I corsi – per ricercatori, professionisti o semplici curiosi – sono erogati su richiesta (contatto), in formato intensivo nel fine settimana, con gruppi volutamente limitati (max 8 persone) per garantire qualità e interazione. Ogni programma è personalizzabile: dal coaching individuale al percorso formativo strutturato, anche come corsi di dottorato per dipartimenti universitari (per la PA anche sul MEPA, chiedi info!).
Questi i corsi disponibili ad oggi, con una breve descrizione. Scrivi per avere più info.
General skills
Technical skills
Corsi per skills ad ampio spettro
Scientific Communication
Scrivere, presentare e strutturare i risultati nel modo giusto per l’occasione giusta. Struttura della narrazione, metodo della sparkline per una comunicazione efficace. Reverse engineering e ricostruzione della storia. Anatomia di una presentazione, slides e slide docs.
Data Visual
I canoni di visualizzazione del dato e i principi di visualizzazione non ridondante. Esposizione onesta dei dati e visualizzazione come strategia per mostrare (o per nascondere). Tipi di dati e quale plot per quale dato.
Data Stewardship
Il ciclo di vita dei dati di ricerca. Gestione secondo i principi FAIR, standard dei metadati, invio ai repository internazionale. Pratiche e strumenti per la riproducibilità in ricerca scientifica; strumenti per il data management plan (DMP) e research data management (RDM).
AI Literacy
Il contesto in cui mettere l’Intelligenza Artificiale. LLM generici, fondazionali e specifici, open source. Il processo di ricerca e il ciclo di vita dei dati di ricerca tramite strumenti di AI. Cenni alle normative, il fair-use e la gestione dei dati sensibili come argomenti centrali e non secondari. Per una pratica informata e responsabile.
Corsi per skills tecniche e di settore
AI-driven R
Iniziazione pratica a R per chi inizia da zero. Conoscere l’ambiente, imparare a importare e manipolare tabelle, riassumere dati e fare grafici, facendosi accompagnare dal bot AI che preferisci. L’obiettivo è acquisire sicurezza, non la perfezione: essere in grado di scrivere codice funzionante ed efficace ed avere la mentalità giusta per continuare.
Data Wiz-R
I principi della visualizzazione efficace dei dati e la loro realizzazione con la “grammar of graphics” in R. Dai grafici esplorativi alle figure pronte per la pubblicazione. Abbinare i diversi tipi di grafico alle strutture dei dati, plot specialistici e customizzati.
NGS-RNAseq
L’intero flusso di analisi dati di RNA-sequencing: dalle read counts all’analisi dell’espressione differenziale (con cenni di cosa avviene prima). Controllo di qualità, l’allineamento, la quantificazione e test statistici. Gene signatures e loro selezione. Grafici e rapporti.
Singola cellula
Le fasi chiave dell’analisi scRNA-seq: pre-elaborazione, riduzione della dimensionalità, clustering, marcatori e annotazione del tipo cellulare. Gli studenti necessari a portata di mano e come usarli. Cenni di trascrittomica spaziale: cosa serve e quando non serve.
Functional omics
L’utilizzo dei dati genomici nel loro contesto biologico. Uso dei database di annotazione e ontologie (funzioni, pathways, processi) per dare senso ai risultati omici. Algoritmi di over rappresentazione e di ordinamento delle classi funzionali.
Omics AI
Il panorama IA nel contesto delle scienze omiche. Gli LLM specifici di settore, l’open source degli LLM, Hugging Face e simili; l’integrazione delle pipelines di analisi tramite model context protocols (MCP); le pipelines integrate in AI factories.
