Curso Universitario en Lenguaje de Programación R en Oncología Genómica

Información

Universidad CEU Cardenal Herrera. Formación online

Online

Curso

Objetivo general Ser z de interpretar con precisión el volumen de información clínica disponible actualmente y asociado a los datos biológicos que se generan tras un análisis bioinformático. Objetivos específicos de aprendizaje por cada módulo Iniciarse en el lenguaje de programación R, que tiene las ventajas de ser un lenguaje de programación de código abierto, dispone múltiples paquetes de análisis estadístico, una comunidad que se esfuerza por desarrollar los disos aspectos de esta herramienta y proporciona un lenguaje efectivo para administrar y manipular datos. Aprender conceptos básicos de programación de R como tipos de datos, aritmética de vectores e indexación. Realizar operaciones en R, incluida la clasificación, creación o importación de datos. Aprender como la resolución de un problema comienza con una descomposición modular y luego nuevas descomposiciones de cada módulo en un proceso denominado refinamiento sucesivo. A quién va dirigido El Curso Unisitario en Lenguaje de programación R en Oncología Genómica está orientado a facilitar la actuación del médico dedicado al tratamiento de la patología oncológica en la que es preciso interpretar con precisión el volumen ingente de información clínica disponible actualmente y asociarlo a los datos biológicos que se generan tras un análisis bioinformático. Requisitos Solo para médicos especialistas. Temario completo de este curso Módulo 1. Análisis de datos en proyectos de big data: lenguaje de programación R 1.1. Introducción al lenguaje de programación R. 1.1.1. ¿Qué es R? 1.1.2. Instalación de R y el interfaz gráfico de R. 1.1.3. Paquetes. 1.1.3.1. Paquetes estándar. 1.1.3.2. Paquetes aportados y CRAN. 1.2. Características básicas de R. 1.2.1. El entorno R. 1.2.2. Software y documentación relacionados. 1.2.3. R y estadísticas. 1.2.4. R y el sistema de ventanas. 1.2.5. Usando R interactivamente. 1.2.6. Una sesión introductoria. 1.2.7. Obtención de ayuda con funciones y características. 1.2.8. Comandos R, sensibilidad a mayúsculas, etc. 1.2.9. Recuperación y corrección de comandos anteriores. 1.2.10. Ejecutar comandos o desviar la salida a un archivo. 1.2.11. Permanencia de datos y eliminación de objetos. 1.3. Tipos de objetos de R. 1.3.1. Manipulaciones simples; números y vectores. 1.3.1.1. Vectores y asignación. 1.3.1.2. Aritmética de vectores. 1.3.1.3. Generando secuencias regulares. 1.3.1.4. Vectores lógicos. 1.3.1.5. Valores Perdidos. 1.3.1.6. Vectores de caracteres. 1.3.1.7. Vectores de índice. 1.3.1.7.1. Selección y modificación de subconjuntos de un conjunto de datos. 1.3.1.8. Otros tipos de objetos. 1.3.2. Objetos, sus modos y atributos. 1.3.2.1. Atributos intrínsecos: modo y longitud. 1.3.2.2. Cambiar la longitud de un objeto. 1.3.2.3. Obtención y configuración de atributos. 1.3.2.4. La clase de un objeto. 1.3.3. Factores ordenados y desordenados. 1.3.3.1. Un ejemplo específico 1.3.3.2. La función tapply () y matrices desiguales. 1.3.3.3. Factores ordenados. 1.3.4. Matrices. 1.3.4.1. Matrices. 1.3.4.2. Indización de matrices. Subsecciones de una matriz. 1.3.4.3. Matrices de índice. 1.3.4.4. La función array (). 1.3.4.5. Aritmética mixta de vectores y matrices. La regla de reciclaje. 1.3.4.6. El producto exterior de dos matrices. 1.3.4.7. Transposición generalizada de una matriz. 1.3.4.8. Multiplicación de matrices. 1.3.4.9. Valores propios y vectores propios. 1.3.4.10. Descomposición de valores singulares y determinantes. 1.3.4.11. Formando matrices particionadas, cbind () y rbind (). 1.3.4.12. La función de concatenación, c (), con matrices. 1.3.5. Tablas de frecuencia de factores. 1.3.6. Listas. 1.3.6.1. Construyendo y modificando listas. 1.3.6.2. Listas de concatenación. 1.3.7. Dataframes. 1.3.7.1. ¿Cómo crear dataframes? 1.3.7.2. Adjuntar () y separar (). 1.3.7.3. Trabajando con dataframes. 1.4. Lectura y escritura de datos. 1.4.1. La función read.table (). 1.4.2. La función scan (). 1.4.3. Acceso a los conjuntos de datos incorporados. 1.4.4. Cargando datos de otros paquetes R. 1.4.5. Edición de datos. 1.5. Agrupación, bucles y ejecución condicional. 1.5.1. Expresiones agrupadas. 1.5.2. Declaraciones de control. 1.5.2.1. Ejecución condicional: sentencias if. 1.5.2.2. Ejecución repetitiva: para bucles, repetición y tiempo. 1.6. Escribiendo tus propias funciones. 1.6.1. Ejemplos simples. 1.6.2. Definiendo nuevos operadores binarios. 1.6.3. Argumentos con nombre y valores por defecto. 1.6.4. El argumento “...”. 1.6.5. Asignaciones dentro de funciones. Módulo 2. Análisis estadístico en R 2.1. Distribuciones de probabilidad discretas. 2.2. Distribuciones de probabiidad contínuas. 2.3. Introducción a la inferencia y muestreo (Estimación Puntual). 2.4. Intervalos de confianza. 2.5. Contrastes de hipótesis. 2.6. ANOVA de un factor. 2.7. Bondat de Ajuste (test de chi cuadrado). 2.8. QPaquete fitdist. 2.9. Introducción a estadística multivariante. Módulo 3. Entorno grafico en R 3.1. Procedimientos gráficos. 3.1.1. Comandos de trazado de alto nivel. 3.1.1.1. La función plot (). 3.1.1.2. Visualización de datos multivariados. 3.1.1.3. Gráficos de pantalla. 3.1.1.4. Argumentos a funciones de trazado de alto nivel. 3.1.2. Comandos de trazado de bajo nivel. 3.1.2.1. Anotación matemática. 3.1.2.2. Fuentes vectoriales hershey. 3.1.3. Interactuando con gráficos. 3.1.4. Uso de parámetros gráficos. 3.1.4.1. Cambios permanentes: la función par (). 3.1.4.2. Cambios temporales: Argumentos a funciones gráficas. 3.1.5. Lista de parámetros gráficos. 3.1.5.1. Elementos gráficos. 3.1.5.2. Ejes y marcas. 3.1.5.3. Márgenes de la figura. 3.1.5.4. Entorno de figuras múltiples. más

Otros cursos de esta academia

Curso Universitario en Sistema de Vigilancia, Prevención y Control de la...