Biostatistik & dataanalys

Absolut risk (AR) och relativ risk (RR)

Att explorera data

Att Jämföra och Välja Bland Modeller

Att visualisera data

Auto ML (Automated Machine Learning)

Brister i humana prediktioner och beslut

Cox Regression (Proportional Hazards Model)

Data frame (tabeller)

Datum och tider

Datum, tidpunkter och klockslag

Deep Learning (Djupinlärning, Neuronnät)

Deskriptiv statistik

Deskriptiv tabell (Baseline, Table 1)

Dplyr arrange(): sortera rader (observationer)

Dplyr distinct(): Identifiera unika observationer och rader

Dplyr filter(): Filtrera rader (observationer)

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

Dplyr mutate(): Skapa kolumner (variabler)

Dplyr rename(): Namnge kolumer

Dplyr row_number(): Numrering av rader

Dplyr rowwise(): Radvis beräkning

Dplyr select(): Selektera kolumner (variabler)

Dplyr slice(): Selektera rader på positioner

Dplyr summarise(): Summera variabler (kolumner)

Dplyr: Introduktion

Effektiv screening av data frames

Ensemble metoder

Estetisk mappning

Ett första exempel med tidymodels

Evidensbaserad medicin: tolkning av studieresultat

Exportera data frames och matriser

Facets (subgrafer)

Fokusering och avgränsning

Forskning, analys och presentation med R och Rstudio

Funktioner i R

Färger, färgkoder och färgpaletter

Geoms (geometriska objekt)

Geoms med statistiska beräkningar (transformationer)

Grunderna i ggplot2

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

Hur man kodar i R

Hypotesprövning (hypotestest): Val av statistisk test

Hypotesprövning och p-värden

Importera data

Importera och exportera data

Incidens och prevalens

Inspektion av rådata

Introduktion till artificiell intelligens och machine learning

Introduktion till ggplot2

Introduktion till Machine Learning (Maskininlärning)

Introduktion till tidymodels

Inyggda datamängder

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

Kaplan-Meier Metoden

Kausal inferens (Kausalitet, Causality)

Konfidensintervall

Koordinatsystemet

Korrelation

Learning (Inlärning)

Learning: Supervised och Unsupervised Learning

Linjär Regression (Regressionsanalys)

Logistisk regression

Missing Data och Multipel Imputation

Multipel regression

Mått på prediktiv förmåga (Evaluation metrics)

Objekt (R Objects)

Observationer med Stark Inverkan på Modellen

Optimera en modell med ett recept med ett workflow

Organisering och layout av figurer med multipla paneler

Osäkerhet (Uncertainty)

Paket (R Package)

Parametriska och Icke-Parametriska Modeller

Poissonregression

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

Regression och korrelation

Sammanfattande Principer för Prediktionsmodellering

Sannolikhet och fördelningar

Scales, axlar, legends (guides)

Screening av kolumner

Skapa egna funktioner i R

Spara grafer till hårddisk

Spara och ladda objekt

Statistisk signifikans, nollhypotes och multipel testning

Strategier för att Skapa Prediktionsmodeller

Strängar och Regular Expressions (Regex)

Tabellering

Tema (themes)

Terminologi inom AI och ML

Tidy data

Vad är AI och ML?

Vanliga statistiska test

Varför AI och ML nu?

Variabelselektion (Feature Selection)

Överblicka modeller och hyperparametrar

Överlevnadsanalys (Survival Analysis)

Överlevnadsanalys: Kaplan-Meier till Cox regression