Course Syllabus
Obiettivi
L'insegnamento vuole far apprendere a studenti e studentesse come analizzare dati medici (specialmente quelli di cartelle cliniche elettroniche) attraverso tecniche di statistica computazionale e di apprendimento automatico per scoprire nuova conoscenza sulle condizioni dei pazienti.
Contenuti sintetici
Dataset search and retrieval
Data preparation and data cleaning
Exploratory data analysis
Unsupervised machine learning
Supervised machine learning
Feature ranking
Result understanding and validation
R and Python programming languages
Programma esteso
Dataset search and retrieval
Data preparation and data cleaning
Exploratory data analysis
Unsupervised machine learning
Supervised machine learning
Feature ranking
Result understanding and validation
R and Python programming languages
Prerequisiti
Statistica di base e basi dell'apprendimento automatico
Conoscenza di base di R o Python
Modalità didattica
Lezioni in presenza ed esercitazioni in presenza
Materiale didattico
Slides presentate a lezione ed articoli scientifici segnalati a lezione
Periodo di erogazione dell'insegnamento
Secondo semestre
Modalità di verifica del profitto e valutazione
Progetto scientifico personale, consegna di report sul progetto svolto, e presentazione orale del lavoro svolto
Orario di ricevimento
Da concordare via email scrivendo a davide.chicco(AT)unimib.it
Sustainable Development Goals
Aims
This module aims at teaching students how to analyze medical data (especially, data of electronic health records) through computational statistics and machine learning techniques to infer new knowledge about the conditions of patients.
Contents
Dataset search and retrieval
Data preparation and data cleaning
Exploratory data analysis
Unsupervised machine learning
Supervised machine learning
Feature ranking
Result understanding and validation
R and Python programming languages
Detailed program
Dataset search and retrieval
Data preparation and data cleaning
Exploratory data analysis
Unsupervised machine learning
Supervised machine learning
Feature ranking
Result understanding and validation
R and Python programming languages
Prerequisites
Basic statistics and basic machine learning
Basic knowledge of R o Python
Teaching form
In-person theory classes and practice exercise classes
Textbook and teaching resource
Classes slides and scientific papers mentioned during classes
Semester
Second semester
Assessment method
Personal work on a scientific project, delivery of a report on the work done, and oral presentation of the work done
Office hours
To define via email by writing to davide.chicco(AT)unimib.it