Mathematical modeling for biology
A.A. 2023/2024
Obiettivi formativi
The main objective of the course is to provide the basic mathematical tools needed to properly describe some fundamental mechanism in biological phenomena. Therefore, the course mainly focuses on the modelling aspects of Mathematics; it does not deeply enter into the technical details of the proofs, but rather aims at highlighting the meaning of the mathematical concepts and their usefulness in studying Life Science problems. To reach this goal the course is organised into a set of traditional lessons, strictly linked to lab sessions where the students have the opportunity to experience the features of the provided tools, through the use of suitable software platforms (e.g. based on Python programming language).
Risultati apprendimento attesi
At the end of the course, the students will have a basic knowledge of some fundamental tools to describe several biological phenomena. In addition, they will have acquired the ability to develop and implement simple quantitative models through the use of suitable software platforms.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
Programma
Il corso è centrato su concetti basilari di Algebra Lineare e Teoria di Equazioni Differenziali Ordinarie: e.g. vettori, matrici, trasformazioni lineari e soluzione di sistemi lineari/risposta in frequenza o risposta armonica di un sistema dinamico. In particolare, ci si focalizzerà su sistemi dinamici osservati in sistemi biologici: esempi di tecniche di linearizzazione saranno considerati assieme a casi di equilibrio e studio di stabilità - sempre di interesse applicativo. I sistemi studiati sono simulati in Python nelle esercitazioni.
Prerequisiti
Agli studenti è richiesta una conoscenza di base di elementi di Analisi matematica (insiemi, funzioni, differenziazione, integrazione). Durante l'estate precedente il corso - raccomandiamo che gli studenti ripassino queste nozioni. Ma le prime ore del corso saranno dedicate a un ripasso delle semplici nozioni necessarie per il resto del corso.
Metodi didattici
Tutte le lezioni saranno condotte di persona dal docente. Le lezioni includeranno momenti di discussioni tra studenti e spazi per domande e interventi da parte degli studenti, oltre che il formato classico con il docente alla lavagna. I laboratori di Python useranno strumenti quali Jupyter Notebooks e piattaforme di scrittura codice in rete oltre che apposito software installabile sul computer di ogni studente.
Materiale di riferimento
Testi di studio e lettura saranno comunicati sulla piattaforma Ariel.
Per la parte di Python, un buon libro disponibile attraverso la biblioteca dell'Università è: https://www.springerprofessional.de/en/a-beginners-guide-to-python-3-programming/17050738?tocPage=1
Per la parte di Python, un buon libro disponibile attraverso la biblioteca dell'Università è: https://www.springerprofessional.de/en/a-beginners-guide-to-python-3-programming/17050738?tocPage=1
Modalità di verifica dell’apprendimento e criteri di valutazione
Valutazione: il voto massimo del corso è 30/30. Durante tutto il semestre, gli studenti lavoreranno su tre esercizi sommativi che verranno poi valutati e discussi con il docente (questi esercizi contribuiranno con 6/30 punti al voto finale). 6/30 punti in più arriveranno da sei esercizi di programmazione in Python, anche questi da consegnare durante il trimestre. I restanti 18/30 voti sono assegnati ad una prova orale alla fine del corso: ogni studente preparerà una presentazione orale di 15-20 minuti scelta da un elenco di argomenti, dopodiché risponderà ad alcune domande del docente, durante la stessa prova orale.
MAT/05 - ANALISI MATEMATICA
MAT/06 - PROBABILITA' E STATISTICA MATEMATICA
MAT/07 - FISICA MATEMATICA
MAT/08 - ANALISI NUMERICA
MAT/09 - RICERCA OPERATIVA
MAT/06 - PROBABILITA' E STATISTICA MATEMATICA
MAT/07 - FISICA MATEMATICA
MAT/08 - ANALISI NUMERICA
MAT/09 - RICERCA OPERATIVA
Esercitazioni: 16 ore
Lezioni: 40 ore
Lezioni: 40 ore
Docente:
Capelli Riccardo
Docente/i
Ricevimento:
Su appuntamento per email
5° Piano, Torre B, Dipartimento di Bioscienze