Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
AGNESE SBROLLINI
Lingua di erogazione: INGLESELessons taught in: ENGLISH
Laurea Magistrale - [IM13] BIOMEDICAL ENGINEERING Master Degree (2 years) - [IM13] INGEGNERIA BIOMEDICA
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 1 - Secondo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2023-2024
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA
Inglese
English
Conoscenze di base di probabilità, statistica e analisi dei segnali e immagini biomediche.
Basic knowledge of probability, statistics and biomedical signal and image processing.
Lezioni di Teoria: 50 ore
Esercizi: 22 ore
Theory: 50 hours
Exercises: 22 hours
Il corso ha l’obbiettivo di fornire agli studenti le conoscenze teoriche e pratiche per la progettazione e l’utilizzo dei sistemi intelligenti, ricorrendo a tecnologie e metodi all'avanguardia provenienti dai campi del machine learning, del data mining e dell’intelligenza artificiale. Scopo di tali conoscenze sarà quello di saper realizzare strumenti in grado di supportare il progresso scientifico e clinico in scenari applicativi quali l’estrazione di caratteristiche significative, l’interpretazione di pattern fisiologicamente significativi e il supporto decisionale diagnostico.
Capacità di applicare conoscenze e comprensione.
Il corso fornirà la conoscenza necessaria per supportare il progresso scientifico e clinico in scenari applicativi quali l’estrazione di caratteristiche significative, l’interpretazione di pattern clinicamente significativi e il supporto decisionale diagnostico. Tali capacità applicative verranno acquisite mediante lezioni frontali ed esercitazioni con l’ausilio di software specifici. La capacità di applicare le conoscenze acquisite verrà verificata tramite una prova scritta obbligatoria e una prova orale facoltativa. In particolare, lo studente dovrà dimostrare di aver acquisito una buona conoscenza teorica della materia e di saper utilizzare le nozioni teoriche per la risoluzione di problemi pratici. Agli studenti verrà inoltre chiesto di utilizzare queste conoscenze per sviluppare un progetto di ricerca durante le ore di esercitazione.
Competenze trasversali.
Le competenze trasversali includono la capacità espositiva, la capacità di programmazione, la capacità di lavorare in gruppo e la capacità di utilizzare un linguaggio formale e clinico, tipico della ricerca scientifica.
Knowledge and Understanding.
The course aims to provide the theoretical and practical knowledge for the design and use of intelligent systems, using the advanced technologies and methods of machine learning, data mining and artificial intelligence. The aim of this knowledge will be to learn how to create tools to support scientific and clinical progress in scenarios such as the feature extraction, the interpretation of physiology-based patterns and diagnostic decision support.
Capacity to apply Knowledge and Understanding.
The course will provide the knowledge necessary to support scientific and clinical progress in scenarios such as the feature extraction, the interpretation of physiology-based patterns and diagnostic decision support. These applicative skills will be acquired through lectures and exercises using specific software. The ability to apply the knowledge acquired will be verified through a mandatory written test and an optional oral test. In particular, the students must demonstrate that they have acquired a good theoretical knowledge of the topics and can use the theoretical notions for the resolution of practical problems. Students will also be asked to use this knowledge to develop a research project during the practice hours.
Transversal Skills.
Transversal skills include public speaking, coding, working in a team and using formal and clinical language, typical of scientific research.
PROGRAMMA
• Basi di probabilità e statistica
• Fondamenti di Cognitive Computation
• Metodi di Ottimizzazione
• Metodi per la selezione delle caratteristiche
• Metodi di Classificazione
• Metodi di analisi dei gruppi
• Metodi di regressione
• Metodi per l’Interpretabilità
Esercizi:
• Esercizi pratici in aula.
• Esercizi pratici: 1) Metodi di Ottimizzazione; 2) Metodi per la selezione delle caratteristiche; 3) Metodi di Classificazione; 4) Metodi di analisi dei gruppi; 5) Metodi di regressione; 6) Interpretabilità clinica.
PROGRAM
• Basis of probability and statistics
• Fundamentals of Cognitive Computation
• Optimization Methods
• Feature Selection methods
• Classification Methods
• Clustering Methods
• Regression Methods
• Interpretability Methods
Exercise:
• Exercises for practical application of theory.
• Exercises for practical application: 1) Optimization Methods; 2) Feature Selection methods; 3) Classification Methods; 4) Clustering Methods 5) Regression Methods; 6) Clinical Interpretability.
La prova d’esame consiste in tre prove: una prova scritta obbligatoria, una prova pratica obbligatoria, e una prova orale facoltativa. La prova scritta comprende un esercizio pratico e tre domande a risposta libera. La prova pratica consiste nella redazione di relazioni in merito alle attività progettuali effettuate durante il corso; in alternativa, la prova pratica consiste in un test a risposta multipla. Il tempo previsto per la prova scritta è di due ore, ed include anche l’eventuale test a risposta multipla.
La prova orale facoltativa può essere sostenuta solo se lo studente ha superato la prova scritta (punteggio uguale o superiore a 18). La prova orale consiste in tre domande orali in merito al programma del corso e deve essere sostenuta nello stesso appello della prova scritta.
Criteri di valutazione dell'apprendimento.
Per il superamento della prova d’esame, lo studente dovrà dimostrare una buona conoscenza teorica della materia, di saper applicare praticamente le conoscenze teoriche per la risoluzione di problemi pratici collegati all’ambiente della bioingegneria tramite esercizi a mano o tramite software specifici.
Criteri di misurazione dell'apprendimento.
Il voto finale sarà compreso tra 18/30 e 30/30 con lode.
Criteri di attribuzione del voto finale.
In tutte le prove, è considerato sufficiente un voto uguale/superiore a 18. Il voto della prova pratica è sufficiente se almeno 5 relazioni delle attività progettuali sono sufficienti, o se il voto del test a risposta multipla è sufficiente. La prova orale può essere sostenuta solo se la media ponderata (70% per prova scritta e 30% per prova pratica) di prova scritta e pratica è sufficiente.
Il voto finale equivale alla media ponderata di prova scritta e prova pratica. Nel caso in cui si sostenga la prova orale, il voto finale equivale alla media aritmetica tra la media ponderata di prova scritta e pratica, e il voto della prova orale.
La lode sarà attribuita a chi, con voto finale uguale a 30/30, abbia dimostrato la completa padronanza della materia.
Learning Evaluation Methods.
The exam consists of three tests: a mandatory written test, a mandatory practical test, and an optional oral test. The mandatory written test includes one exercise and three free-answer questions. The practical part consists of preparing abstracts related to the practical projects made during the course; alternatively, the practical part consists of a multiple-choice test. The written test is 2 hours long and also includes the possible multiple-choice test.
The optional oral test can be accessed only if the student has passed the written test (score equal to or greater than 18). The oral test consists of three oral questions about the course program and must be taken in the same session as the written test.
Learning Evaluation Criteria.
In order to pass the exam, the student will have to demonstrate a good theoretical knowledge of the subject, to be able to practically apply the theoretical knowledge to solve practical problems related to bioengineering problems by hand exercises or through specific software.
Learning Measurement Criteria.
The final score will range between 18/30 and 30/30 cum laude.
Final Mark Allocation Criteria.
To be considered sufficient, the score of all tests must be equal to or greater than 18. The score of the practical test is sufficient or if at least 5 abstracts related to the practical projects are sufficient or if the score of the multiple-choice test is sufficient.
The oral test can be taken only if the weighted average (70% of written test and 30% of practical test) of written and practical tests is sufficient.
The final score is equal to the weighted average of written and practical tests. If the oral exam is taken, the final score is the mean score between the weighted average of written and practical tests and the oral exam score.
The honors will be attributed to those students who, with a final score equal to 30/30, have demonstrated complete mastery of the subject.
Slide e materiale distribuito dal docente
Materials provided during the course
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427