Anno di corso: 1

Crediti: 8
Crediti: 8
Crediti: 8
Crediti: 8
Crediti: 3
Tipo: Lingua/Prova Finale

Anno di corso: 2

Anno di corso: 3

Crediti: 6
Crediti: 8
Crediti: 6
Crediti: 12
Tipo: A scelta dello studente
Crediti: 5
Tipo: Lingua/Prova Finale
Crediti: 10
Tipo: Per stages e tirocini

INFORMATICA

Scheda dell'insegnamento

Anno accademico di regolamento: 
2017/2018
Anno di corso: 
1
Anno accademico di erogazione: 
2017/2018
Tipo di attività: 
Obbligatorio
Lingua: 
Italiano
Crediti: 
8
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
70
Prerequisiti: 

Non è richiesto alcun prerequisito per la frequenza al corso

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

SCRITTO E ORALE

Valutazione: 
Voto Finale

Obiettivi formativi

Gli obiettivi principali del corso sono:
1) sviluppare la capacità di “computational thinking” dello studente, al fine di utilizzare in modo appropriato gli strumenti dell’Informatica (algoritmi, metodi computazionali, software) per la soluzione di un dato problema;
2) sviluppare la capacità di analisi critica dello studente relativamente alla scelta dei metodi statistici più adeguati per l’analisi di dati in ambito biologico/clinico e per l’interpretazione dei rispettivi risultati.

Contenuti

Il corso si propone di spiegare i concetti base dell’Informatica e della Statistica, con una particolare attenzione alle applicazioni di carattere biotecnologico.
Durante il corso verranno illustrate, in particolare, le relazioni fra le discipline informatiche e le discipline biologiche: la trattazione dei concetti base dell’Informatica sarà affiancata alla spiegazione dell’importanza che tali concetti rivestono per l’analisi di dati biologici (ad es. ricerca in banche dati biologiche, problemi di Bioinformatica, Biologia Computazionale e Biologia dei Sistemi).
Al fine di acquisire la capacità di organizzare e trattare automaticamente i dati (con particolare riferimento ai dati biologici) o risolvere semplici problemi, verranno inoltre svolte esercitazioni in laboratorio per l’insegnamento dei fogli di calcolo, per l’acquisizione di capacità di programmazione e per l’utilizzo dell’ambiente di sviluppo R per analisi statistiche.

Programma esteso

Informatica
1) Nozioni di base sui calcolatori e sulla codifica dei dati
• Cos’è un computer (architettura di von Neumann)
• Differenza tra hardware e software (software applicativo e di sistema)
• Cos’è un processore e quali istruzioni esegue
• Cos’è la memoria e cosa contiene
• Codifica dell’informazione (rappresentazione dei numeri e dei testi)
• Rappresentazione dell’informazione multimediale
• Visualizzazione e rappresentazione dei dati biologici
• Reti di computer (protocolli di trasmissione dati, Internet, reti locali/globali, metodi di ricerca su web)
2) Pensare in modo algoritmico ed elementi di programmazione
• Definizione di algoritmo
• Dal problema all’algoritmo al programma
• Programmi e linguaggi di programmazione
• Programmazione strutturata e pseudo-codice
• Strutture dati
• Problemi “facili” e problemi “difficili”
• Efficienza degli algoritmi (nozioni di complessità computazionale)
3) Nozioni di Bioinformatica
• Problemi biologici e relative soluzioni informatiche
• Le banche dati biologiche (banche dati primarie, secondarie, specializzate)
• Ricerca in banche dati genomiche: algoritmi di allineamento e tecniche euristiche
• Alcuni problemi “difficili” della Bioinformatica: protein folding, molecular docking
• Nozioni di Biologia Computazionale e Biologia dei Sistemi
• Dalla Biologia all’Informatica: metodi computazionali di ispirazione biologica per la soluzione di problemi “difficili”
4) Basi di dati
• Differenze fra basi di dati e fogli di calcolo
• Database management systems (DBMS)
• Modello relazionale di una base di dati
• Struttura delle banche dati biologiche

Statistica
1) Statistica descrittiva
• Campioni e popolazioni, tipologie di dati e variabili
• Disegno degli esperimenti (cieco, replicazione, strategie di campionamento)
• Il concetto di frequenza (assoluta, relativa, cumulativa)
• Rappresentazione grafica dei dati (istogrammi, diagrammi a torta, diagrammi a dispersione)
• Misure di centralità (media, mediana, moda)
• Misure di dispersione (range, deviazione standard, varianza)
• Misure di posizione (quantili, percentili)
• Analisi esplorativa dei dati (outlier, boxplot)
2) Statistica inferenziale
• Nozioni di teoria della probabilità
• Distribuzioni di probabilità (uniforme, binomiale, normale, Poisson)
• Metodi di stima con un campione (intervalli di confidenza, stima di media e varianza con un campione, distribuzione t di Student, distribuzione chi-quadro)
• Verifica di ipotesi con un campione
• Correlazione e regressione

Laboratorio
• I fogli di calcolo per l’elaborazione dei dati
• Elementi di programmazione
• Elementi di statistica descrittiva ed inferenziale con R

Bibliografia consigliata

• L. Snyder, A. Amoroso, Fluency - Conoscere e usare l'informatica, Pearson, 6 ed., 2015
• M.M. Triola, M.F. Triola, Fondamenti di statistica per le discipline biomediche, Pearson, 2013

Modalità di erogazione

Convenzionale

Metodi didattici

Lezioni frontali + laboratorio (aula informatizzata)

Contatti/Altre informazioni

Tutto il materiale didattico relativo alle lezioni frontali e alle esercitazioni in laboratorio sarà disponibile sulla piattaforma e-learning del corso.