Analys och forskning med R och Rstudio

Bok innehåll

Expandera alla

Analys och forskning med R och Posit (Rstudio)

Grunderna i R och Rstudio 7 Ämnen

Expand

Innehåll

0% färdig 0/7 Steps

Forskning, analys och presentation med R och Rstudio

Hur man kodar i R

Paket (R Package)

Objekt (R Objects)

Skapa egna funktioner i R

Datum och tider

Importera, exportera, spara och ladda data 5 Ämnen

Expand

Innehåll

0% färdig 0/5 Steps

Importera och exportera data

Inyggda datamängder

Exportera data frames och matriser

Spara och ladda objekt

Strängar och regular expressions (regex) 1 Ämne

Expand

Innehåll

0% färdig 0/1 Steps

Strängar och Regular Expressions (Regex)

Bearbetning av data med dplyr 12 Ämnen

Expand

Innehåll

0% färdig 0/12 Steps

Dplyr: Introduktion

Dplyr filter(): Filtrera rader (observationer)

Dplyr select(): Selektera kolumner (variabler)

Dplyr mutate(): Skapa kolumner (variabler)

Dplyr arrange(): sortera rader (observationer)

Dplyr rename(): Namnge kolumer

Dplyr slice(): Selektera rader på positioner

Dplyr summarise(): Summera variabler (kolumner)

Dplyr ifelse(), if_else(), case_when(): Villkor

Dplyr row_number(): Numrering av rader

Dplyr rowwise(): Radvis beräkning

Dplyr distinct(): Identifiera unika observationer och rader

Visualisera och presentera 14 Ämnen

Expand

Innehåll

0% färdig 0/14 Steps

Att visualisera data

Introduktion till ggplot2

Grunderna i ggplot2

Estetisk mappning

Färger, färgkoder och färgpaletter

Facets (subgrafer)

Geoms (geometriska objekt)

Geoms med statistiska beräkningar (transformationer)

Koordinatsystemet

Scales, axlar, legends (guides)

Fokusering och avgränsning

Organisering och layout av figurer med multipla paneler

Spara grafer till hårddisk

Explorerande och deskriptiva analyser 6 Ämnen

Expand

Innehåll

0% färdig 0/6 Steps

Att explorera data

Inspektion av rådata

Screening av kolumner

Effektiv screening av data frames

Deskriptiv tabell (Baseline, Table 1)

Prediktionsmodeller 12 Ämnen

Expand

Innehåll

0% färdig 0/12 Steps

Learning: Supervised och Unsupervised Learning

Parametriska och Icke-Parametriska Modeller

Osäkerhet (Uncertainty)

Kausal inferens (Kausalitet, Causality)

Strategier för att Skapa Prediktionsmodeller

Hantering av Kontinuerliga variabler, Icke-Linjära samband och Flexibla Funktioner

Variabelselektion (Feature Selection)

Missing Data och Multipel Imputation

Observationer med Stark Inverkan på Modellen

Att Jämföra och Välja Bland Modeller

Mått på prediktiv förmåga (Evaluation metrics)

Sammanfattande Principer för Prediktionsmodellering

Klassisk regressionsanalys 8 Ämnen

Expand

Innehåll

0% färdig 0/8 Steps

Linjär Regression (Regressionsanalys)

Multipel regression

Logistisk regression

Överlevnadsanalys (Survival Analysis)

Kaplan-Meier Metoden

Cox Regression (Proportional Hazards Model)

Poisson regression

Machine learning (ML) och Artificiell Intelligens (AI) 9 Ämnen

Expand

Innehåll

0% färdig 0/9 Steps

Introduktion till artificiell intelligens och machine learning

Vad är AI och ML?

Varför AI och ML nu?

Introduktion till Machine Learning (Maskininlärning)

Terminologi inom AI och ML

Brister i humana prediktioner och beslut

Learning (Inlärning)

Deep Learning (Djupinlärning, Neuronnät)

Ensemble metoder

Skapa prediktionsmodeller med Tidymodels 6 Ämnen

Expand

Innehåll

0% färdig 0/6 Steps

Introduktion till tidymodels

Ett första exempel med tidymodels

Överblicka modeller och hyperparametrar

Auto ML (Automated Machine Learning)

Optimera en modell med ett recept med ett workflow

Jämför flera recept och flera modeller med olika grid search-metoder

Hypotestester och epidemiologiska mått 5 Ämnen

Expand

Innehåll

0% färdig 0/5 Steps

Statistisk signifikans, nollhypotes och multipel testning

Hypotesprövning (hypotestest): Val av statistisk test

Absolut risk (AR) och relativ risk (RR)

Incidens och prevalens

Power, typ 1 fel (α) och typ 2 fel (β)