Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home
Percorso della pagina
  1. Area Economico-Statistica
  2. Corso di Laurea Magistrale
  3. Biostatistica [F8205B - F8203B]
  4. Insegnamenti
  5. A.A. 2023-2024
  6. 1° anno
  1. Laboratorio R per la Biostatistica
  2. Introduzione
Insegnamento Titolo del corso
Laboratorio R per la Biostatistica
Codice identificativo del corso
2324-1-F8203B044
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi

Il corso si propone di fornire le basi teoriche e le conoscenze di R utili alla gestione e analisi di dati raccolti mediante un disegno epidemiologico sperimentale o osservazionale. Verranno inoltre forniti esempi di utilizzo di tecniche di machine learning in questo contesto.

Conoscenza e comprensione

Questo insegnamento fornirà conoscenze e capacità di comprensione relativamente:

  • alla gestione dei dati con R
  • all'uso di diversi modelli e tecniche biostatistiche con R
  • all'applicazione di tecniche di machine learning di classificazione e di selezione delle variabili negli studi sperimentali ed osservazionali

Capacità di applicare conoscenza e comprensione

Alla fine dell'insegnamento gli studenti saranno in grado di:

  • gestire con il linguaggio R il database di partenza per una buona sintesi e visualizzazione dei dati
  • analizzare con il linguaggio R i dati provenienti da uno studio sperimentale o osservazionale
  • applicare tecniche di classificazione e di selezione delle variabili nella costruzione dei modelli statistici

Contenuti sintetici

Gestione dei dati con R

Metodi statistici per l’analisi dei principali disegni sperimentali e osservazionali in R

Metodi di machine learning in R per la classificazione e la selezione delle variabili

Programma esteso

Gestione dei dati con R: i) Introduzione al linguaggio R, ii) metodi per la pulizia dei dati, iii) metodi per la creazione di report e la visualizzazione dei dati

Metodi statistici per l’analisi dei principali disegni sperimentali e osservazionali in R: i) analisi di uno studio trasversale, ii) analisi di uno studio di coorte, iii) analisi di uno studio caso-controllo, iv) analisi di uno studio sperimentale

Metodi di machine learning in R per la: i) verifica della capacità discriminatoria di un test diagnostico, ii) selezione delle variabili in un modello multivariato

Prerequisiti

Nessuna propedeuticità formale. Si consiglia però la conoscenza dei contenuti degli insegnamenti di Modelli statistici I

Metodi didattici

Lezioni frontali alternate a esercitazioni pratiche su dati reali erogate in laboratorio informatico.

Solo in caso di emergenza COVID-19 le attività didattiche si svolgeranno anche da remoto in video-conferenza streaming.

Modalità di verifica dell'apprendimento

Modalità prova finale

Lavoro di gruppo di analisi su dati reali da consegnare prima della prova orale che consiste nell'esposizione del lavoro svolto. Tale modalità d'esame consentirà di valutare nei candidati la capacità di elaborazione critica dei metodi applicati e dei risultati ottenuti.

Non sono previste prove in itinere.

La modalità d'esame è la stessa per frequentanti e non frequentanti

Le modalità sopra descritte potranno subire variazioni in occasione di periodi di emergenza. Se saranno necessarie delle variazioni verranno tempestivamente rese disponibili in questa pagina.

Testi di riferimento

Slide delle lezioni e materiale integrativo disponibili sulla piattaforma della didattica online http://elearning.unimib.it/.

Periodo di erogazione dell'insegnamento

I semestre, II periodo (approssimativamente novembre-gennaio).

Lingua di insegnamento

L'insegnamento è completamente erogato in italiano. La maggior parte del materiale di riferimento è in inglese.

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Esporta

Learning objectives

The course aims to provide the theoretical basis and knowledge of R useful for the management and analysis of data collected through an experimental or observational design. It will provide examples of machine learning techniques in this context.

Knowledge and understanding

This teaching will provide knowledge and understanding in relation to:

  • the management of data with R
  • the use of different models and biostatistical techniques in the R environment
  • the application of machine learning techniques for classification and selection of variables in experimental and observational studies

Ability to apply knowledge and understanding

At the end of the course the students will be able:

  • to manage database with R for a correct visualization of information
  • to analyze with the R language the data coming from an experimental or observational study
  • to apply classification techniques and variable selection in the construction of statistical models

Contents

Management of database with R

Statistical methods for the analysis of the main experimental and observational designs in R

Machine learning methods in R for the classification and selection of variables

Detailed program

Management of data with R: i) Introduction to R language, ii) methods for cleaning data, iii) methods for reporting and visualization of data

Statistical methods for the analysis of the main experimental and observational designs in R: i) analysis of a crossectional study, ii) analysis of a cohort study, iii) analysis of a case-control study, iv) analysis of an experimental study

Machine learning methods in R for: i) evaluating the discriminant performance of a diagnostic test, ii) selecting variables for multiple regression models

Prerequisites

No formal prerequisites. It is recommended, however, the knowledge of the content of the following courses: Statistical models

Teaching methods

Lectures and computer lab classes

Only if the Covid-19 emergency period will continue the lessons and the computer lab classes will be provided also in video-conferences streaming.

Assessment methods

Final test mode

Lab work of analysis of real data. The report of this work will be deliver one week before the oral test. The oral test which consists in the exposition of the work done.

In this way the teacher will be able to evaluate the students' critical processing capacity of the methods applied and the results obtained.

There are no intermediate exams.

The exam is the same for attending and non-attending students.

The rules described above may undergo variations based on eventual emergency period. If changes are necessary, they will be promptly made available on this page.

Textbooks and Reading Materials

Slides from http://elearning.unimib.it/. Other material will be provided by the teacher

Semester

I semester, II period (from November to January).

Teaching language

The language of the course is the Italian. Scientific text and articles are in English language.

Sustainable Development Goals

QUALITY EDUCATION
Entra

Scheda del corso

Settore disciplinare
MED/01
CFU
6
Periodo
Primo Semestre
Tipo di attività
Obbligatorio
Ore
44
Tipologia CdS
Laurea Magistrale
Lingua
Italiano

Staff

    Docente

  • AZ
    Antonella Zambon
  • Esercitatore

  • AC
    Anna Cantarutti

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione manuale

Obiettivi di sviluppo sostenibile

ISTRUZIONE DI QUALITÁ - Assicurare un'istruzione di qualità, equa ed inclusiva, e promuovere opportunità di apprendimento permanente per tutti
ISTRUZIONE DI QUALITÁ

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche