دوره آموزشی طراحی مطالعات مراقبت بهداشتی داده های بزرگ، بخش دوم
1 ساعت 35 دقیقهپیشرفته2025-01-22
مدرسین

Monika Wahi
Data Science and Biotech Expert
جزئیات دوره
برای انجام تحلیل دقیق دادههای بهداشتی، باید اپیدمیولوژی و طراحی مطالعه پایه را درک کنید که در قسمت اول این سری آموزشی پوشش داده شده است. اما شما همچنین باید قادر باشید تا تحلیلهای توصیفی و رگرسیونی انجام دهید و تصمیمات خود را در مورد انتخاب مدل، تفسیر و ارائه نتایج دفاع کنید. قسمت دوم سری آموزشی ما در مورد طراحی مطالعات بهداشت دادههای کلان، به لوجستیک برنامهریزی و اجرای تحلیل روی مجموعه دادههای تحلیلی که در دوره قبلی آماده شده، میپردازد. مدرس، مونيكا واهی، نشان میدهد که چگونه تحلیل را انجام دهید و مدل نهایی را در زمینه فرضیه اصلی خود تفسیر کنید. در این مسیر، او در مورد بهترین شیوهها برای نامگذاری و تنظیم کد، مدلسازی انتخاب مرحلهای، نسبتهای شاذ و شیوع، و ریسک نسبی آموزش میدهد. با استفاده از این آموزشها، شما باید قادر باشید مطالعات بهداشتی عالی طراحی کنید که از تمام امکانات دادههای کلان بهرهبرداری کند.
اهداف یادگیری:
تفاوت بین کد ماژولار و کد اسپاگتی را تشخیص داده و توضیح دهید که در چه زمانی باید از هر کدام استفاده کرد.
رویکرد تبدیل مجموعه دادهها را توضیح دهید.
زمان مناسب برای حذف شناساییکنندهها از مجموعه داده را ارزیابی کنید.
ملاحظات مربوط به نتایج دستهبندیشده را ذکر کنید.
تشخیص دهید که در دادههای بزرگ، حتی تفاوتهای کوچک از نظر آماری معنادار هستند.
تعیین کنید که استفاده از مدل انتخاب مرحلهای در چه زمانی مناسب است.
اهداف یادگیری:
تفاوت بین کد ماژولار و کد اسپاگتی را تشخیص داده و توضیح دهید که در چه زمانی باید از هر کدام استفاده کرد.
رویکرد تبدیل مجموعه دادهها را توضیح دهید.
زمان مناسب برای حذف شناساییکنندهها از مجموعه داده را ارزیابی کنید.
ملاحظات مربوط به نتایج دستهبندیشده را ذکر کنید.
تشخیص دهید که در دادههای بزرگ، حتی تفاوتهای کوچک از نظر آماری معنادار هستند.
تعیین کنید که استفاده از مدل انتخاب مرحلهای در چه زمانی مناسب است.
مهارت ها
RData EngineeringData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
- 02 - آنچه باید بدانید
- 03 - استفاده از فایلهای تمرین
1. لجستیک ایجاد مجموعه دادههای تحلیلی
- 04 - ترتیب کد
- 05 - رویکرد تبدیل مجموعه داده
- 06 - اعمال معیارهای صلاحیت
- 07 - نهایی کردن مجموعه دادههای تحلیلی
2. انجام تجزیه و تحلیل
- 08 - تحلیل توصیفی در مقابل رگرسیون
- 09 - ملاحظات برای نتایج طبقه بندی شده
- 10 - ساختار جدول تشریحی - جدول 1
- 11 - مثال جدول توصیفی
- 12- مدل سازی مرحله ای برای پاسخ به یک فرضیه
- 13 - ایجاد مدل کار - قسمت 1
- 14 - ایجاد مدل کار - قسمت 2
- 15 - مستندسازی فراداده مدل
- 16 - مدلسازی گام به گام انتخابی - شکستن مدل کار
- 17 - در نظر گرفتن تناسب مدل
- 18 - انتخاب و تفسیر مدل نهایی
3. تفسیر مدل نهایی
- 19 - بررسی تفسیر رگرسیون
- 20 - تفسیر تخمین پارامترهای رگرسیون
- 21 - جدول 2x2 دوباره بررسی شد - ریسک نسبی
- 22 - ارائه مدل نهایی
- 23 - صحبت در مورد تحلیل شما - مقدمه و روشها
- 24 - صحبت در مورد تجزیهوتحلیل شما - نتایج و بحث
نتیجه گیری
- 25 - بررسی مجموعه دروس
- 26 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی گزارشنویسی دادهکاوی با Quarto برای پایتون
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R
- دوره آموزشی طراحی مطالعات مراقبت های بهداشتی داده های بزرگ، بخش اول
- دوره آموزشی یادگیری جامع تجارت الگوریتمی و مدلهای مالی با زبانهای پایتون، R و استاتا
- دوره آموزشی کاربردهای Tidyverse در زبان R
- دوره آموزشی سرویس یادگیری ماشین SQL سرور: زبان R