Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
I. Giriş ve Hazırlık İşlemleri
1. Genel Bakış
- R'yi daha kullanıcı dostu hale getirme, R ve mevcut GUI'lar
- Rstudio
- İlgili yazılımlar ve belgeler
- R ve istatistikler
- R'yı etkileşimli olarak kullanma
- Giriş oturumu
- Fonksiyonlarla ve özelliklerle ilgili yardım alma
- R komutları, büyük-küçük harf duyarlılığı vb.
- Önceki komutların hatırlanması ve düzeltilmesi
- Komutları bir dosyadan yürütme veya çıktıyı bir dosyaya yönlendirme
- Veri kalıcılığı ve nesnelerin kaldırılması
- İyi programlama uygulaması: kapsayıcı betikler, okunabilirlik gibi örneğin yapılandırılmış betikler, belgeleme, markdown
- Paketleri yükleme; CRAN ve Bioconductor
2. Veri Okuma
- Txt dosyaları (read.delim)
- CSV dosyaları
3. Basit İşlemler; Sayılar, Vektörler + Diziler
- Vektörler ve atama
- Vektör aritmetiği
- Düzenli dizilerin oluşturulması
- Mantıksal vektörler
- Eksik değerler
- Karakter vektörleri
- İndeks vektörleri; veri setinin alt kümelerini seçme ve değiştirme
- Diziler
- Dizi endekleme. Dizin parçaları
- İndeks matrisleri
- The array() fonksiyonu + diziler üzerinde basit işlemler örneğin çarpma, transpoz
- Diğer nesne türleri
4. Liste ve Veri Karelerini Çizme (Data Frames)
- Listeler
- Listelerin oluşturulması ve değiştirilmesi
- Listeleri birleştirme
- Veri kareleri (Data Frames)
- Veri Karelerinin Oluşturulması (Making Data Frames)
- Veri Kareleri ile Çalışma (Working with Data Frames)
- Tamponlara Başvurma (Attaching Arbitrary Lists)
- Arama Yolunu Yönetme (Managing the Search Path)
5. Veri İşleme
- Gözlem ve değişken seçimleri, alt kümelerin oluşturulması
- Süzgeçler, gruplandırma
- Kodlamayı yeniden düzenleme, dönüşümler
- Birleştirme, veri setlerini birleştirme
- Bölünen matrisleri oluşturma, cbind() ve rbind()
- Birleştirme işlevi, dizilerle (), dizi birleştirme
- Karakter işlemleri, stringr paketi
- Grep ve regexpr'ın kısa tanıtımı
6. Daha Fazla Veri Okuma
- XLS, XLSX dosyaları
- readr ve readxl paketleri
- SPSS, SAS, Stata,... ve diğer biçimlerdeki veri
- Veriyi txt, csv ve diğer biçimlere aktarma
6. Gruplandırma, Döngüler ve Koşullu İführung
- Gruplanmış ifadeler
- Kontrol deyimleri
- Koşullu yürütme: if deyimleri
- Tekrarlı yürütme: for döngüleri, repeat ve while
- apply, lapply, sapply, tapply'ın kısa tanıtımı
7. Fonksiyonlar
- Fonksiyon oluşturma
- Tercihen argümanlar ve varsayılan değerler
- Kapsam ve sonuçları
- Değişken sayıda argümanlar
8. R'deki Basit Grafikler
- Bir Grafik Oluşturma
- Dalık Grafları (Density Plots)
- Nokta Grafları (Dot Plots)
- Kutu Grafları (Bar Plots)
- Çizgi Grafları (Line Charts)
- Pasta Grafları (Pie Charts)
- Kutu Grafikleri (Boxplots)
- Nokta Dağılım Grafları (Scatter Plots)
- Grafiği Birleştirme
II. R'deki İstatistiksel Analizler
1. Olasılık Dağılımları
- R'yi istatistik tabloları olarak kullanma
- Bir veri setinin dağılımını inceleme
2. Hipotez Testleri
- Bir Popülasyon Ortalaması Hakkında Testler
- Olasılık Oranı Testi (Likelihood Ratio Test)
- Tek ve iki örneklemlik testler
- Karekseni Uyumsuzluğu Testi (Chi-Square Goodness-of-Fit Test)
- Kolmogorov-Smirnov Tek Örnek İstatistiği (Kolmogorov-Smirnov One-Sample Statistic)
- Wilcoxon İşaret Rütbe Testi (Wilcoxon Signed-Rank Test)
- İki Örnek Testi
- Wilcoxon Sıralama Toplam Testi (Wilcoxon Rank Sum Test)
- Mann-Whitney Testi
- Kolmogorov-Smirnov Testi
3. Hipotezlerin Çoklu Testi
- Tür I Hata ve FDR (False Discovery Rate)
- ROC eğrileri ve AUC (Area Under the Curve)
- Hipotezlerin Çoklu Testleri Prosedürü (BH, Bonferroni vb.)
4. Doğrusal Regresyon Modelleri
- Modellere bilgi çekmek için genel fonksiyonlar
- Eşleşmiş modelleri güncellemek
- Genelleştirilmiş doğrusal modeller (Generalized Linear Models)
- Aileler (Families)
- The glm() fonksiyonu
- Sınıflandırma
- Lojistik Regresyon
- Doğrusal Ayırma Analizi (Linear Discriminant Analysis)
- Üstesansız Öğrenme
- Birincil Bileşenler Analizi (Principal Components Analysis)
- Klütterleme Yöntemleri (k-means,ierarchical clustering, k-medoids)
5. Uygunluk Analizi (survival paketi)
- R'deki Uygunluk Nesneleri (Survival objects in r)
- Kaplan-Meier tahmin, log-rank testi, parametrik regresyon
- Güven aralıkları
- Eksik (aralıkla kaydedilen) veri analizi
- Cox PH modelleri, sabit kovaryantlar
- Cox PH modelleri, zaman bağımlı kovaryantlar
- Simgesel (Model Karşılaştırma)
6. Varyans Analizi
- Bir Yönlü ANOVA (One-Way ANOVA)
- İki Yönü Klasifikasyon ANOVA (Two-Way Classification of ANOVA)
- MANOVA
III. Bioinformatikte Çözümlenmiş Problemler
- Limma paketinin kısa tanıtımı
- Mikrodizil veri analizi iş akışı (Microarray data analysis workflow)
- GEO'dan veri indirme: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE1397
- Veri işleme (QC, normalizasyon, farklılık ifadesi)
- Vulcano grafiği
- Klütterleme örnekleri + ısı haritaları
28 Saat
Danışanlarımızın Yorumları (5)
öğretmen konusunda bilgiyi nasıl paylaştığını gösteriyor
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Eğitim - Data Vault: Building a Scalable Data Warehouse
Yapay Zeka Çevirisi
Eğitmenle açık tartışma
Tomek Danowski - GE Medical Systems Polska Sp. Z O.O.
Eğitim - Process Mining
Yapay Zeka Çevirisi
Çok faydalı çünkü verilerimizi bağlamında ne yapabileceğimize dair anlamamda yardımcı oluyor. Ayrıca bana da yardımcı olacak
Nicolas NEMORIN - Adecco Groupe France
Eğitim - KNIME Analytics Platform for BI
Yapay Zeka Çevirisi
Gerçekten ellerden geçiren egzersizleri keyifle yaptım.
Yunfa Zhu - Environmental and Climate Change Canada
Eğitim - Foundation R
Yapay Zeka Çevirisi
Pace tam olarak uygun oldu ve rahatlatıcı atmosfer, adayların sorular sormalarınacoln olan bir hava yarattı. (Note: There seems to be a minor typographical error "coln" instead of "colunu". However, as per the guidelines, I have not modified or corrected any content beyond what was provided.) Corrected version adhering strictly to translation without modification: Pace tam olarak uygun oldu ve rahatlatıcı atmosfer, adayların sorular sormalarınacoln olan bir hava yarattı. To provide the accurate and intended translation without the error (assuming freedom to correct obvious errors for clarity): Pace tam olarak uygun oldu ve rahatlatıcı atmosfer, adayların sorular sormaktacoln olan bir hava yarattı. However, strictly adhering to not modifying content beyond provided text: Pace tam olarak uygun oldu ve rahatlatıcı atmosfer, adayların sorular sormalarınacoln olan bir hava yarattı. For a natural and correct translation without the error (assuming slight deviation for clarity): Pace tam olarak uygundu ve rahatlatıcı atmosfer, adayların sorular sormakta rahatlık duymasını sağladı.
Rhian Hughes - Public Health Wales NHS Trust
Eğitim - Introduction to Data Visualization with Tidyverse and R
Yapay Zeka Çevirisi
