Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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
28 Hours
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
