برنامه‌نویسی R و RStudio برای تحلیل داده اپیدمیولوژیک

آنچه یاد خواهید گرفت:

• مبانی RStudio را درک کنید و یک محیط آماده برای پژوهش راه‌اندازی کنید.
• داده سلامت عمومی را برای تحلیل ایمپورت، پاک‌سازی و آماده‌سازی کنید.
• دانشجویان یاد می‌گیرند چگونه داده پژوهش سلامت را در RStudio ایمپورت، پاک‌سازی و سازمان‌دهی کنند.
• دانشجویان تجربه عملی در تبدیل متغیرها، برچسب‌گذاری داده و مدیریت مجموعه‌داده‌ها از منابع مختلف بدست خواهند آورد.

پیش‌نیازهای دوره

• هیچ تجربه قبلی با R یا RStudio لازم نیست، مبتدیان هم می‌توانند شرکت کنند.
• آشنایی اولیه با آمار (میانگین، همبستگی، مقدار p) مفید خواهد بود.
• یک کامپیوتر با دسترسی به اینترنت برای نصب R و RStudio

توضیحات دوره

آیا آماده‌اید با یکی از قدرتمندترین ابزارهای دنیای تحلیل داده، RStudio، داده پژوهش سلامت را با اطمینان مدیریت کنید؟

این دوره جامع، RStudio برای پژوهش سلامت - توضیح ساده مدیریت داده، به‌گونه‌ای طراحی شده است که شما را به صورت گام‌به‌گام با مهارت‌های ضروری برای کار با داده پژوهش سلامت، پاک‌سازی آن‌ها و سازمان‌دهی‌شان آشنا کند. چه دانشجو باشید، چه پژوهشگر یا متخصص، این دوره به شما اعتمادبه‌نفس لازم را می‌دهد تا با مجموعه‌داده‌های واقعی کار کنید و آن‌ها را برای تحلیل معنادار آماده سازید.

بسیاری از دانشجویان با مجموعه‌داده‌های نامرتب، مقادیر گمشده یا دشواری در حفظ ساختار داده برای پروژه‌های پژوهشی مشکل دارند. این دوره برای حل همین چالش‌ها ساخته شده است. از طریق جلسات کدنویسی عملی، نمایش‌های کاربردی و نمونه‌های واقعی از داده سلامت، شما نه‌تنها یاد می‌گیرید چگونه داده را مدیریت کنید، بلکه می‌فهمید چرا هر مرحله در گردش کار پژوهش اهمیت دارد.

آنچه یاد خواهید گرفت:

تا پایان این دوره، مهارت‌های عملی و آماده برای کار را در زمینه‌های زیر بدست خواهید آورد:

ایمپورت و مدیریت داده

• خواندن داده از اکسل، CSV ،Stata و SPSS در R
• سازمان‌دهی، فیلتر و پاک‌سازی مجموعه‌داده‌ها برای تحلیل کارآمد
• حفظ یا دراپ متغیرها بر اساس نیاز پروژه

تبدیل داده و برچسب‌گذاری

• استفاده از تابع ()mutate برای ساخت متغیرهای جدید و بازکدگذاری متغیرهای موجود
• تعریف برچسب برای متغیرها به‌منظور خواناتر شدن مجموعه‌داده
• اختصاص برچسب مقدار برای متغیرهای دسته‌ای، تا تفسیر نتایج آسان‌تر شود

ابزارهای ضروری برنامه‌نویسی R

• تسلط به عملگر pipe (%>%) برای نوشتن کد تمیزتر و کارآمدتر
• تغییر نام متغیرها برای شفافیت بیشتر
• ادغام و append مجموعه‌داده‌ها از منابع مختلف در یک فایل ساختاریافته

آماده‌سازی اولیه آماری

• تولید آمار توصیفی برای خلاصه‌سازی و بررسی کیفیت داده
• بررسی توزیع‌ها و شناسایی خطاها یا ناسازگاری‌ها پیش از تحلیل

مهارت‌های پژوهش و انتشار

• ایجاد جدول‌های باکیفیت و آماده انتشار برای مقاله‌ها
• ارائه مجموعه‌داده‌ها و خلاصه‌های منظم و مناسب برای گزارش‌های دانشگاهی یا صنعتی

این دوره بر مدیریت داده به‌عنوان پایه پژوهش سلامت تمرکز دارد. با تسلط به این مهارت‌ها، برای ورود با اطمینان به تحلیل‌های آماری عمیق‌تر و مدل‌سازی آماده خواهید شد.

این دوره برای چه کسانی مناسب است؟

• دانشجویان و پژوهشگران سلامت عمومی که می‌خواهند تحلیل رگرسیون را در مطالعات خود به کار بگیرند.
• مبتدیان علم داده که به کاربردهای واقعی پژوهش سلامت علاقه‌مند هستند.
• هر کسی که کنجکاو است از RStudio و آمار برای پروژه‌های پژوهشی استفاده کند.