Anno di corso: 1

Crediti: 8
Crediti: 8
Crediti: 8
Crediti: 8
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
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: 8
Tipo: A scelta dello studente
Crediti: 6
Tipo: A scelta dello studente
Crediti: 4
Tipo: A scelta dello studente
Crediti: 5
Tipo: Lingua/Prova Finale
Crediti: 10
Tipo: Altro

INFORMATICA

Scheda dell'insegnamento

Anno accademico di regolamento: 
2019/2020
Anno di corso: 
1
Anno accademico di erogazione: 
2019/2020
Tipo di attività: 
Obbligatorio
Lingua: 
Italiano
Crediti: 
8
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
70
Prerequisiti: 

Prerequisiti: nessuno
Propedeuticità: nessuna

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

Esame scritto della durata di 2 ore, con 9 domande a risposta multipla e una domanda a risposta aperta, riguardanti gli argomenti trattati durante le lezioni frontali e le esercitazioni in laboratorio.

Valutazione: 
Voto Finale

Obiettivi formativi

L'insegnamento si propone di spiegare i concetti base dell’Informatica e della Statistica, con una particolare attenzione alle applicazioni di carattere biotecnologico. Durante l'insegnamento verranno illustrate 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).

Conoscenza e capacità di comprensione. Al termine dell'insegnamento lo studente saprà sviluppare la capacità di:
- “computational thinking”, al fine di utilizzare in modo appropriato gli strumenti dell’Informatica (algoritmi, metodi computazionali, software) per la soluzione di un dato problema;
- analisi critica relativamente alla scelta dei metodi statistici più adeguati per l’analisi di dati in ambito biologico/clinico, e per l’interpretazione dei rispettivi risultati.
Capacità di applicare conoscenza e comprensione. Al termine dell'insegnamento lo studente sarà in grado di applicare le conoscenze acquisite per la soluzione di problemi in ambito computazionale e statistico:
- organizzare e trattare automaticamente i dati o risolvere semplici problemi tramite l’utilizzo di fogli di calcolo (esercitazioni in laboratorio);
- sviluppare semplici algoritmi, programmare in linguaggio Python e utilizzare l’ambiente di sviluppo R per analisi statistiche (esercitazioni in laboratorio).
Autonomia di giudizio. Al termine dell'insegnamento lo studente sarà in grado di elaborare quanto appreso, e saprà riconoscere le situazioni e i problemi in cui le metodologie informatiche e statistiche apprese possano essere utilizzate.
Abilità comunicative. Al termine dell'insegnamento lo studente sarà in grado di esprimersi in modo appropriato nella descrizione delle tematiche affrontate, con proprietà di linguaggio e sicurezza di esposizione.
Capacità di apprendimento. Al termine dell'insegnamento lo studente sarà in grado di consultare la letteratura sugli argomenti trattati, nonché analizzare, applicare, integrare e collegare le conoscenze acquisite con quanto verrà appreso in insegnamenti correlati all’applicazione delle scienze computazionali e statistiche per l’analisi dei dati.

Contenuti

Informatica
1) Nozioni di base sui calcolatori e sulla codifica dei dati
2) Pensare in modo algoritmico ed elementi di programmazione
3) Nozioni di Bioinformatica
4) Basi di dati

Statistica
1) Statistica descrittiva
2) Statistica inferenziale

Esercitazioni in laboratorio
Fogli di calcolo
Elementi di programmazione in Python e R

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
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

Esercitazioni in laboratorio
I fogli di calcolo per l’elaborazione dei dati
Strutture dati e ragionamento algoritmico
Elementi di programmazione in Python
Elementi di statistica descrittiva ed inferenziale con R

Bibliografia consigliata

Materiale didattico disponibile sulla piattaforma e-learning dell'insegnamento.

Libri di testo suggeriti:
- L. Snyder, A. Amoroso, Fluency - Conoscere e usare l'informatica, Pearson, 2015
- M.M. Triola, M.F. Triola, Fondamenti di statistica per le discipline biomediche, Pearson, 2017
- M.C. Whitlock, D. Schluter, Analisi statistica dei dati biologici, Zanichelli, 2010

Modalità di erogazione

Convenzionale

Metodi didattici

Lezioni frontali in aula (40 ore, 5 CFU) supportate da presentazioni PowerPoint, ed esercitazioni in laboratorio (30 ore, 3 CFU).

Contatti/Altre informazioni

Ricevimento: su appuntamento, previa richiesta per mail al docente