMgraph

La partecipazione al corso è limitata a un numero massimo di 20 partecipanti.

Il numero minimo per attivare il corso è di 10 partecipanti.

Il richiedente dovrà obbligatoriamente inviare per posta elettronica la domanda di iscrizione entro e non oltre il 05/10/2019. Le persone selezionate riceveranno conferma per posta elettronica con i dettagli per completare l’iscrizione al corso nella settimana successiva alla deadline. Eventuali domande in eccedenza saranno tenute presenti per una nuova edizione del corso.

Per favore, all’atto del pagamento, inviare una mail allegando copia del versamento e indicando come deve essere intestata la fattura.

Dove si svolge?

Dipartimento di Scienze del Sistema Nervoso e del Comportamento, Università di Pavia, Cascina Cravino, via Bassi, 21, Aula informatizzata.

Docenti

Prof. Mario Grassi

Professore Ordinario, Responsabile del Laboratorio di Statistica Multivariata dell’Unità di Statistica medica e genomica, presso il Dipartimento di Scienze del Sistema Nervoso e del Comportamento dell'Università di Pavia. E' autore di oltre 150 pubblicazioni scientifiche internazionali relative a malattie respiratorie (asma, BPCO), cardiovascolari (Infarto del Miocardio e Ictus Cerebri) e demenze degenerative (Malattia di Alzheimer e Demenza Frontotemporale). I suoi  interessi  di  ricerca  riguardano lo  studio  dell’interazione gene-gene e gene-ambiente e l'inferenza causale attraverso modelli di equazioni strutturali, network analysis e machine learning. Autore del package R SEMgraph.

Dott. Fernando Palluzzi

Assegnista di Ricerca presso il Dipartimento di Scienze del Sistema Nervoso e del Comportamento dell'Università di Pavia. Dottore in Ingegneria dell'Informazione presso il Politecnico di Milano, in collaborazione con l'Istituto Europeo di Oncologia, è autore di pubblicazioni su riviste scientifiche internazionali nel campo delle malattie neurodegenerative ed oncologiche, dove ha sviluppato e applicato modelli di equazioni strutturali, network analysis, e machine learning. Autore del package R SEMgraph.

NOTE PER LA 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 FORMS del sito ed inoltrarle alla segreteria organizzativa.

Segreteria organizzativa: 

Dott.ssa Gianfranca Corbellini

Telefono: 0382 987526   Fax: 0382 987527

E mail: gianfranca.corbellini@unipv.it