Wnioskowanie statystyczne i modelowanie dla danych o wysokiej przepustowości

Eksperymenty o wysokiej przepustowości generują ogromne ilości danych, ale wydobycie znaczących spostrzeżeń biologicznych wymaga solidnych metod statystycznych.Ten kurs tekstowy prowadzi przez podstawowe pojęcia wnioskowania statystycznego, pomagając oddzielić prawdziwe sygnały od szumu w wysokowymiarowych zestawach danych. Ukończenie tego kursu spowoduje przejście od zrozumienia podstawowych terminów statystycznych do pewnego modelowania złożonych danych o wysokiej przepustowości, stosowania kontroli szybkości fałszywych odkryć i interpretowania wyników eksperymentów genomowych. Czego się nauczysz: - Zrozum podstawowe pojęcia statystyczne, w tym testowanie hipotez, wartości p i moc statystyczną. - Analizuj wysokowydajne zestawy danych za pomocą nowoczesnych technik modelowania i strategii normalizacji. - Zastosuj metody kontroli wskaźnika fałszywych odkryć (FDR), aby zarządzać wieloma wyzwaniami testowymi. - Modeluj wielowymiarowe dane za pomocą modeli liniowych i empirycznych podejść Bayesa. - Oceń jakość danych i zidentyfikuj efekty wsadowe w eksperymentach biologicznych na dużą skalę. - Ćwicz interpretację wyników statystycznych z przepływów pracy genomicznych i wysokiej przepustowości. Program nauczania zaczyna się od podstawowej terminologii i podstaw statystycznych, a następnie przechodzi do praktycznych scenariuszy modelowania i nowoczesnych technik korekcji błędów.Będziesz czytać jasne wyjaśnienia i pracować przez ćwiczenia koncepcyjne mające na celu zbudowanie zaufania analitycznego. Ten kurs jest przeznaczony dla początkujących, badaczy i analityków danych, którzy chcą zrozumieć matematykę i logikę analizy danych o wysokiej przepustowości, bez wcześniejszego zaawansowanego tła statystycznego.Zacznij czytać już dziś, aby opanować podstawy statystyczne nowoczesnej nauki o wysokich przepustosciach.