تجزیه و تحلیل چیپ-seq شاخه مهمی از بیوانفورماتیک است. دریچه ای به ماشینی می دهد که سلول های بدن ما را تیک می زند. خواه یک سلول مغزی باشد که به شما کمک می کند تا این صفحه وب را بخوانید یا یک سلول ایمنی است که در بدن شما برای یافتن میکروارگانیسم هایی که شما را بیمار می کند، گشت می زند، همه آنها ژنوم یکسانی دارند. چیزی که آنها را متمایز می کند ژن هایی است که در هر زمان فعال هستند. کدام ژن ها هستند توسط سیستم پیچیده ای از پروتئین ها تعیین می شود که می توانند ژن ها را فعال و غیرفعال کنند. هنگامی که این دستگاه نظارتی از کنترل خارج می شود، می تواند منجر به سرطان و سایر بیماری های ناتوان کننده شود. تجزیه و تحلیل ChiP-seq به ما امکان می دهد عملکرد پروتئین های تنظیم کننده را درک کنیم، چگونه آنها می توانند به بیماری کمک کنند و می تواند بینشی در مورد اینکه چگونه ممکن است بتوانیم برای جلوگیری از خارج شدن سلول ها از کنترل خارج شوند، مداخله کنیم. در این دوره، یک مجموعه داده واقعی را در حین یادگیری نحوه پردازش و تجزیه و تحلیل داده های ChiP-seq در R.

اگر با SAS تجربه دارید و می خواهید R را یاد بگیرید، این دوره برای شما مناسب است. R رایگان (هزینه) و باز (مجوز) است و یکی از زبان‌های نرم‌افزاری است که سریع‌ترین رشد را برای علم آمار و داده‌ها دارد. این دوره مقدمه ای ملایم برای زبان R است که در هر فصل یک نقشه دقیق از توابع R به رویه های SAS ارائه می شود که شباهت ها و تفاوت ها را برجسته می کند. شما خود را در محیط R جهت یابی خواهید کرد و کشف خواهید کرد که چگونه داده ها را به هم بزنید، تجسم کنید و مدل کنید و خروجی خود را برای ارائه نهایی سفارشی کنید. در طول دوره، شما یک جریان کاری ثابت از بررسی و تمیز کردن کیفیت داده ها، کاوش روابط، مدل سازی و ارائه نتایج را دنبال خواهید کرد. شما این دوره را با نمونه‌های کدگذاری شده‌ای که الگویی برای استفاده فوری با مجموعه داده‌های خودتان ارائه می‌دهند، ترک خواهید کرد.

RNA-Seq یک روش مهیج توالی‌یابی نسل بعدی است که برای شناسایی ژن‌ها و مسیرهای زمینه‌ای بیماری‌ها یا شرایط خاص استفاده می‌شود. با مقرون به صرفه‌تر شدن و در دسترس‌تر شدن توالی‌یابی با توان بالا برای جامعه وسیع‌تری از محققان، دانش تجزیه و تحلیل این داده‌ها به یک مهارت با ارزش فزاینده تبدیل می‌شود. برای آشنایی با گردش کار RNA-Seq و کشف چگونگی شناسایی ژن ها و فرآیندهای بیولوژیکی که ممکن است برای شرایط مورد علاقه شما مهم باشند، به ما بپیوندید! ما دوره را با مروری مختصر از گردش کار RNA-Seq با تأکید بر تجزیه و تحلیل بیان دیفرانسیل (DE) آغاز خواهیم کرد. با شروع شمارش برای هر ژن، این دوره نحوه آماده سازی داده ها برای تجزیه و تحلیل DE، ارزیابی کیفیت داده های شمارش، و شناسایی نقاط پرت و شناسایی منابع اصلی تنوع در داده ها را پوشش می دهد. بسته DESeq2 R برای مدل‌سازی داده‌های شمارش با استفاده از یک مدل دوجمله‌ای منفی و آزمایش ژن‌های بیان‌شده متفاوت استفاده خواهد شد. تجسم نتایج با نقشه‌های حرارتی و نمودارهای آتشفشانی انجام خواهد شد و ژن‌های متفاوت بیان شده شناسایی و ذخیره خواهند شد.

آزمایش فرضیه به شما امکان می‌دهد درباره مجموعه داده‌های خود سؤال بپرسید و به روشی دقیق از نظر آماری به آنها پاسخ دهید. در این دوره شما یاد خواهید گرفت که چگونه و چه زمانی از تست های رایج مانند آزمون های تی، تست های نسبت و تست های مجذور کای استفاده کنید. شما درک عمیقی از نحوه کار آنها و مفروضات زیربنایی آنها به دست خواهید آورد. همچنین خواهید آموخت که چگونه آزمون های فرضیه های مختلف با استفاده از چارچوب "فقط یک آزمون وجود دارد" مرتبط هستند و از آزمون های ناپارامتریک استفاده کنید که به شما امکان می دهد الزامات آزمون های فرضیه سنتی را کنار بگذارید. در طول دوره، نظرسنجی کاربران Stack Overflow و مجموعه داده‌ای از ارسال‌های دیرهنگام لوازم پزشکی را بررسی خواهید کرد.

در دنیای واقعی، مجموعه داده‌ها معمولاً در جداول زیادی تقسیم می‌شوند، در حالی که اکثر توابع تجزیه و تحلیل داده در R برای کار با جداول تک داده‌ها طراحی شده‌اند. در این دوره، یاد خواهید گرفت که چگونه به طور موثر مجموعه داده ها را با استفاده از data.table در جداول واحد ترکیب کنید. شما یاد خواهید گرفت که چگونه از یک جدول به جدول دیگر ستون اضافه کنید، چگونه یک جدول را بر اساس مشاهدات در جدول دیگر فیلتر کنیم و چگونه رکوردها را در چندین جدول با معیارهای پیچیده شناسایی کنیم. در طول مسیر، نحوه عیب یابی عملیات اتصال ناموفق و بهترین روش ها برای کار با مجموعه داده های پیچیده را یاد خواهید گرفت. پس از تکمیل این دوره، به خوبی در راه تبدیل شدن به یک استاد data.table خواهید بود!

اغلب در علم داده، با داده‌های جذابی روبرو می‌شوید که در چندین جدول پخش شده‌اند. این دوره به شما مهارت هایی را می آموزد که برای پیوستن چندین جدول به یکدیگر برای تجزیه و تحلیل ترکیبی آنها نیاز دارید. شما مهارت های خود را با استفاده از مجموعه داده های سرگرم کننده در مورد LEGO ها از وب سایت Rebrickable تمرین خواهید کرد. مجموعه داده حاوی اطلاعاتی درباره مجموعه ها، قطعات، تم ها و رنگ های لگو است، اما در بسیاری از جداول پخش شده است. شما در طول دوره با داده ها کار خواهید کرد زیرا در مجموع شش اتصال مختلف را یاد می گیرید! شما چهار اتصال جهش یافته را یاد خواهید گرفت: پیوستن داخلی، الحاق چپ، پیوستن راست، و پیوستن کامل، و دو اتصال فیلتر کننده: پیوستن نیمه و پیوستن ضد. در فصل آخر، مهارت‌های جدید خود را روی داده‌های Stack Overflow اعمال خواهید کرد، که شامل هر یک از تقریباً 300000 سؤال Stack Oveflow است که با R برچسب‌گذاری شده‌اند، از جمله اطلاعات مربوط به پاسخ‌های آن‌ها، تاریخ پرسیده شدن و امتیاز آنها. آماده شوید تا مهارت های dplyr خود را به سطح بعدی ببرید!

آنها می گویند که یک عکس ارزش هزار کلمه را دارد. در واقع، ارتقای موفقیت آمیز تجزیه و تحلیل داده های شما نه تنها یک موضوع گرافیکی دقیق و مؤثر است، بلکه زیبایی شناسی و منحصر به فرد بودن نیز دارد. این دوره به شما می‌آموزد که چگونه از قدرت تم‌های ggplot2 برای تولید گرافیک‌های با کیفیت انتشار که از انبوه نقشه‌های دیگ بخار بیرون می‌آیند، استفاده کنید. این به شما نشان می دهد که چگونه می توانید ggplot2 را بهینه کنید و بیشترین بهره را ببرید تا نقشه های غیر متعارفی تولید کنید که توجه را در رسانه های اجتماعی جلب کند. در پایان، شما این دانش را ترکیب می‌کنید تا یک گزارش شیک و سفارشی با RMarkdown و CSS تولید کنید - همه اینها در سیستم قدرتمند tidyverse.

چگونه متوجه شویم که سهام ارزان یا گران است؟ برای این کار باید قیمت سهام را با ارزش آن مقایسه کنیم. قیمت سهام را می توان با مراجعه به منابع عمومی مختلف مانند Yahoo Finance یا Google Finance بدست آورد. اگرچه شناسایی ارزش سهام بسیار دشوارتر است. هر سرمایه گذار باید ارزش گذاری سهام خود را شکل دهد. در این دوره، اصول ارزش گذاری سهام را با استفاده از رویکردهای ارزش فعلی، مانند مدل های تخفیف جریان نقدی آزاد به حقوق صاحبان سهام و سود سهام، و مضرب ارزش گذاری، یاد خواهید گرفت. در پایان این دوره، شما می توانید مدل های ارزش گذاری خود را بسازید.

درک اصول اولیه محصولات بیمه عمر برای برنامه ریزی مالی شخصی شما ضروری است، از گرفتن وام مسکن گرفته تا طراحی برنامه بازنشستگی و جستجوی حمایت مالی برای خطر مرگ زودرس. در این دوره، ارزش زمانی پول را مطالعه خواهید کرد و با داده های مرگ و میر انسان کار خواهید کرد تا نشانگرهای جمعیت شناختی (مانند امید به زندگی) را استخراج کنید. ترکیب اصول ارزیابی جریان نقدی با محاسبه احتمال بقا و مرگ در R به شما این امکان را می دهد که ابزارهای روشنگری برای طراحی محصولات بیمه عمر بسازید. شما از این دوره با درک ارزش گذاری مطالبات احتمالی زندگی بیرون می آیید: مستمری های عمر، که درآمدی را پس از زنده ماندن فراهم می کند، و محصولات بیمه عمر، که پس از فوت بیمه گذار، سود پرداخت می کنند.

داده‌های دسته‌بندی در اطراف ما هستند. این در آخرین اعداد نظرسنجی، در داده هایی است که منجر به پیشرفت های جدید در ژنومیک می شود، و در مجموعه داده هایی که شرکت های اینترنتی برای فروش محصولات به شما جمع آوری می کنند. در این دوره شما تکنیک های تجزیه سیگنال از نویز را خواهید آموخت. ابزارهایی برای شناسایی زمانی که ساختار در این داده ها پدیده های جالبی را نشان می دهد و زمانی که فقط نویز تصادفی است.

در این دوره آموزشی، نحوه استفاده از تکنیک های آماری برای استنتاج و تخمین با استفاده از داده های عددی را خواهید آموخت. این دوره از دو رویکرد برای این وظایف رایج استفاده می کند. اولین مورد از راه‌اندازی و جایگشت برای ایجاد آزمون‌های مبتنی بر نمونه‌گیری مجدد و فواصل اطمینان استفاده می‌کند. دومی از نتایج نظری و توزیع t برای رسیدن به همان نتیجه استفاده می کند. شما یاد خواهید گرفت که چگونه (و چه زمانی) یک آزمون t را انجام دهید، یک فاصله اطمینان ایجاد کنید و یک ANOVA انجام دهید!

قبلاً، اصول استنتاج آماری و مدل های خطی را آموخته اید. اکنون، گام بعدی این است که آنها را کنار هم قرار دهید. این دوره به شما فرصتی می دهد تا به این فکر کنید که چگونه نمونه های مختلف می توانند مدل های خطی متفاوتی را تولید کنند، جایی که هدف شما درک مدل جامعه اساسی است. از مدل خطی تخمین زده شده، نحوه ایجاد تخمین های بازه ای برای اندازه اثر و همچنین چگونگی تعیین اینکه آیا اثر قابل توجه است، خواهید آموخت. فواصل پیش بینی برای متغیر پاسخ با تخمین های میانگین پاسخ در تضاد خواهد بود. در طول دوره، با بسته های dplyr و ggplot2 تمرین بیشتری کسب خواهید کرد و با بسته جارویی برای مرتب کردن مدل ها آشنا خواهید شد. هر سه بسته در علم داده ارزشمند هستند.

Tidyverse شامل مجموعه عظیمی از بسته‌ها است که کار با داده‌ها را ساده و سریع می‌کند. اما آیا تا به حال سعی کرده اید توابع dplyr را در داخل توابع قرار دهید و با خطاهای عجیب یا نتایج غیرمنتظره گیر کرده اید؟ این خطاها احتمالاً به دلیل ارزیابی مرتب بوده است که رسیدگی به آن نیاز به کمی کار اضافی دارد. در برنامه نویسی با dplyr، شما به استراتژی هایی برای حل این خطاها از طریق بسته rlang مجهز خواهید شد. همچنین تکنیک های دیگری برای برنامه نویسی با dplyr با استفاده از داده های بانک جهانی و صندوق بین المللی پول برای تجزیه و تحلیل روندهای جهانی در سراسر جهان یاد خواهید گرفت. شما تا پایان دوره یک تابع منظم خواهید بود که نینجا می نویسد!

آیا تا به حال فکر کرده اید که توضیحات purrr ("یک ابزار برنامه نویسی کاربردی برای R") به چه چیزی اشاره دارد؟ سپس، شما به جای مناسب آمده اید! این دوره شما را در بخش برنامه نویسی کاربردی purrr راهنمایی می کند - به عبارت دیگر، شما یاد خواهید گرفت که چگونه از انعطاف پذیری ارائه شده توسط .f در map(.x,.f) برای تکرار لیست ها، بردارها و data.frame با کد قوی، تمیز و آسان استفاده کنید. در طول این دوره، یاد خواهید گرفت که چگونه نگاشت های خود (یا توابع لامبدا) را بنویسید و چگونه از گزاره ها و قیدها استفاده کنید. در نهایت، این دانش جدید برای یک مورد استفاده اعمال می‌شود، به طوری که می‌توانید ببینید چگونه می‌توانید از این دانش جدید به دست آمده در یک مثال عینی از یک فهرست تودرتوی ساده، نحوه استخراج، نگه‌داشتن یا کنار گذاشتن عناصر، نحوه نوشتن توابع برای دستکاری و تجزیه نتایج از این فهرست، نحوه ادغام گردش کار purrr در داخل توابع دیگر، نحوه جلوگیری از کپی و چسباندن ابزار با توابع استفاده کنید.

نوشتن اسکریپت های R آسان است. نوشتن کد R خوب سخت است. در این دوره، برنامه‌نویسی دفاعی را مورد بحث قرار می‌دهیم - مجموعه‌ای از تکنیک‌های استاندارد که به کاهش باگ‌ها و کمک به کار در تیم‌ها کمک می‌کند. ما تکنیک هایی را برای اجتناب از خطاهای رایج و همچنین نحوه رسیدگی به خطای اجتناب ناپذیری که در کد ما ایجاد می شود را بررسی می کنیم. این دوره به بررسی زمان انتقال از اسکریپت به پروژه به بسته پایان می‌دهد.

زبان برنامه نویسی R یک جزء حیاتی از پشته فناوری مدرن است، اما اجرای کد R گاهی اوقات ممکن است زمان ببرد. این دوره برنامه نویسی موازی می تواند به شما کمک کند تا با استفاده از چندین پردازنده موجود در اکثر رایانه های مدرن کد خود را بهینه کنید. شما مفاهیم کلیدی برنامه نویسی موازی را درک خواهید کرد و عملیاتی را شناسایی خواهید کرد که می توانند از موازی سازی بهره مند شوند. همچنین بسته‌های R (موازی، پیش‌رو، آینده) را برای موازی‌سازی کاوش می‌کنید و مهارت‌هایی را برای کاهش زمان اجرا، نظارت، اشکال‌زدایی و اطمینان از تکرارپذیری در کدهای موازی به دست خواهید آورد.

R یک زبان عالی برای علم داده است، اما گاهی اوقات اجرای کد ممکن است کند باشد. ترکیب راحتی R با سرعت یک زبان کامپایل شده یک راه عالی برای بازیابی عملکردی است که کد شما شایسته آن است.

C++ یک زبان مدرن و با کارایی بالا است که یادگیری آن به اندازه کافی ساده است در زمینه تسریع کد R. با کمک بسته Rcpp، C++ بسیار منظم با R ادغام می شود. شما یاد خواهید گرفت که چگونه ایجاد و دستکاری کنید اشیاء معمولی R (بردارها و لیست ها)، و توابع C++ خود را بنویسید برای افزایش چشمگیر عملکرد کد R خود.

غلبه بر مشکلات رایج داده مانند حذف موارد تکراری در R

در چالش های داده های پیشرفته

استفاده از Record Linkage در حین پاکسازی داده را بیاموزید

مجموعه داده ها اغلب بزرگتر از RAM موجود هستند، که برای برنامه نویسان R مشکل ایجاد می کند زیرا به طور پیش فرض همه متغیرها در حافظه ذخیره می شوند. ابزارهایی را برای پردازش، کاوش و تجزیه و تحلیل داده ها به طور مستقیم از دیسک یاد خواهید گرفت. شما همچنین رویکرد split-apply-combine را پیاده سازی خواهید کرد و نحوه نوشتن کدهای مقیاس پذیر با استفاده از بسته های bigmemory و iotools را یاد خواهید گرفت. در این دوره، از داده‌های آژانس مالی مسکن فدرال استفاده خواهید کرد، مجموعه داده‌ای در دسترس عموم که تمام وام‌های مسکنی را که بین سال‌های 2009 تا 2015 توسط انجمن ملی وام مسکن فدرال (فانی می) و شرکت وام مسکن فدرال (فردی مک) نگهداری یا به اوراق بهادار تبدیل شده‌اند، استفاده می‌کنید.

پیش‌بینی دقیق تقاضا برای محصولات به شرکت اجازه می‌دهد از بازار جلوتر بماند. با دانستن اینکه چه چیزهایی تقاضا را شکل می دهند، می توانید رفتارهای اطراف محصولات خود را بهتر هدایت کنید. این دوره روند پیش‌بینی تقاضای محصول را از طریق استفاده از R باز می‌کند. شما یاد خواهید گرفت که چگونه محرک‌های مهم تقاضا را شناسایی کنید، به اثرات فصلی نگاه کنید، و تقاضا برای سلسله مراتبی از محصولات را از یک مثال دنیای واقعی پیش‌بینی کنید. در پایان دوره شما قادر خواهید بود تقاضا برای چندین محصول را در سراسر منطقه ای از یک ایالت در ایالات متحده پیش بینی کنید. سپس این پیش‌بینی‌ها را در بسیاری از مناطق مختلف یک ایالت جمع می‌کنید تا یک سیستم پیش‌بینی سلسله مراتبی کامل را تشکیل دهید.