Онлайн-курс — сертифицированная профессиональная специализация по статистическому анализу с использованием R для общественного здравоохранения от Google и Имперского колледжа Лондона.

Изучайте общедоступную статистику и развивайте навыки анализа данных с помощью R. Совершенствуйте свое статистическое мышление и изучите ключевые методы анализа данных с помощью R.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

начиная

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Регулирование логистики
  • Линейное регулирование
  • Статистическое мышление
  • Анализ выживания
  • Анализ данных с использованием R

What you will learn in the course

Courses for which the course is suitable

  • Аналитик медицинских данных
  • Статистик общественного здравоохранения
  • Исследователь в области общественного здравоохранения
  • Анализирует клинические данные
  • Эксперт по медицинской статистике
  • Консультант по общественному здравоохранению
  • Анализатор рисков для здоровья
  • Социологический исследователь в области здравоохранения
  • аналитик тенденций в области здравоохранения
  • Разрабатывает прогностические модели в сфере здравоохранения.

Стажировка — серия курсов из четырех частей.

Знакомство

Статистика есть везде. Случайный выстрел сегодня. Временные тенденции уровня безработицы. Шансы Индии на победу на следующем чемпионате мира по крикету. В таком виде спорта, как футбол, это началось как развлечение, но переросло в большой бизнес. Статистический анализ также играет центральную роль в медицине, особенно в широкой и основной области общественного здравоохранения.

Чему вы научитесь на стажировке?

В этой специализации вы поможете понять, что такое медицинские исследования и как – и почему – смутная идея превращается в предположение, которое может быть научно проверено. Вы узнаете о ключевых понятиях статистики, таких как:

  • выборка
  • неопределенность
  • реакция
  • недостающие значения
  • распределения

Далее вы будете работать над анализом набора данных, который решает несколько ключевых проблем общественного здравоохранения:

  • Потребление фруктов и овощей и рак
  • Факторы риска диабета
  • Прогноз смертности после госпитализации по поводу сердечной недостаточности

Все это с использованием R, одной из бесплатных и наиболее широко используемых программ.

Структура специализации

Стажировка состоит из четырех курсов:

  • Статистическое мышление
  • Линейная регрессия
  • Логистическая регрессия
  • Анализ выживания

И она участвует в глобальной магистерской программе в области общественного здравоохранения, которая должна начаться в сентябре 2019 года.

предпосылки

Специализацию можно изучать независимо от магистратуры здравоохранения и не требует предварительных знаний статистики или программного обеспечения R. Все, что вам нужно, это интерес к медицинским темам и количественным данным.

Прикладной учебный проект

В каждом курсе вы познакомитесь с ключевыми понятиями и набором данных, которые будут использоваться в качестве примера во время курса. Данные общественного здравоохранения могут быть беспорядочными, с пропущенными значениями и странным распределением. Данные Куллана либо реальные, либо моделируются на основе реальных данных пациентов (все данные анонимизированы и имеют разрешения на использование).

Метод обучения

Акцент будет сделан на «обучении на практике» и «обучении путем открытий», когда вы сталкиваетесь с типичными проблемами данных и анализа, которые вам необходимо решить и обсудить с другими учащимися. Вы получите возможность поработать над решением самостоятельно и вместе с коллегами, прежде чем получить ответы и пояснения от преподавателей.

Details of the courses that make up the specialization

Введение в статистику и анализ данных в общественном здравоохранении

Курс 1

  • 15 часов
  • 4,7 (1464 меры)

Детали курса

Что вы узнаете:
  • Объясните кардинальную роль статистики в современных исследованиях и практике общественного здравоохранения.
  • Опишите набор данных с нуля, включая атрибуты элементов данных и проблемы качества данных, используя описательную статистику и графические методы в R.
  • Выбирайте и используйте подходящие методы для формулирования и проверки статистических связей между переменными в наборе данных в R.
  • Интерпретируйте результаты вашего анализа и оцените роль удачи и предвзятости.
Навыки, которые вы получите:
  • Категория: Базовый анализ в R
  • Категория: формулирование научной гипотезы
  • Категория: Программирование на R
  • Категория: Общие сведения о распределении данных и типах переменных

Линейная регрессия в R для общественного здравоохранения

Курс 2

  • 15 часов
  • 4,8 (504 меры)

Детали курса

Что вы узнаете:
  • Объясните, когда уместно использовать модель линейной регрессии.
  • Прочтите и проверьте переменные набора данных с помощью программного обеспечения R перед выполнением анализа модели.
  • Подберите многомерную модель линейной регрессии с взаимодействиями, проверьте предположения модели и интерпретируйте результаты.
Навыки, которые вы получите:
  • Категория: корреляция и зависимость
  • Категория: Линейная регрессия
  • Категория: Программирование на R

Логистическая регрессия в R для общественного здравоохранения

Курс 3

  • 12 часов
  • 4,8 (357 мер)

Детали курса

Что вы узнаете:
  • Опишите набор данных с нуля, используя описательную статистику и простые графические методы, в качестве первого шага к расширенному анализу с использованием программного обеспечения R.
  • Интерпретируйте результаты вашего анализа и оцените роль удачи и предвзятости как потенциальных объяснений.
  • Запустите многомерный логистический регрессионный анализ в R и интерпретируйте результаты.
  • Оцените предположения модели для многомерной логистической регрессии в R.
Навыки, которые вы получите:
  • Категория: логистическая регрессия
  • Категория: Программирование на R

Анализ выживаемости в R для общественного здравоохранения

Курс 4

  • 11 часов
  • 4,5 (312 мер)

Детали курса

Что вы узнаете:
  • Запустите графики Каплана-Мейера и регрессию Кокса в R и интерпретируйте результаты.
  • Опишите набор данных с нуля, используя описательную статистику и простые графические методы, чтобы подготовиться к более сложному анализу.
  • Опишите и сравните некоторые распространенные методы выбора модели многомерной регрессии.
Навыки, которые вы получите:
  • Категория: Понимание распространенных способов выбора предикторов в регрессионной модели
  • Категория: Запуск и интерпретация кривых Каплана-Мейера в R
  • Категория: Построение регрессионной модели Кокса в R