اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش جامع تحلیل داده‌های زیستی با استفاده از زبان برنامه‌نویسی R و مدل‌های خطی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع تحلیل داده‌های زیستی با استفاده از زبان برنامه‌نویسی R و مدل‌های خطی

موضوع کلی: علوم داده و آمار کاربردی

موضوع میانی: تحلیل آماری و مدل‌سازی در علوم زیستی

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم پایه در علوم داده زیستی
• 2. نصب و راه‌اندازی محیط برنامه‌نویسی R و RStudio
• 3. آشنایی با ساختارهای داده در R شامل بردارها و ماتریس‌ها
• 4. کار با دیتافریم‌ها و وارد کردن داده‌های زیستی
• 5. مدیریت و پیش‌پردازش داده‌های خام آزمایشگاهی
• 6. روش‌های مصورسازی داده‌ها با استفاده از بسته ggplot2
• 7. مفاهیم آمار توصیفی در مطالعات زیستی
• 8. توزیع‌های احتمالی در تحلیل داده‌های بیولوژیک
• 9. مبانی استنباط آماری و آزمون فرضیه
• 10. محاسبه بازه اطمینان و توان آماری
• 11. کاربرد آزمون t-student در مقایسه گروه‌های زیستی
• 12. آزمون‌های ناپارامتریک در داده‌های زیستی با توزیع غیرنرمال
• 13. مقدمه‌ای بر تحلیل واریانس یک‌طرفه ANOVA
• 14. تحلیل واریانس دوطرفه و بررسی اثرات متقابل
• 15. مبانی مدل‌های خطی در زیست‌شناسی
• 16. تخمین پارامترها در مدل‌های خطی با روش حداقل مربعات
• 17. ارزیابی دقت مدل‌های آماری و تحلیل باقی‌مانده‌ها
• 18. استفاده از متغیرهای طبقه‌بندی شده در مدل‌های خطی
• 19. انتخاب مدل بهینه و معیارهای اطلاعاتی
• 20. مقدمه‌ای بر رگرسیون خطی چندگانه در داده‌های زیستی
• 21. بررسی مفروضات مدل‌های خطی و رفع هم‌خطی
• 22. تحلیل داده‌های بیان ژن با مدل‌های خطی
• 23. روش‌های تصحیح آزمون‌های متعدد در داده‌های امیکس
• 24. تجزیه و تحلیل مؤلفه‌های اصلی PCA در داده‌های زیستی
• 25. خوشه‌بندی سلسله‌مراتبی و تحلیل شباهت نمونه‌های زیستی
• 26. آشنایی با مدل‌های خطی تعمیم‌یافته GLM
• 27. رگرسیون لجستیک برای داده‌های باینری در زیست‌شناسی
• 28. مدل‌سازی داده‌های شمارشی با استفاده از توزیع پواسون
• 29. کاربرد مدل‌های خطی آمیخته در داده‌های طولی
• 30. تحلیل بقا و مدل‌سازی مخاطرات در مطالعات بالینی
• 31. نوشتن توابع سفارشی در R برای تحلیل‌های زیستی
• 32. خودکارسازی تحلیل داده‌ها با حلقه‌ها و شرط‌ها
• 33. مستندسازی گزارش‌های علمی با استفاده از R Markdown
• 34. اخلاق در تحلیل داده و اهمیت گزارش‌دهی صادقانه نتایج
• 35. پروژه عملی: تحلیل یک مجموعه داده واقعی بیان ژن
• 36. پروژه عملی: مدل‌سازی ارتباط بین عوامل محیطی و سلامت زیستی