AIDA si propone di formare professionisti in grado di raccogliere, gestire, processare, elaborare ed analizzare Big Data, utilizzando le tecniche più all’avanguardia nel campo dell’IA (induttiva e generativa), della Statistica e della Data Analytics. L’obiettivo è fornire alle aziende e alle organizzazioni pubbliche competenze strategiche per prendere decisioni basate sui dati e affrontare le sfide di un mondo sempre più digitale, mediato da algoritmi di AI e arricchito dalla Generative AI.
AREA MEDICO SANITARIA
Methods and Data Analysis in Biomedical Research - MEDAL
Monza
Master 2 Livello
Inglese
12 mesi
blend-mista
Vision
The Master in MEthods and DAta anaLysis in Biomedical research (MEDAL) is a unique study program that combines expertise in innovative study design with quantitative methods for data analysis in the field of Biomedical Research.
The training program of the Master aims at giving solid bases on the principles of study design and of appropriate methodologies for analysing data in preclinical, translational and clinical research in the context of precision medicine and clinical epidemiology.
The course will introduce concepts related to statistical methods and bioinformatics in a multidisciplinary approach that connects statistical models and exploratory methods typical of artificial intelligence.
As the field of health care continues its move toward precision medicine, new study designs, infrastructure and resources are needed to advance the effective use of biomedical data and information to improve human health. The master has a multidisciplinary approach combining statistical modelling, machine learning techniques, artificial intelligence, and bioinformatics tools.
The program offers an international classroom – a mix of students with diverse backgrounds, some beginning their career, others already having gained experience in the biomedical research.
Mission
With the fast development of new technologies, biomedical research has turned into a digitised and data-intensive science. To meet this, we need to develop and train the next generation of medical statisticians and researchers with quantitative skills who can design and implement research in the field of health science.
The need for advanced skills in data science continues to be high in both the public and private sectors, particularly in contexts that emphasise research in public health, clinical medicine, life sciences, biomedicine and biotechnology.
Training Objectives:
- To gain experience in the analysis and modelling of data from multiple sources in their application to biomedical research studies.
- To develop precision medicine research studies, including study design and study protocol development, target population, sample size definition, data analysis plan, data collection methods, data management and quality control approaches.
- Learn to implement classical statistical techniques, Bayesian and modern computational methods, and use scientific thinking in the interpretation of results.
- Know how to manage both classical studies (clinical trials) and clinical epidemiology and real-world studies also by integrating clinical big data or molecular biology and genetics in translational research.
- Collaborate and communicate effectively with researchers in related disciplines by developing the ability to work in multidisciplinary teams.
Percorso
Organizzazione Didattica
280 ore di Lezione
400 ore di Stage
Esami e Frequenza
9
ESAMI
+
1
PROVA FINALE
Per un totale di 60 CFU
RICHIESTO IL
75 %
DELLE ORE DI FREQUENZA
Insegnamenti
- Welcome and introduction
- Taxonomy of the studies
- Descriptive statistics
- Introduction to R
- Probability, sensitivity, specificity and ROC curve
- Statistical Distribution Functions; Inference: hypothesis testing & confidence interval
- Variable transformation
32 ORE
4 CFU
- Analysis of Variance (ANOVA)
- Principles of regression and models for continuous data
- Effect measures with binary endpoints
- Regression models for binary response
- Variable selection
- Prediction models
- Bayesian Analysis
- Missing data
32 ORE
4 CFU
- R software
- Multiple testing
- Survival Analysis
40 ORE
5 CFU
- Design of RCTs; Early phase study design; Biomarker based designs; Sample Size Calculation; Adaptive designs; Bayesian designs; Estimands; Study PASS (Post Authorization Safety Study) and PAES (Post Authorization Efficacy Study).
- Fundamental ethics principles in research; Data governance and regulatory landscape (GDPR); issues and models related to data access / data sharing; The Ethics and Law of Experiments on Animals; End of life issues and the rights of terminally ill patients; The role of Ethical Committees.
- Regulatory aspects & legislations: the view of AIFA; Regulatory aspects & legislations: the view of pharma; Regulatory aspects & legislations in the area of rare-diseases; Good clinical practices.
48 ORE
6 CFU
- Epidemiological designs;
- Introduction to Real World Data;
- Geo-spatial analysis;
- Real World Data (Pharmaceutical);
- Introduction to causal models.
32 ORE
4 CFU
- Protocol development;
- End Point;
- End point Surrogate;
- Organizing Data & Data Management, Case Report Form & ECRF;
- Safety issues;
- Safety data analysis;
- Analysis of longitudinal data;
- Practical Review (Def. of a protocol);
- Reporting results;
- Reproducibility;
- Meta-analysis
40 ORE
5 CFU
- Introduction to machine learning;
- Unsupervised learning;
- Neural networks and deep learning;
- From data to models in pandemics;
- Interpretable and explainable artificial intelligence;
- Computational intelligence for biomedicine and healthcare;
- Bayesian and causal networks.
24 ORE
3 CFU
- Basic principles of scientific writing
- How to write a scientific paper
- How to write a Review
- Case report
- Letter to the editor
- Authorship
- Cover letter
- Peer review and manuscript evaluation
- Communicating science
- Writing an effective abstract
- Poster and oral presentation
- Communicating science to general public
- Social Media Communication
16 ORE
2 CFU
- Funding opportunities for Young Investigators in Italy and Europe;
- Understanding the review process: writing for success;
- How to develop an Irresistible idea;
- The writing schedule;
- Background and Review of Literature;
- Hypothesis, Aim of the study, Preliminary Results;
- Experimental design & methods;
- Time & deliverables;
- Pitfalls;
- Expected outcome;
- Dissemination;
- Future directions
16 ORE
2 CFU
Scientific Committee
Director
Members
Domenico
Criuscolo
Criuscolo
SIMeF e Genovax
Quali competenze acquisisci?
Quantitative Approach to Biomedical Research
Clinical Data Science: Advanced Statistics I
Clinical Data Science: Advanced Statistics II
Study Design
Biostatistics Epidemiological Real World Studies
Research in Practice
Research Grant Writing
Scientific Communication & Writing
Bioinformatics and Biostatistics for Big Data
Methods and Data Analysis in Biomedical Research - MEDAL
A chi è rivolto ?
The training provided in MEDAL is of relevance for clinical researchers in universities and hospitals who are involved in "non-profit" and "profit" trials that aim at optimising diagnosis and treatment approaches and also for personnel from CROs (Contract Research Organisations) and public and private research centres and companies involved in biomedical and translational studies.
Sbocchi professionali
Professionals
The MEDAL Master's in Biomedical Research contributes to the technical and scientific training of professionals with high expertise in designing and analyzing clinical databases using statistics, machine learning, and data mining tools.
Biomedical Researcher
The Master's program contributes to the advanced training of medical statisticians and researchers with quantitative skills, who work or wish to work in biomedical research, in private and public research institutions, universities, and CROs.
News del Corso
PARTNER PER L'EDIZIONE CORRENTE
AREA ECONOMICO-STATISTICA GIURIDICA
AI & Data Analytics for Business
Milano
Master 1 Livello
Italiano
12 mesi
In presenza
Vision
Mission
Fornire le competenze tecnologiche, metodologiche e manageriali per estrarre valore dai dati, trasformarli in conoscenza per migliorare le decisioni e i processi aziendali e cogliere nuove opportunità di business.
L’attivazione del master è subordinata all’approvazione da parte degli Organi d’Ateneo.
Percorso
Il percorso si articola in 4 moduli che affrontano gli aspetti fondamentali della gestione, del trattamento e dell’analisi del dato e di project management. C’è la possibilità di seguire percorsi differenziati tenendo conto delle skill e degli obiettivi formativi individuali.
Si alternano lezioni frontali, esercitazioni, homework, laboratori, verifiche delle competenze, presentazione/discussione dei progetti, testimonianze aziendali, seminari azienda/università in conclusione, il project work o uno stage.
Nei laboratori, il lavoro di progettazione di gruppo permette sia un reale apprendimento delle competenze tecnologiche, che l’acquisizione di competenze di comunicazione e di project management.
Organizzazione Didattica
360 ore di Lezione
300 ore di Stage/Project Work
LEZIONI
Aprile - Gennaio (escluse festività e pausa estiva)
12 ore settimanali, il Venerdì dalle 9.00 alle 18.00 e il Sabato dalle 9.00 alle 13.00
PROJECT WORK O STAGE
Gennaio - Aprile
Esami e Frequenza
4
ESAMI
+
1
PROVA FINALE
Per un totale di 60 CFU
RICHIESTO IL
75 %
DELLE ORE DI FREQUENZA
Insegnamenti
Il modulo si propone di fornire le conoscenze fondamentali per comprendere, analizzare e progettare un'architettura di Data Analytics, includendo: architetture Big Data, tecniche di Business Intelligence e Business Analytics, tecniche di visualizzazione e raccolta e modellazione di dati strutturati, semi-strutturati e non strutturati utilizzando paradigmi SQL e NoSQL. Introdurre le componenti metodologiche, architetturali e gli strumenti, approfondendo per ciascuna le funzionalità richieste e i principali prodotti disponibili sul mercato. Sviluppare soluzioni prototipali (use case) in contesti applicativi reali per dimostrare l'applicazione pratica.
- Foundations of BI & Big Data Analytics
- Relational DB, Data Modelling, NoSQL
- Data Quality & Data Integration
- Big Data Processing e calcolo distribuito
- Il linguaggio Python
- Cloud Computing
- Data Streaming e Data Ingestion Patterns (API, Web Scraping Crawling)
- Machine Learning in ambiente cloud (AWS)
- Data Visualization
- Laboratorio - Team Project
156 ORE
20 CFU
Presentare gli elementi base della statistica. Fornire le principali tecniche statistiche di Data Mining e Machine Learning attraverso strategie per l’analisi di grandi moli di dati illustrando le problematiche connesse.
- Foundations on Statistics
- Inferenza e distribuzioni
- Fondamenti di inferenza (stimatori, IC, test e pvalue)
- Statistical Modelling: Modelli statistici (logit e regression)
- Data Mining & Machine Learning
- Train, Test, Validation e Crossvalidation
- Overfitting E Bias vs Variance tradoff
- Classification Metrics
- Knn, Naive Bayes, Random Forest, Boosting, Ensemble Logistic Regression Classifier, Neural Networks
- Outlier management, Regularization
- Forecast Cluster Analysis
- Data Preprocessing & Machine Learning
- Laboratorio – Team Project
88 ORE
11 CFU
Il modulo si propone di fornire le conoscenze fondamentali e le principali metodologie e strumenti di AI (induttiva) per la manipolazione ed analisi dei dati strutturati e non strutturati, con particolare attenzione ai dati online (immagini e testi). Sviluppare soluzioni prototipali (use case) in contesti applicativi reali per dimostrare l'applicazione pratica.
- Natural Language Processing in Business
- Fundamentals of deep learning for text analytics
- Web Analytics and Sentiment Analysis
- Text Representation through word embeddings
- Large Language Models (LLM)
- Generative AI
- Explainable AI for Decision Making
- Computer Vision in Business
- Fundamentals of deep learning for computer vision
- Relevant Neural Network Architectures for Computer Vision
- Neural Networks for Image Classification, Segmentation and Object Detection
- Laboratorio - Team work
56 ORE
7 CFU
Fornire le conoscenze base per la gestione dei progetti. Introdurre gli aspetti tecnici e organizzativi per l'evoluzione delle organizzazioni in ottica Data-Driven. Presentare le basi dei processi di Decision Making e la loro evoluzione verso un processo decisionale Data-Driven. Analisi delle principali aree di applicazione della AI e Data Analytics nella gestione dei processi aziendali. In particolare applicazioni della AI al CRM, Manufacturing e Finance. Presentazione di casi aziendali. AI Challenge.
- Data-drive organisation
- AI & Data Driven Marketing
- AI & decision making
- Agile project management
- Machine Learning e customer relationship management
60 ORE
7 CFU
Comitato Scientifico
Direttore
Componenti
Quali competenze acquisisci?
Big Data Processing & Data Engineering
Statistical Modelling & Machine Learning
AI & Computer Vision
Data Analytics & management for business
AI & Data Analytics for Business
A chi è rivolto ?
NEOLAUREATI
in discipline economiche o tecnico-scientifiche (STEM) che intendono acquisire le competenze di analisi dati, sempre più richieste dal mercato del lavoro.
in discipline economiche o tecnico-scientifiche (STEM) che intendono acquisire le competenze di analisi dati, sempre più richieste dal mercato del lavoro.
PROFESSIONISTI
che desiderano approfondire le metodologie e tecniche dell’intelligenza artificiale e data analytics per supportare le decisioni aziendali.
che desiderano approfondire le metodologie e tecniche dell’intelligenza artificiale e data analytics per supportare le decisioni aziendali.
Profilo Business
Ha studiato materie economiche e/o lavora nell’area business di un’impresa e vuole diventare esperto nell’utilizzo delle tecniche avanzate di analisi dei dati (analytics) per la gestione dei dati aziendali e per il supporto ai processi decisionali.
Profilo Quantitativo
Ha studiato e/o lavora in ambito ingegneristico, statistico o della ricerca sociale e vuole imparare a sviluppare modelli di gestione dei dati per misurare le performance delle organizzazioni e la valutazione della qualità dei processi e dei servizi.
Profilo Tecnologico
Ha studiato e/o lavora in ambito informatico o ingegneristico e vuole sviluppare competenze nella progettazione di DWS, Data Quality, Web Analytics e nella gestione di grandi quantità di dati strutturati e non strutturati.
Sbocchi professionali
Data/Business Analyst
Data Scientist
Data Engineer
AI/ML Specialist
MULTIMEDIA
News del Corso
Nuove opportunità di crescita professionale ti aspettano con i percorsi formativi di Bicocca Academy.
Se stai cercando un modo per aggiornare le tue competenze o acquisirne di nuove in ambiti strategici, questo è il momento di scegliere il tuo prossimo passo.
Diversi Master e corsi di perfezionamento stanno per chiudere le iscrizioni a novembre 2025: non perdere l’occasione di accedere a programmi di alta formazione progettati per connettere conoscenza, innovazione e mondo del lavoro.