Genomic Data Science

Il Master universitario biennale di II livello in “Genomic Data Science”, precedentemente chiamato “Master in Statistica Medica e Genomica”, unisce l’ampia fruibilità ad un avanzato livello professionalizzante. Il Master propone concetti e tecniche di base, seguiti dai recenti e complessi sviluppi dei metodi statistici e bioinformatici, prevalentemente in ambito genomico. Nasce con lo scopo di formare figure professionali in grado di gestire e analizzare l’enorme quantità di dati (Big Data) che deriva dall'applicazione delle nuove tecnologie –omics in Medicina genomica e molecolare.

ll Master ha l’obiettivo di formare i Data Scientists, figure professionali con competenze multidisciplinari, attualmente molto richiesti sia delle aziende che dagli istituti di ricerca.

Specificamente, il Master ha lo scopo di:

• fornire a giovani laureati una formazione post-laurea specialistica e altamente qualificata nel settore della statistica genetica, epidemiologia genetica e molecolare e bioinformatica;
• rispondere alle esigenze di profili professionali richiesti da Centri di Ricerca ed Istituti Universitari, Clinical Research Organization, Osservatori Epidemiologici, Aziende che si occupano di consulenza di statistica genetica e genomica, di genotipizzazione, sequenziamento e microarrays;
• fornire profili professionali adeguati a rispondere ad una esigenza emergente determinata dalla recente e rapidissima evoluzione tecnologica in campo -omics e dall’aumentata diffusione della medicina molecolare sia in ambito accademico che ospedaliero.

La figura professionale formata nel Master può trovare sbocco in:

• Clinical Research Organization;
• Industrie Farmaceutiche;
• Aziende che si occupano di Data Analysis;
• Centri di Ricerca pubblici, I.R.C.C.S, C.N.R, e Laboratori Universitari;
• Centri di Ricerca privati.

Verranno forniti gli strumenti statistici bioinformatici necessari, per esempio, per studiare la predizione dell’evoluzione della malattia e della risposta farmacologica nei pazienti e la suscettibilità genetica nelle malattie complesse. Gli studenti apprenderanno le più recenti metodologie bioinformatiche per studi Next Generation Sequencing (NGS) e di analisi di Big Data con metodi di Machine Learning e Causal Inference Learning in ambito genetico, ma applicabili ad altre discipline scientifiche.