Kurzusleírás
I. Bevezetés és előzmények
1. Áttekintés
- Az R barátságosabbá tétele, az R és az elérhető grafikus felhasználói felületek Rstudio Kapcsolódó szoftverek és dokumentáció R és statisztika R interaktív használata Bevezető munkamenet Segítség kérése funkciókkal és szolgáltatásokkal kapcsolatban R parancsok, kis- és nagybetűk érzékenysége stb. Korábbi parancsok előhívása és javítása Parancsok végrehajtása vagy kimenet átirányítása a fájl Adatok állandósága és objektumok eltávolítása Go a programozási gyakorlatban: Önálló szkriptek, jó olvashatóság, pl. strukturált szkriptek, dokumentáció, csomagok telepítése; CRAN és Bioconductor
2. Adatok olvasása
- Txt fájlok (read.delim) CSV fájlok
3. Egyszerű manipulációk; számok és vektorok + tömbök
- Vektorok és hozzárendelés Vektor aritmetika Szabályos sorozatok generálása Logikai vektorok Hiányzó értékek Karaktervektorok Indexvektorok; adathalmaz részhalmazainak kiválasztása és módosítása Tömbök
Listák Listák készítése és módosítása Listák összefűzése
- Adatkeretek Adatkeretek készítése
6. További információ az adatok olvasásáról
- XLS, XLSX fájlok olvasó és readxl csomagok SPSS, SAS, Stata,… és egyéb formátumú adatok Adatok exportálása txt, csv és más formátumokba
6. Csoportosítás, ciklusok és feltételes végrehajtás
- Csoportosított kifejezések Vezérlő utasítások Feltételes végrehajtás: if utasítások Ismétlődő végrehajtás: ciklusoknál, ismétlés és while intro intro into apply, lapply, sapply, tapply
7. Funkciók
- Függvények létrehozása Opcionális argumentumok és alapértelmezett értékek Változó argumentumok száma Hatály és következményei
8. Egyszerű grafika R-ben
- Grafikon létrehozása Sűrűség Plots Dot Plots Bar Plots Vonaldiagramok Kördiagramok Boxplotok Szórványábrák Plots kombinálása
II. Statisztikai elemzés R
- 1. Valószínűségi eloszlások
R mint statisztikai táblázatok halmaza Egy adathalmaz eloszlásának vizsgálata
2. Hipotézisek tesztelése
- Tesztek egy populáció átlagos valószínűségi arányára Teszt Egy- és kétmintás teszt Khi-négyzet Goillesztési teszt Kolmogorov-Smirnov egymintás statisztika Wilcoxon előjeles rangú teszt Kétmintás teszt Wilcoxon rangösszeg teszt Mann-Whitney Teszt Kolmogorov-Smirnov teszt
3. Hipotézisek többszörös tesztelése
- I. típusú hiba és FDR ROC görbék és AUC többszörös tesztelési eljárások (BH, Bonferroni stb.)
4. Lineáris regressziós modellek
- Általános függvények a modellinformációk kinyeréséhez Illesztett modellek frissítése Általános lineáris modellek Családok A glm() függvény
Osztályozás Logisztikai regresszió
- Lineáris diszkriminancia analízis
III. Megoldott problémák a bioinformatikában
- A limma csomag rövid bemutatása Microarray adatelemzési munkafolyamat Adatletöltés a GEO-ból: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE1397 Adatfeldolgozás (QC, normalizálás, differenciális kifejezés) Vulkán diagram Custering példák + hőtérképek
Vélemények (9)
The pace was just right and the relaxed atmosphere made candidates feel at ease to ask questions.
Rhian Hughes - Public Health Wales NHS Trust
Kurzus - Introduction to Data Visualization with Tidyverse and R
A tartalom, mivel nagyon érdekesnek találtam, és úgy gondolom, hogy segítene az egyetem utolsó évében.
Krishan - NBrown Group
Kurzus - From Data to Decision with Big Data and Predictive Analytics
Machine Translated
very tailored to needs
Yashan Wang
Kurzus - Data Mining with R
The trainer was so knowledgeable and included areas I was interested in
Mohamed Salama
Kurzus - Data Mining & Machine Learning with R
Good real world examples, reviews of existing reports
Ronald Parrish
Kurzus - Data Visualization
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Kurzus - Data Science for Big Data Analytics
I learned a lot - not only in theoretical knowledge but I also applied that knowledge during the training and therefore I really understood what process mining is and how it works. Thanks a lot!
Julia Dörre - Techniker Krankenkasse
Kurzus - Process Mining
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Kurzus - Data Vault: Building a Scalable Data Warehouse
Magabiztosabbnak érzem magam a kódolásban. Még soha nem csináltam ilyet, de most már értem, hogy ez nem rakétatudomány, és meg tudom csinálni, ha szükséges.
Anna - Birmingham City University
Kurzus - Foundation R
Machine Translated