SylabUZ

Generate PDF for this page

Analiza danych medycznych w pakiecie R I* - course description

General information
Course name Analiza danych medycznych w pakiecie R I*
Course ID 12.8-WF-FMP-ADMPR-S17
Faculty Faculty of Physics and Astronomy
Field of study Medical physics
Education profile academic
Level of studies First-cycle studies leading to Bachelor's degree
Beginning semester winter term 2022/2023
Course information
Semester 3
ECTS credits to win 4
Course type optional
Teaching language polish
Author of syllabus
  • dr hab. Jarosław Piskorski, prof. UZ
Classes forms
The class form Hours per semester (full-time) Hours per week (full-time) Hours per semester (part-time) Hours per week (part-time) Form of assignment
Lecture 30 2 - - Exam
Laboratory 30 2 - - Credit with grade

Aim of the course

Celem przedmiotu jest zapoznanie studenta z nowoczesnymi metodami analizy danych medycznych w specjalistycznym języku programowania R. 

Prerequisites

Podstawowy kurs programowania, kurs biostatystyki.

Scope

  1. Podstawy składni języka R
  2. Programowanie interaktywne, R jako kalkulator statystyczny
  3. Programowanie proceduralne w języku R
  4. Składnia modelu statystycznego
  5. Diagnostyka modelu statystycznego, predykcja
  6. Programowanie funkcyjne i obiektowe

Teaching methods

Wykład:

Wykład konwencjonalny, problemowy, pokaz, dyskusja, warsztaty (testowanie aktualnie omawianych fragmentów kodu), burza mózgów.

Laboratoria:

Ćwiczenia laboratoryjne, projekty, praca w grupie, programowanie w parach, burza mózgów, prezentacja, praca z dokumentacją, samodzielne pozyskiwanie wiedzy

Learning outcomes and methods of theirs verification

Outcome description Outcome symbols Methods of verification The class form

Assignment conditions

Wykład:

Egzamin praktyczny polegający na rozwiązaniu postawionego problemu (wylosowanego z listy problemów). Ocenie końcowej podlega analiza problemu, przedstawienie algorytmów rozwiązania problemu, kod źródłowy oraz ocena i weryfikacja uzyskanych wyników.

Laboratorium:

Ocena końcowa z laboratorium składa się w 30% z średniej ocen uzyskanych w trakcie laboratoriów i w 70% z oceny końcowej projektu.

Przed przystąpieniem do egzaminu student musi uzyskać zaliczenie z ćwiczeń laboratoryjnych.

Ocena końcowa: średnia arytmetyczna ocen z egzaminu i ćwiczeń laboratoryjnych

Recommended reading

Analiza danych z programem R(Miękka), P. Biecek, PWN, Warszawa, 2, 2020

Przewodnik po pakiecie R, P. Biecek, https://cran.r-project.org/doc/contrib/Biecek-R-basics.pdf

 

R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, H Wickham, G Grolemund, O'REILLY, 2016

Further reading

Advanced R, Hadley Wickham, CRC Press

Notes


Modified by dr Marcin Kośmider (last modification: 04-04-2022 19:56)