Master in machine learning e big data nella medicina di precisione e nella ricerca biomedica

Direttore: Ileana Baldi (DCTV - UniPD)
Co-direttore: Giovanni Sparacino (DEI - UniPD)

Corso di Master completamente online per l’aggiornamento e la formazione del biostatistico e del bioingegnere


Macchina di Turing
Il progetto formativo è finalizzato all'apprendimento dell'utilizzo di metodologie avanzate di analisi dei dati, dal Machine Learning al Data Mining fino al Predictive Analytics in ambito clinico.



Queste tecniche sono lo strumento metodologico alla base della person-centered clinical research e della medicina personalizzata. Il programma di master propone ogni anno 4 tematiche, scelte dal Direttivo del Corso.

Moduli del Master

Panoramica sul Machine Learning e Big Data
(Dr.ssa Ileana Baldi, Università di Padova)
Prospettiva generale sui big data. Introduzione ai tipi di problemi di analisi che il Machine Learning (ML) può affrontare e al software R. Elementi di costruzione del modello e valutazione dell'accuratezza.
Machine Learning per la previsione di esiti
(Prof. Dario Gregori, Università di Padova)
La possibilità di predire esiti sanitari è un aspetto fondamentale della pratica medica e clinica. La previsione copre molte aree di applicazione che vanno dalla prognosi alla valutazione della terapia. Tratteremo MLT supervisionate per la previsione numerica e la classificazione.
Machine Learning per predire la condizione clinica
(Dr. Enrico Grisan, Università di Padova)
In questo modulo si introducono tecniche di base ed avanzate utilizzate nella ricerca clinica e biomedica in problemi di predizione e stratificazione, con particolare attenzione alla identificazione della condizione clinica dei pazienti, alla loro risposta a differenti strategie terapeutiche, e alla loro appartenenza a specifiche classi di progressione. Il modulo coprirà argomenti relativi a apprendimento con e senza supervisione, come i GLM, i GMM, le reti Bayesiane e i modelli di sopravvivenza. A partire dai fondamenti delle varie metodologie, si considereranno gli scenari di ricerca biomedica e di pratica clinica in cui queste tecniche avanzate trovano applicazione.
Gestione dell'Eterogeneità nella Ricerca Biomedica e la Pratica Clinica
(Dr.ssa Barbara di Camillo, Università di Padova)
In questo modulo si introducono tecniche di clustering standard e avanzate quali clustering gerarchico k-means, e Self Organizing Maps. Saranno presentati esempi di applicazioni a dati biologici e clinici.
Tecniche avanzate per la predizione e la stratificazione
(Prof. Fabio Vandin, Università di Padova)
In questo modulo si introducono tecniche avanzate per la predizione e la stratificazione in ambito biomedico e nella pratica clinica, quali neural networks, support vector machines e nonnegative matrix factorization. A partire dai fondamenti delle varie metodologie, si considereranno gli scenari di ricerca biomedica e di pratica clinica in cui queste tecniche avanzate trovano applicazione.

Organizzazione della didattica

Attività

Ottobre-Maggio 2018Moduli didattica
Giugno-Settembre 2018Project Work
Settembre 2018Esame Master

Valutazione finale

Alla valutazione finale concorrono gli esiti degli homeworks e del project work.
Il project work riguarderà un’analisi guidata di basi di dati messa a disposizione anche dagli stessi studenti.

Crediti ECM

Come indicato nella circolare del Ministro della Salute del 5/03/02 N. DIRP 3°/AG/448, al comma 15, l’iscritto al corso è esonerato dall'obbligo dell'ECM per tutto il periodo di formazione (anno di frequenza).

Costo

3024.50€ (Rateizzato)

Project Work

Il project work, focalizzato su uno dei moduli forniti, è oggetto di tutoraggio online tramite PM-DCTV da parte delle componenti accademiche.

Le tecniche di Machine Learning permettono di sfruttare il potenziale informativo di grandi basi di dati (Big Data). Sono modelli in grado di adattarsi, addestrarsi e imparare dai dati (storici) disponibili, cioè di migliorare le performance nei termini di un interesse misurabile rispetto all’aumento di conoscenza derivante dai (nuovi) dati disponibili.
Il Master vuole guidare i clinici allo sfruttamento dell'elaborazione dei dati.
Per ciascuna tecnica di Machine Learning viene presentato un case study.
Il Master prevede l’utilizzo, sotto la guida di docenti esperti, del software e del linguaggio di programmazione di R.

Iscrizioni

Entro il 19 settembre 2017 Prorogate al 2 ottobre 2017, al sito go www.unipd.it/machine-learning-big-data Scarica  download la brochure