PRESENTAZIONE

This course aims to introduce the basic computational paradigms of data science and technology, with specific focus on the three pillars of Artificial Intelligence for the data world, i.e. numerical simulation, inverse problems theory and machine learning. Then the course will describe some applications in biochemistry, involving pattern recognition methods for image processing in Scanning Tunnelling Microscopy, the mathematical modelling of tracer kinetics in nuclear medicine and the use of Molecular Interaction Maps in oncology.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

The general objective of the course is to provide students with a first overview of the main issues related to modern data science and its cultural background. The course has also two more specific objectives. The first one is to illustrate some computational tools representing the methodological basis for any artificial intelligence approach to data analysis problems. The second one is to describe three applications concerned with the use of data science methods in chemistry and biochemistry: the problem of the automatic recognition and classification of atomic species in Scanning Tunnelling Microscopy; the modelling of glucose metabolism by means of nuclear medicine data; the simulation of the chemical reaction network at the basis of a specific cellular transition in oncogenesis.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L'obiettivo generale del corso è quello di fornire agli studenti una prima panoramica delle principali questioni legate alla moderna scienza dei dati e del suo background culturale. Il corso ha anche due obiettivi più specifici. Il primo è illustrare alcuni strumenti computazionali che rappresentano la base metodologica di qualsiasi approccio dell'intelligenza artificiale ai problemi di analisi dei dati. Il secondo è quello di descrivere tre applicazioni che riguardano l'uso dei metodi della scienza dei dati in chimica e biochimica: il problema del riconoscimento e della classificazione automatica delle specie atomiche nella microscopia a scansione tunnel; la modellazione del metabolismo del glucosio attraverso i dati della medicina nucleare; la simulazione della rete di reazioni chimiche alla base di una specifica transizione cellulare nell'oncogenesi.

PREREQUISITI

Students attending the course should know in advance the basics of

• Linear Algebra (vectors, matrices and their norms; linear systems; inversion of a matrix; eigenvalues)

MODALITA' DIDATTICHE

lezioni e attività di laboratorio 

PROGRAMMA/CONTENUTO

L'insegnamento è caratterizzato dalle seguenti tre parti:

Strumenti di calcolo: armonizzazione delle competenze (8 ore)

Fondamenti di analisi numerica (2 ore)
Fondamenti di teoria bayesiana (3 ore)
Fondamenti di teoria della regolarizzazione (3 ore)
Intelligenza artificiale: i molteplici aspetti della modellazione dei dati (10 ore)

Simulazione numerica (2 ore)
Problemi inversi (4 ore)
Apprendimento automatico (4 ore)
Applicazioni ai dati chimici e biochimici (6 ore)

Imaging STM (2 ore)
Cinetica dei traccianti (2 ore)
Reti di reazioni chimiche (2 ore)

TESTI/BIBLIOGRAFIA

diapositive fornite dal professore

DOCENTI E COMMISSIONI

LEZIONI

INIZIO LEZIONI

18 settembre 2023

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

Per gli studenti con disabilità o con DSA si rimanda alla sezione Altre Informazioni.

Calendario appelli

ALTRE INFORMAZIONI

Si ricorda alle studentesse e agli studenti con disabilità o con disturbi specifici dell'apprendimento (DSA) che per poter richiedere adattamenti in sede d'esame occorre prima inserire la certificazione sul sito web di Ateneo alla pagina servizionline.unige.it nella sezione “Studenti”. La documentazione sarà verificata dal Settore servizi per l’inclusione degli studenti con disabilità e con DSA dell’Ateneo, come indicato sul sito federato al link: SCIENZA E TECNOLOGIA DEI MATERIALI 11430 | Studenti con disabilità e/o DSA | UniGe | Università di Genova | Corsi di Studio UniGe

Successivamente, con significativo anticipo (almeno 10 giorni) rispetto alla data di esame occorre inviare una e-mail al/alla docente con cui si sosterrà la prova di esame, inserendo in copia conoscenza sia il docente Referente di Scuola per l'inclusione degli studenti con disabilità e con DSA (sergio.didomizio@unige.it) sia il Settore sopra indicato. Nella e-mail occorre specificare:

•            la denominazione dell’insegnamento

•            la data dell'appello

•            il cognome, nome e numero di matricola dello studente

•            gli strumenti compensativi e le misure dispensative ritenuti funzionali e richiesti.

Il/la referente confermerà al/alla docente che il/la richiedente ha diritto a fare richiesta di adattamenti in sede d'esame e che tali adattamenti devono essere concordati con il/la docente. Il/la docente risponderà comunicando se sia possibile utilizzare gli adattamenti richiesti.

Le richieste devono essere inviate almeno 10 giorni prima della data dell’appello al fine di consentire al/alla docente di valutarne il contenuto. In particolare, nel caso in cui si intenda usufruire di mappe concettuali per l’esame (che devono essere molto più sintetiche rispetto alle mappe usate per lo studio) se l’invio non rispetta i tempi previsti non vi sarà il tempo tecnico necessario per apportare eventuali modifiche.

Per ulteriori informazioni in merito alla richiesta di servizi e adattamenti consultare il documento: Linee guida per la richiesta di servizi, di strumenti compensativi e/o di misure dispensative e di ausili specifici