L'insegnamento fornisce le basi per lo sviluppo di sistemi avanzati di analisi di dati biomedici. Tali sistemi sono utilizzati in tutte le aree della bioingegneria al fine di costruire sistemi di supporto alla diagnosi, sistemi di interpretazione dei dati di uno studio clinico, indicatori clinici, ...
In particolare verranno approfondite le conoscenze relative alle caratteristiche e alla struttura generale di un classificatore e ai principali metodi utilizzati per lo sviluppo di sistemi basati sulla classificazione e/o algoritmi di apprendimento.
I laboratori consentono allo studente di acquisire le competenze necessarie per saper riconoscere le caratteristiche di un problema, scegliere un metodo adatto per la sua soluzione e costruire e validare un classificatore in grado di risolvere il problema posto.
Al termine dell'insegnamento lo studente sarà in grado di risolvere attraverso il metodo più opportuno problemi di media difficoltà.

Le conoscenze che l'insegnamento si propone di trasmettere riguardano
le tecniche di rappresentazione dei sistemi,
gli aspetti che caratterizzano un qualsiasi classificatore (feature extraction, feature selection, misure di similarità, regola di decisione),
i passi di sviluppo di una apllicazione (concettualizzazione, costruzione, validazione),
i principali metodi appartenenti ai settori della statistica, computational intelligence e machine learning.
Agli studenti verrà poi insegnato come analizzare i risultati in funzione del contesto.

Propedeutica all'attività di laboratorio sarà una breve introduzione all'uso dell'ambiente MATLAB.

Al fine di insegnare agli studenti come affronatre un problema reale verranno proposti cinque differenti problemi da sviluppare in laboratorio con metodi diversi e con livelli di difficoltà via via crescenti.
Il primo laboratorio richiederà agli studenti di mettere in pratica i concetti visti a lezione, a partire dal secondo laboratorio si richiedrà via via maggiore progettualità fino ad arrivare alla costruzione di un sistema basato sull'uso congiunto di più metodi.

Il concetto di probabilità.
Concetti base di logica e di calcolo matriciale.
Conoscenza delle caratteristiche dei principali dispositivi medici per la diagnosi e la terapia.

Introduzione (le tecniche di rappresentazione dei sistemi,
gli aspetti che caratterizzano un qualsiasi classificatore (feature extraction, feature selection, misure di similarità, regola di decisione),
i passi di sviluppo di una apllicazione (concettualizzazione, costruzione, validazione) [6h]
Fuzzy logic [6h]
Ottimizzazione: metodi basati su ricerca locale, Genetic Algorithms [6h]
Neural Networks [6h]
Clustering [4.5h]
Statitical learning [7.5h]

Laboratorio 1: Fuzzy logic
Laboratorio 2: Genetic Algorithms
Laboratorio 3: Statistical learning
Laboratorio 4: Neural networks
Laboratorio 5: Clustering

Discussione risultati laboratorio [7.5h]

Slide e materiale distribuito dal docente

Il voto finale è ottenuto come somma di:

Laboratori [4pt] [per ogni laboratorio deve essere consegnata una relazione] – Valuta l’Autonomia di giudizio, le Abilità comunicative e la Capacità di lavorare in un team

Discussione laboratori [4pt] – Valuta le Abilità comunicative

Scritto (3 domande[teoria, ragionamento, esercizio]) [15pt] (durata 45 min, superata se si ottengono almeno 3pt/domanda) – Valuta conoscenza e comprensione

Prova di laboratorio [9pt] (durata 2 ore, superata se si ottengono almeno 6pt) - Valuta la capacità di applicare conoscenza e comprensione