Corsi post laurea

Biomedici professionisti per l’ambito sanitario

Scadono il 29 novembre le iscrizioni al Machine learning nella ricerca e nella pratica clinica e chirurgica promosso dall’ateneo di Padova per formare esperti in ambito biomedico.
22 Novembre 2016

Strutturato in modo da fornire i contenuti teorici di base, previsione, validazione, apprendimento necessari per una implementazione e una valutazione critica dei risultati, il Master in Machine learning nella ricerca e nella pratica clinica e chirurgica è un percorso formativo completamente online necessario all’aggiornamento e alla formazione di quanti operano in ambito clinico.
Promosso dal Dipartimento di Scienze Cardiologiche, Toraciche e Vascolari dell’Università di Padova e diretto dalla professoressa Ileana Baldi, il master ha una valenza fortemente pratica e applicativa in merito alle tecniche di apprendimento automatico in ambito biomedico. “Le tecniche di Machine Learning - precisa il direttore - permettono di sfruttare il potenziale informativo di grandi basi di dati, Big Data. Sono modelli in grado di adattarsi, addestrarsi e imparare dai dati (storici) disponibili, cioè di migliorare le performance nei termini di un interesse misurabile rispetto all’aumento di conoscenza derivante dai (nuovi) dati disponibili. Il master vuole guidare i clinici allo sfruttamento dell'elaborazione dei dati. Non a caso, per ciascuna tecnica di Machine Learning viene presentato un case study e prevede l’utilizzo, sotto la guida di docenti esperti, del software e del linguaggio di programmazione di R”.

Il master è interamente online: perché avete scelto questa modalità?
“Il master, di secondo livello, è erogato in modalità interamente online e on demand, in italiano e in iglese, tramite una piattaforma multimediale proprio perché è pensato per gli studenti e i professionisti desiderosi di conciliare l’esercizio di altre attività e professioni con la necessità di qualificarsi o specializzarsi ulteriormente”.

Chi può partecipare e quali sono i profili professionali formati dal master?
Il master identifica nei professionisti sanitari e nei profili tecnico-quantitativi che già operano o che intendono operare nell’ambito biomedico, i candidati ideali da guidare all'elaborazione dei dati mediante le moderne tecniche di machine learning. Il master intende arricchire i profili sanitari e tecnico-quantitativi con competenze applicative di crescente rilevanza per tutte le declinazioni della pratica e della ricerca medica”.

In che ambiti possono trovare occupazione?
E’ atteso che l’applicazione delle tecniche di machine learning in ambito medico sia destinata a cambiare il modo a cui si pensa a diagnosi e cura, nell’ottica della medicina personalizzata. Pertanto le conoscenze acquisite nel master sono rilevanti per l’ulteriore specializzazione di professionisti sanitari già occupati e per la definizione di profili tecnico-quantitativi che opereranno nell’ambito sanitario, nella ricerca biomedica e nelle CRO”.

Sono previsti periodi di stage?
Non sono previsti stage perché è atteso che siano inconciliabili con il profilo tipo dei fruitori del master. Tuttavia gli studenti avranno la possibilità di confrontarsi con quesiti scientifici e basi di dati reali, proposti dal direttivo nel corso delle lezioni e del project work”.

 

Direttore Scientifico: Dott.ssa Ileana Baldi
Strutture proponenti: Dipartimento di riferimento: Dipartimento di Scienze Cardiologiche, Toraciche e Vascolari e Dipartimento di Ingegneria dell'Informazione – DEI Livello 2
Durata del corso: annuale
Periodo di svolgimento: gennaio 2017 – luglio 2017
Modalità didattica: online
Lingua: Italiano / Inglese
Crediti formativi universitari 60
Posti disponibili: min: 5; max: 40
Modalità di selezione: valutazione titoli
Sede del corso: Università degli Studi di Padova
Contributi di iscrizione: euro 3.024,50; prima rata: Euro 2.024,50; seconda rata: Euro 1.000,00
Scadenza presentazione domande di ammissione: 29.11.2016
Per informazioni:  tel. 0498275407
Sito web
email: machinelearning.dctv@unipd.it, laura.cavaliere@unipd.it, michela.fornea@unipd.it