L'insegnamento fornisce una panoramica completa sui fondamenti teorici e pratici dell’IR. Gli argomenti trattati includono:
- introduzione all'IR e contesto applicativo, ad esempio i motori di ricerca
- metodi di rappresentazione e indicizzazione dell’informazione
- tecniche di reperimento e ordinamento dei documenti
- valutazione delle prestazioni dei sistemi IR e tecniche di ottimizzazione
- modelli e metodi di reperimento e ordinamento (logico, vettoriale, probabilistico)
- tecniche di espansione delle interrogazioni e retroazione basata sulla rilevanza
- metodi di rappresentazione della semantica
- metodi di intelligenza artificiale e IR
- metodi di impiego di grandi modelli linguistici (LLM) in IR (Retrieval Augmented Generation, RAG)
- introduzione all'IR e contesto applicativo, ad esempio i motori di ricerca
- metodi di rappresentazione e indicizzazione dell’informazione
- tecniche di reperimento e ordinamento dei documenti
- valutazione delle prestazioni dei sistemi IR e tecniche di ottimizzazione
- modelli e metodi di reperimento e ordinamento (logico, vettoriale, probabilistico)
- tecniche di espansione delle interrogazioni e retroazione basata sulla rilevanza
- metodi di rappresentazione della semantica
- metodi di intelligenza artificiale e IR
- metodi di impiego di grandi modelli linguistici (LLM) in IR (Retrieval Augmented Generation, RAG)
- Teacher: Massimo Melucci
- Teacher: Giovanna Boccuzzo
- Teacher: Alessandra Rosalba Brazzale
L'insegnamento è finalizzato a fornire agli studenti e alle studentesse le conoscenze e le competenze necessarie per applicare metodi statistici all’analisi dei dati nelle scienze della vita, attraverso la discussione di casi di studio reali. Le attività di laboratorio, svolte con l’ausilio del software R, consentono di acquisire dimestichezza con l’implementazione al computer dei metodi affrontati durante le lezioni. Il percorso è arricchito da conferenze didattiche tenute da esperti del settore.
Al termine dell'insegnamento, lo studente o la studentessa sarà in grado di:
1. Conoscenza e capacità di comprensione: riconoscere e descrivere correttamente problemi statistici legati a studi sperimentali in ambito biomedico.
2. Capacità di applicare conoscenza e comprensione: identificare e applicare con consapevolezza le metodologie e gli strumenti statistici più adeguati a seconda del caso di studio.
3. Autonomia di giudizio: sviluppare senso critico nell’utilizzo dei metodi statistici e nella valutazione dei risultati ottenuti.
4. Abilità comunicative: presentare e discutere risultati statistici in modo chiaro, anche in contesti collaborativi.
5. Capacità di apprendimento: lavorare in gruppo, gestire un progetto analitico e acquisire autonomia nell’uso del software statistico R.
Al termine dell'insegnamento, lo studente o la studentessa sarà in grado di:
1. Conoscenza e capacità di comprensione: riconoscere e descrivere correttamente problemi statistici legati a studi sperimentali in ambito biomedico.
2. Capacità di applicare conoscenza e comprensione: identificare e applicare con consapevolezza le metodologie e gli strumenti statistici più adeguati a seconda del caso di studio.
3. Autonomia di giudizio: sviluppare senso critico nell’utilizzo dei metodi statistici e nella valutazione dei risultati ottenuti.
4. Abilità comunicative: presentare e discutere risultati statistici in modo chiaro, anche in contesti collaborativi.
5. Capacità di apprendimento: lavorare in gruppo, gestire un progetto analitico e acquisire autonomia nell’uso del software statistico R.
- Teacher: Laura Ventura