Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
DATA SCIENCE
Insegnamento
BIOLOGICAL DATA
SCP7079337, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
DATA SCIENCE
SC2377, ordinamento 2017/18, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese BIOLOGICAL DATA
Sito della struttura didattica http://datascience.scienze.unipd.it/2018/laurea_magistrale
Dipartimento di riferimento Dipartimento di Matematica
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile SILVIO TOSATTO BIO/10

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative BIO/09 1.0
AFFINE/INTEGRATIVA Attività formative affini o integrative BIO/10 2.0
AFFINE/INTEGRATIVA Attività formative affini o integrative BIO/11 1.0
AFFINE/INTEGRATIVA Attività formative affini o integrative MED/04 2.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 18/01/2019
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2017

Commissioni d'esame
Commissione Dal Al Membri
1 a.a 2018/2019 01/10/2018 30/09/2019 TOSATTO SILVIO (Presidente)
AIOLLI FABIO (Supplente)
BALDAN PAOLO (Supplente)
BRINI MARISA (Supplente)
LOPREIATO RAFFAELE (Supplente)

Syllabus
Prerequisiti: Conoscenze base di informatica, algoritmi di ottimizzazione e machine learning. Linguaggio di programmazione: Python.
Conoscenze e abilita' da acquisire: Il corso intende comunicare le conoscenze di base sui diversi tipi di dati biologici, come sequenze, strutture, reti e letteratura. Inoltre intende permettere allo studente lo svolgimento autonomo di un progetto di ricerca in bioinformatica strutturale, definendo lo stato dell’arte per un problema aperto e un tentativo di risolverlo con lo sviluppo di software che estenda librerie esistenti e la valutazione critica dei risultati ottenuti.
Modalita' di esame: L'esame si compone di tre parti separate, che devono essere superate tutte: (i valori tra parentesi indicano i pesi per il voto complessivo)
1) Compitini inerenti alle esercitazioni (ca. 20%)
2) Progetto (ca. 50%)
3) Presentazione del progetto con valutazione critica (ca. 30%)
Criteri di valutazione: Viene valutata:
1) la comprensione di concetti e gli algoritmi presentati a lezione
2) la capacità di applicare le nozioni fornite a lezione su problemi reali
3) la capacità critica di saper utilizzare i metodi nei modi più opportuni, scegliendo tra le alternative possibili
4) la capacità di sviluppare software riutilizzabile estendendo librerie esistenti
5) la capacità espositiva e di discussione critica
Contenuti: Il corso si compone di quattro parti, che corrispondono ai diversi tipi di dati biologici:

1) Sequenze
1.1) DNA e proteine
1.2) Banche dati
1.3) Allineamenti

2) Strutture
2.1) Folding proteico
2.2) Banche dati
2.3) Predizione di struttura

3) Reti di interazione
3.1) Interazioni biologiche
3.2) Banche dati
3.3) Proprieta' emergenti

4) Letteratura
4.1) Articoli scientifici
4.2) Banche dati
4.3) Text mining
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso si compone di lezioni frontali, esercitazioni pratiche al computer, sviluppo di un progetto e presentazione dello stesso con discussione critica. Le esercitazioni servono per familiarizzare lo studente con le librerie software da usare per un progetto bioinformatico relativo ad un problema attuale diverso per ogni gruppo. La presentazione del progetto richiede una discussione in cui far emergere i punti di forza e debolezza della soluzione prescelta.
Eventuali indicazioni sui materiali di studio: Sul sito E-learning vengono resi disponibili molti materiali per il corso. Questi comprendono i lucidi del corso (appena disponibili) e le registrazioni audio (podcast), le dispense e la letteratura usata per i progetti.
Testi di riferimento:

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Case study
  • Working in group
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)