Kursbeskrivning

Kursen inleds med linjär regression som är den naturliga fortsättningen på korrelationer, alltså sambandet mellan två numeriska variabler. Du får kunskap om hur du bygger modeller med en eller flera förklarande variabler och även hur du på ett metodiskt sätt kan analysera data för att hitta komplexa samband mellan dessa.

Logistisk regression används då utfallet är binärt (alltså då endast ett av två möjliga utfall kan inträffa). Kursen ger dig kunskap om hur man på ett metodiskt sätt kan hitta och analysera olika påverkansvariabler som kan påverka utfallet. På kursen kommer även ROC att behandlas då den är användbar, som en egen metod eller tillsammans med logistisk regression.

Kursbeskrivning

Vi kommer att titta närmare på hur dessa modeller fungerar och hur R kan användas för att bygga, visualisera och tolka sådana modeller. Vi kommer att använda moderna tekniker som bootstrap och permutationstester för att få konfidensintervall och p-värden utan att behöva anta en normalfördelning för dina data.

Vi kommer att täcka icke-linjära regressionsmodeller som logistisk regression och Poisson regression, där responsvariabeln kan vara binär (ja/nej), räknebaserad eller representera prevalens. Mixade modeller används för att analysera data med upprepade mätningar på samma individer. Vi kommer också att lära oss om metoder för att hantera saknade data.

Kursbeskrivning

Under första dagen lär du dig att behärska programmets grundläggande funktioner så att ditt arbete kommer flyta på obehindrat. Detta omfattar hur man strukturerar en ”databas” från grunden i SPSS och hur man importerar data. Vi behandlar även mer avancerade funktioner som hur man skapar nya variabler, kodar om redan existerande, inkluderar eller exkluderar observationer.

Dag två behandlas beskrivande statistik som går ut på att beskriva och sammanfatta data. Beskrivande statistik synliggörs bäst med olika typer av tabeller och grafer där exempelvis lägesmått som (medelvärde och median) samt spridningsmått som (standardavvikelse eller kvartiler). På kursen kommer du att få bekanta dig med de vanligaste tabellerna och graferna som frekvenstabeller, histogram, stapeldiagram samt scatterplot.

Kursbeskrivning

De två vanligaste metoderna inom överlevnadsanalys är Kaplan-Meier och Cox regression, vilka båda kommer behandlas under kursen. Du lär dig använda Cox regression på ett metodiskt sätt för att analysera olika påverkansvariabler samt hur man kan hitta och förstå mer komplexa samband i dataset.

Vi arbetar vidare med multivariata metoder som brukar ibland kallas för hypotesgenererande metoder istället för hypoteslösande som regression och ANOVA är. Denna kurs kommer beröra de olika metoderna inom klusteranalys och faktoranalys.

Kursbeskrivning

Maskininlärningsmodeller används för att göra förutsägelser, till exempel för att diagnostisera sjukdomar eller förutsäga framtida aktiekurser. I den här kursen lär vi oss att träna olika typer av maskininlärningsmodeller, inklusive random forest och lasso-regression, samt hur vi utvärderar modellernas prediktiva prestanda. Dessutom går vi igenom hur man hanterar vanliga utmaningar i maskininlärningsprojekt, såsom saknade data och obalanserade data.

Moderna AI-system använder maskininlärningsmodeller som kallas djupa neurala nätverk. Under kursens andra dag lär vi oss hur dessa fungerar och bygger modeller för att analysera text och bilder. Vi går också igenom vanliga fallgropar och begränsningar hos dagens AI.