فلش‌کارت‌های آموزشی استنباط آماری و انتخاب متغیر در داده‌های علوم زیستی (Omics)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنباط آماری و انتخاب متغیر در داده‌های علوم زیستی (Omics)

موضوع کلی: آمار و تحلیل داده‌های زیستی

موضوع میانی: استنباط آماری در داده‌های پیشرفته زیستی

📋 سرفصل‌های دوره

• 1. مبانی آمار در علوم زیستی
• 2. مفاهیم پایه احتمال
• 3. توزیع‌های احتمال گسسته
• 4. توزیع‌های احتمال پیوسته
• 5. آمار توصیفی داده‌های زیستی
• 6. نمودارهای توصیفی در علوم زیستی
• 7. مقدمه‌ای بر استنباط آماری
• 8. برآوردگرهای پارامتر
• 9. فاصله‌های اطمینان
• 10. آزمون فرض آماری
• 11. آزمون‌های تک‌نمونه‌ای
• 12. آزمون‌های دو نمونه‌ای
• 13. تحلیل واریانس یک‌طرفه
• 14. تحلیل واریانس دوطرفه
• 15. مقدمه‌ای بر رگرسیون خطی
• 16. رگرسیون خطی چندگانه
• 17. انتخاب متغیر در مدل‌های رگرسیونی
• 18. روش‌های حذف گام به گام
• 19. روش‌های Forward Selection
• 20. روش‌های Backward Elimination
• 21. مقدمه‌ای بر داده‌های Omics
• 22. انواع داده‌های Omics (ژنومیکس، ترانسکریپتومیکس، پروتئومیکس)
• 23. چالش‌های آماری در داده‌های Omics
• 24. پیش‌پردازش داده‌های Omics
• 25. نرمال‌سازی داده‌های Omics
• 26. شناسایی بیان ژن دیفرانسیلی
• 27. مدل‌های خطی تعمیم‌یافته (GLM) برای داده‌های Omics
• 28. مدل‌های خطی مختلط (LMM) برای داده‌های Omics
• 29. استنباط در مدل‌های GLM
• 30. استنباط در مدل‌های LMM
• 31. انتخاب متغیر در مدل‌های GLM
• 32. انتخاب متغیر در مدل‌های LMM
• 33. روش‌های بیزی برای انتخاب متغیر
• 34. کاربرد روش‌های بیزی در داده‌های Omics
• 35. مدل‌های گرافیکی در داده‌های Omics
• 36. استنباط از شبکه‌های ژنی
• 37. یادگیری ماشین در داده‌های Omics
• 38. طبقه‌بندی در داده‌های Omics
• 39. خوشه‌بندی در داده‌های Omics
• 40. تکنیک‌های کاهش بعد در داده‌های Omics
• 41. تجزیه مقادیر منفرد (SVD)
• 42. تحلیل مولفه‌های اصلی (PCA)
• 43. تجزیه ریشه‌ای (Factor Analysis)
• 44. کاربرد PCA در داده‌های Omics
• 45. کاربرد SVD در داده‌های Omics
• 46. بافت‌شناسی آماری در داده‌های Omics
• 47. تحلیل بقا در داده‌های زیستی
• 48. مدل‌های کاکس برای تحلیل بقا
• 49. انتخاب متغیر در مدل‌های بقا
• 50. استنباط آماری برای داده‌های حجیم زیستی
• 51. کاربرد آمار در تحلیل داده‌های ژنوم
• 52. کاربرد آمار در تحلیل داده‌های ترانسکریپتوم
• 53. کاربرد آمار در تحلیل داده‌های پروتئوم
• 54. کاربرد آمار در تحلیل داده‌های متابولوم
• 55. مقدمه‌ای بر مدل‌های پنهان مارکوف (HMM)
• 56. کاربرد HMM در داده‌های زیستی
• 57. مقدمه‌ای بر شبکه‌های عصبی در علوم زیستی
• 58. کاربرد شبکه‌های عصبی در داده‌های Omics
• 59. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
• 60. کاربرد SVM در طبقه‌بندی داده‌های Omics
• 61. مقدمه‌ای بر درخت‌های تصمیم و جنگل‌های تصادفی
• 62. کاربرد درخت‌های تصمیم در داده‌های Omics
• 63. مقدمه‌ای بر استنتاج در شبکه‌های زیستی
• 64. مدل‌سازی پویا در سیستم‌های زیستی
• 65. کاربرد مدل‌های پویا در داده‌های Omics
• 66. بهینه‌سازی در مدل‌های زیستی
• 67. تکنیک‌های نمونه‌گیری در آمار زیستی
• 68. روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 69. کاربرد MCMC در داده‌های Omics
• 70. ارزیابی مدل‌های آماری در علوم زیستی
• 71. اعتبارسنجی متقابل (Cross-validation)
• 72. تنظیم ابرپارامترها (Hyperparameter tuning)
• 73. مقایسه مدل‌های آماری
• 74. تفسیر نتایج مدل‌های آماری
• 75. کاربرد نرم‌افزارهای آماری (R، Python)
• 76. مقدمه‌ای بر بسته‌های آماری برای Omics
• 77. بسته‌های R برای تحلیل داده‌های Omics
• 78. بسته‌های Python برای تحلیل داده‌های Omics
• 79. مدیریت داده‌های زیستی
• 80. ذخیره‌سازی داده‌های زیستی
• 81. امنیت داده‌های زیستی
• 82. حریم خصوصی داده‌های زیستی
• 83. اخلاق در تحلیل داده‌های زیستی
• 84. مسئولیت‌پذیری در نتایج آماری
• 85. کاربرد آمار در تحقیقات بالینی
• 86. کاربرد آمار در داروسازی
• 87. کاربرد آمار در زیست‌شناسی مولکولی
• 88. کاربرد آمار در ژنتیک جمعیت
• 89. کاربرد آمار در اکولوژی
• 90. کاربرد آمار در اپیدمیولوژی
• 91. مقدمه‌ای بر مدل‌های آماری بیزی در علوم زیستی
• 92. مقایسه رویکردهای فراوانی‌گرا و بیزی
• 93. کاربرد نرم‌افزار Stan در علوم زیستی
• 94. کاربرد نرم‌افزار JAGS در علوم زیستی
• 95. مدل‌سازی پیشرفته در داده‌های Omics
• 96. انتخاب متغیر در مدل‌های بیزی
• 97. استنباط آماری برای داده‌های فضایی زیستی
• 98. کاربرد آمار در بیوانفورماتیک
• 99. مقدمه‌ای بر یادگیری عمیق در علوم زیستی
• 100. کاربرد یادگیری عمیق در داده‌های Omics