1. SylabUZ
2. Wydział Fizyki i Astronomii
3. semestr zimowy 2020/2021
4. Fizyka medyczna - pierwszego stopnia z tyt. licencjata
5. Analiza danych medycznych w pakiecie R II*

Wygeneruj PDF dla tej strony

Analiza danych medycznych w pakiecie R II* - opis przedmiotu

Cel przedmiotu

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

Wymagania wstępne

Zapisz zmiany

Podstawowy kurs programowania, ukończony kurs programowania w języku R, kurs biostatystyki.

Zakres tematyczny

1. Prezentacja danych 
   1. base graphics
   2. pakiet ggplot2
   3. pakiet plotly
   4. elementy pakietu shiny
2. Analiza medycznych szeregów czasowych 
   1. pakiet timeSeries
   2. graficzna prezentacja szeregów czasowych w pakiecie dygraphs
3. Współpraca z bazami danych
   1. PostgresQL
   2. MongoDB
4. Elementy zastosowań genomicznych i bioinformatycznych
   1. repozytorium Bioconductor
   2. pakiety CADMIM i MaxR
5. Przetwarzanie dużych wolumenów danych przy pomocy RSpark

 

Metody kształcenia

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

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

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

Literatura podstawowa

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

Literatura uzupełniająca

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

Uwagi

Zmodyfikowane przez dr hab. Jarosław Piskorski, prof. UZ (ostatnia modyfikacja: 25-09-2020 14:54)