Course Outline
I. Εισαγωγή και προκαταρκτικά
1. Επισκόπηση
- Κάνοντας το R πιο φιλικό, R και διαθέσιμα GUI Rstudio Σχετικό λογισμικό και τεκμηρίωση R και στατιστικά Διαδραστική χρήση του R Μια εισαγωγική συνεδρία Λήψη βοήθειας με λειτουργίες και δυνατότητες Εντολές R, ευαισθησία πεζών-κεφαλαίων κ.λπ. Ανάκληση και διόρθωση προηγούμενων εντολών Εκτέλεση εντολών από ή εκτροπή εξόδου σε ένα αρχείο Μονιμότητα δεδομένων και αφαίρεση αντικειμένων Goαπό πρακτική προγραμματισμού: Αυτοδύναμα σενάρια, καλή αναγνωσιμότητα, π.χ. CRAN και Bioconductor
2. Ανάγνωση δεδομένων
- Αρχεία Txt (read.delim) Αρχεία CSV
3. Απλοί χειρισμοί. αριθμοί και διανύσματα + πίνακες
- Διανύσματα και ανάθεση Αριθμητική διανυσμάτων Δημιουργία κανονικών ακολουθιών Λογικά διανύσματα Λείπουν τιμές Διανύσματα χαρακτήρων Διανύσματα ευρετηρίου; επιλογή και τροποποίηση υποσυνόλων Πίνακες συνόλων δεδομένων
Λίστες Κατασκευή και τροποποίηση λιστών Συνένωση λιστών
- Πλαίσια δεδομένων Κατασκευή πλαισίων δεδομένων
6. Περισσότερα για την Ανάγνωση δεδομένων
- XLS, XLSX αρχεία ανάγνωσης και πακέτα readxl SPSS, SAS, Stata,… και άλλες μορφές δεδομένων Εξαγωγή δεδομένων σε txt, csv και άλλες μορφές
6. Ομαδοποίηση, βρόχοι και εκτέλεση υπό όρους
- Ομαδοποιημένες εκφράσεις Δηλώσεις ελέγχου Εκτέλεση υπό όρους: εάν εντολές Επαναληπτική εκτέλεση: για βρόχους, επανάληψη και κατά την εισαγωγή στην εφαρμογή, εφαρμογή, εφαρμογή, εφαρμογή
7. Λειτουργίες
- Δημιουργία συναρτήσεων Προαιρετικά ορίσματα και προεπιλεγμένες τιμές Μεταβλητός αριθμός ορισμάτων Πεδίο εφαρμογής και οι συνέπειές του
8. Απλά γραφικά στο R
- Δημιουργία γραφήματος Πυκνότητα Οικόπεδα Σημεία με κουκκίδες Γραμμές Γραμμές Διαγράμματα πίτας Γραφήματα πλαισίων Πλάκες διασποράς Οικόπεδα Συνδυασμός γραφημάτων
II. Στατιστική ανάλυση στο R
- 1. Κατανομές πιθανοτήτων
Το R ως σύνολο στατιστικών πινάκων Εξέταση της κατανομής ενός συνόλου δεδομένων
2. Έλεγχος Υποθέσεων
- Δοκιμές σχετικά με μια Δοκιμή αναλογίας μέσης πιθανότητας πληθυσμού Δοκιμές ενός και δύο δειγμάτων Δοκιμή Chi-Square GoΔοκιμασία odness-of-Fit Kolmogorov-Smirnov Statistic One-Sample Wilcoxon Signed-Rank Test Two-Sample Test Wilcoxon Rank Sum Test Mann-Whitney Δοκιμή Kolmogorov-Smirnov Test
3. Πολλαπλός Έλεγχος Υποθέσεων
- Σφάλμα τύπου Ι και καμπύλες ROC FDR και Πολλαπλές Διαδικασίες δοκιμών AUC (BH, Bonferroni κ.λπ.)
4. Μοντέλα γραμμικής παλινδρόμησης
- Γενικές συναρτήσεις για την εξαγωγή πληροφοριών μοντέλου Ενημέρωση προσαρμοσμένων μοντέλων Γενικευμένα γραμμικά μοντέλα Οικογένειες Η συνάρτηση glm()
Ταξινόμηση Logistic Regression
- Γραμμική Διακριτική Ανάλυση
III. Εργασμένα προβλήματα στη βιοπληροφορική
- Σύντομη εισαγωγή στο πακέτο limma Ροή εργασιών ανάλυσης δεδομένων Microarray Λήψη δεδομένων από το GEO: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE1397 Επεξεργασία δεδομένων (QC, κανονικοποίηση, διαφορική έκφραση) Παραδείγματα Custering ηφαιστείων + χάρτες θερμότητας
Testimonials (8)
The pace was just right and the relaxed atmosphere made candidates feel at ease to ask questions.
Rhian Hughes - Public Health Wales NHS Trust
Course - Introduction to Data Visualization with Tidyverse and R
Το περιεχόμενο, καθώς το βρήκα πολύ ενδιαφέρον και πιστεύω ότι θα με βοηθούσε στην τελευταία μου χρονιά στο Πανεπιστήμιο.
Krishan - NBrown Group
Course - From Data to Decision with Big Data and Predictive Analytics
Machine Translated
very tailored to needs
Yashan Wang
Course - Data Mining with R
The trainer was so knowledgeable and included areas I was interested in
Mohamed Salama
Course - Data Mining & Machine Learning with R
Good real world examples, reviews of existing reports
Ronald Parrish
Course - Data Visualization
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Course - 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
Course - Process Mining
how the trainor shows his knowledge in the subject he's teachign