La tesi o stage magistrale è finalizzato alla progettazione, realizzazione e validazione di metodologie di
big data analysis e machine learning per la previsione delle malattie metaboliche nella popolazione
pediatrica lombarda. In particolare, si intende analizzare uno dei più ampi e significativi database in
Europa relativi allo screening neonatale esteso, con l’obiettivo di individuare eventuali correlazioni,
pattern o signature all’interno dei dati raccolti e la comparsa di malattie metaboliche. Lo screening
neonatale esteso è un test che permette di individuare patologie e condizioni nel neonato e di
conseguenza di mettere in atto terapie in maniera tempestiva. Il lavoro contribuirà all’automatizzazione
della strutturazione ed elaborazione del patrimonio informativo clinico lombardo, all’interno di un
contesto fortemente human-centric e ad alta eterogeneità informativa. Verrà dunque identificato,
progettato, realizzato e valutato un set esteso di metodologie sinergiche o complementari per l’analisi
dei dati e la modellazione predittiva in ambito clinico. L’analisi dei dati raccolti attraverso questo
screening può essere utilizzata per prevedere la comparsa di malattie metaboliche nella popolazione
pediatrica lombarda.
PREREQUISITI
- Il candidato deve conoscere le principali metodologie di big data analysis e machine learning e aver superato i relativi esami del corso di laurea magistrale in Informatica o Data Science.
OBIETTIVI FORMATIVI
- Lo stage o tesi magistrale permetterà al candidato di acquisire una solida base di conoscenza ed esperienza pratica per l’analisi di big data e la gestione della conoscenza in ambito clinico e in contesti ad alta eterogeneità e complessità informativa.
DURATA DELLO STAGE E CONTESTO RACCOMANDATO
- Adatto a: Tesi o stage di Laurea Magistrale, in Informatica o in Data Science.
- Durata: minimo 3 mesi (stage), meglio 6 mesi (circa) per la tesi.
MODALITA’ E ORARI DI LAVORO
- Modalità di lavoro: da remoto, con frequenti riscontri via mail e occasionali incontri di persona.
- Ore di lavoro: non fissate, ma generalmente ci saranno degli obiettivi settimanali da raggiungere.
CONTATTI
- Luca Marconi, l.marconi3@campus.unimib.it