Algunos de nuestros clientes

Código del Curso

rintrob

Duración

28 horas (usualmente 4 días, incluidas las pausas)

Descripción General

R es un lenguaje de programación libre de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número creciente de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R también ha encontrado seguidores entre los estadísticos, ingenieros y científicos sin habilidades de programación de computadoras que les resulta fácil de usar. Su popularidad se debe al uso cada vez mayor de la minería de datos para varios objetivos, como establecer precios de anuncios, encontrar nuevos medicamentos más rápidamente o ajustar los modelos financieros. R tiene una amplia variedad de paquetes para minería de datos.

Machine Translated

Programa del Curso

I. Introducción y preliminares

1. Información general

Haciendo R más amigable, R y GUIs disponibles
Rstudio
Software y documentación relacionados
R y estadísticas
Uso de R de forma interactiva
Una sesión introductoria
Obtención de ayuda con funciones y funciones
R, sensibilidad de mayúsculas y minúsculas, etc.
Recuperación y corrección de comandos anteriores
Ejecutar comandos o desviar la salida a un archivo
Permanencia de datos y eliminación de objetos
Buenas prácticas de programación: guiones autónomos, buena legibilidad, p. Scripts estructurados, documentación, reducción
Instalar paquetes; CRAN y Bioconductor

2. Lectura de datos

Archivos Txt (read.delim)
Archivos CSV

3. Manipulaciones sencillas; Números y vectores + arrays

Vectores y asignación
Aritmética vectorial
Generación de secuencias regulares
Vectores lógicos
Valores faltantes
Vectores de caracteres
Vectores índice; Seleccionar y modificar subconjuntos de un conjunto de datos
- Matrices
Indexación de matrices. Subsecciones de una matriz
Matrices de índice
La función array () + operaciones simples en arrays, p. Multiplicación, transposición
Otros tipos de objetos

4. Listas y marcos de datos

Liza
Construir y modificar listas
- Concatenar listas
Marcos de datos
- Realización de marcos de datos
- Trabajar con marcos de datos
- Adjuntar listas arbitrarias
- Gestión de la ruta de búsqueda

5. Manipulación de datos

Selección, subconjunto de observaciones y variables
Filtrado, agrupación
Recodificación, transformaciones
Agregación, combinación de conjuntos de datos
Formando matrices particionadas, cbind () y rbind ()
La función de concatenación, (), con arrays
Manipulación de caracteres, paquete stringr
Introducción corta en grep y regexpr

6. Más información sobre la lectura de datos

XLS, XLSX archivos
Paquetes readr y readxl
SPSS, SAS, Stata, ... y otros formatos de datos
Exportar datos a txt, csv y otros formatos

6. Agrupación, bucles y ejecución condicional

Expresiones agrupadas
Declaraciones de control
Ejecución condicional: si declaraciones
Ejecución repetitiva: para bucles, repetición y
Introducir en aplique, aplique, aplique, aplique

7. Funciones

Creación de funciones
Argumentos opcionales y valores predeterminados
Número variable de argumentos
Alcance y sus consecuencias

8. Gráficos simples en R

Creación de un gráfico
Parcelas de densidad
Parcelas de puntos
Parcelas de Bar
Líneas gráficas
Gráficos circulares
Boxplots
Gráfico de dispersión
Combinación de parcelas

II. Análisis estadístico en R

1. Distribuciones de probabilidad

R como conjunto de cuadros estadísticos
Examinar la distribución de un conjunto de datos

2. Pruebas de hipótesis

Pruebas sobre una media poblacional
Prueba de Razón de Verosimilitud
Pruebas de una y dos muestras
Prueba Chi-Cuadrada de la Bondad de Ajuste
Estadística de una muestra de Kolmogorov-Smirnov
Wilcoxon Signed-Rank Test
Prueba de dos muestras
Prueba de suma de rangos de Wilcoxon
Prueba de Mann-Whitney
Prueba Kolmogorov-Smirnov

3. Pruebas Múltiples de Hipótesis

Error de tipo I y FDR
Curvas ROC y AUC
Procedimientos de Pruebas Múltiples (BH, Bonferroni, etc.)

4. Modelos de regresión lineal

Funciones genéricas para extraer la información del modelo
Actualización de modelos adaptados
Modelos lineales generalizados
- Familias
- La función glm ()
Clasificación
- Regresión logística
- Análisis Discriminante Lineal
Aprendizaje sin supervisión
- Análisis de componentes principales
- Clustering Métodos (k-medios, agrupación jerárquica, k-medoids)

5. Análisis de supervivencia (paquete de supervivencia)

Objetos de supervivencia en r
Kaplan-Meier, prueba log-rank, regresión paramétrica
Bandas de confianza
Análisis de datos censurados (intervalo censurado)
Modelos Cox PH, covariables constantes
Cox PH modelos, covariables dependientes del tiempo
Simulación: comparación de modelos (comparación de modelos de regresión)

6. Análisis de la varianza

ANOVA unidireccional
Clasificación bidireccional de ANOVA
MANOVA

III. Problemas de trabajo en bioinformática

Breve introducción al paquete limma
Flujo de trabajo de análisis de datos de microarrays
Descarga de datos de GEO: http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE1397
Procesamiento de datos (QC, normalización, expresión diferencial)
Trama de volcán
Custering ejemplos + heatmaps

Testimonios

★★★★★

El estilo flexible y amigable. Aprendiendo exactamente lo que fue útil y relevante para mí.

Jenny Tickner

Curso:Avanzada R

Machine Translated

Disfruté las hojas de Excel proporcionadas teniendo los ejercicios con ejemplos. Esto significaba que si Tamil se retrasaba ayudando a otras personas, podría seguir con las siguientes partes.

Luke Pontin