Пройдя этот Университетский курс, вы всего за 180 часов углубитесь в программу R и основные понятия биостатистики в исследованиях, связанных со спортом" 

В настоящее время количественные методы, используемые в исследованиях в области спорта, включают в себя прикладную статистику. Этот инструмент в здравоохранении был необходим для тестирования клинических приложений и их разработки для использования на людях в соответствии с заранее установленными параметрами. Отсутствие полноценной программы в области статистики может привести к тому, что некоторые исследователи будут неправильно применять или ограничивать использование простых или недостаточных методов для решения соответствующих проблем. 

TECH разработал данный Университетский курс в области биостатистики в R для выпускников факультетов спортивных наук и других специалистов, работающих в сфере здравоохранения. С его помощью зарегистрированные специалисты будут изучать исследования со статистическими данными, а также статистические методы добычи данных с помощью R и их применение в спортивных исследованиях, среди прочих тем. Кроме того, TECH привлек команду преподавателей с опытом работы в данной области, которые разработали содержание, основываясь на своем профессиональном опыте и достоверных знаниях. Кроме того, это опытная группа с прекрасными человеческими качествами, что делает учебу доступной студентам и гарантирует их обучение.

Данная программа была разработана в 100% онлайн-формате, чтобы специалист мог узнать о тенденциях и новых теориях в области регрессионных методов с помощью R.

Все это благодаря теоретико-практическим и дополнительным материалам, которые можно скачать, чтобы у студентов было справочное пособие даже без доступа в Интернет. TECH предлагает эту возможность, чтобы профессионал мог не только проконсультироваться по своим сомнениям в процессе обучения, но и, оказавшись в реальной ситуации, иметь знания под рукой, загрузив их на свое электронное устройство. TECH также использует самые инновационные методы обучения, чтобы ускорить учебный процесс и обеспечить индивидуальный подход к изучению предмета в соответствии с возможностями каждого студента. 

Вы упустите возможность обновить знания и изучить методы регрессии, применяемые в исследованиях в области спорта? TECH предлагает вам все необходимые знания в быстром и легком режиме" 

Данный Университетский курс в области биостатистики в R содержит самую полную и современную образовательную программу на рынке. Основными особенностями обучения являются: 

• Разбор практических кейсов, представленных экспертами в области медицинских исследований 
• Наглядное, схематичное и исключительно практическое содержание курса предоставляет научную и практическую информацию по тем дисциплинам, которые необходимы для осуществления профессиональной деятельности 
• Практические упражнения для самооценки, контроля и улучшения успеваемости 
• Особое внимание уделяется инновационным методологиям
• Теоретические занятия, вопросы эксперту, дискуссионные форумы по спорным темам и самостоятельная работа 
• Учебные материалы курса доступны с любого стационарного или мобильного устройства с выходом в интернет 

Благодаря TECH вы откроете для себя альтернативу традиционным учебным программам. С этой программой вам не придется отказываться от повседневной деятельности благодаря ее 100% онлайн-формату"

В преподавательский состав программы входят профессионалы отрасли, признанные специалисты из ведущих сообществ и престижных университетов, которые привносят в обучение опыт своей работы.

Мультимедийное содержание программы, разработанное с использованием новейших образовательных технологий, позволит специалисту проходить обучение с учетом контекста и ситуации, т.е. в симулированной среде, обеспечивающей иммерсивный учебный процесс, запрограммированный на обучение в реальных ситуациях.

Структура этой программы основана на проблемно-ориентированном обучении, с помощью которого специалист должен попытаться разрешать различные ситуации из профессиональной практики, возникающие в течение учебного курса. В этом студенту поможет инновационная интерактивная видеосистема, созданная признанными экспертами.  

Изучение многомерного анализа и новых научных методов, связанных со статистикой, поможет вам продвигаться как в своей, так и в совместной исследовательской работе"

Оптимальная программа для того, чтобы отточить свои профессиональные навыки и присоединиться к группе экспертов, находящихся на передовой спортивных исследований"

TECH снабдил свои программы динамичными материалами, чтобы специалист мог совершенствовать свои навыки наиболее универсальным и простым способом. Кроме того, содержание данного Университетского курса было тщательно разработано преподавателями, которые одобрили учебный план и его конечную цель - обучить выпускников факультета спортивных наук и других специалистов, интересующихся биостатистикой в R. Также была применена методика Relearning, чтобы студенты не тратили много времени на запоминание и могли легко усвоить содержание. Практическая программа, ориентированная на исследовательские сценарии, в которых они будут работать или уже работают, чтобы проявить себя как высококвалифицированные специалисты. 

С TECH вы получите максимальную отдачу от программы, поскольку современные учебные пособия и цифровой формат позволяют вам выбирать, когда и где учиться" 

Модуль 1. Статистика и R в медицинских исследованиях

1.1. Биостатистика 

1.1.1. Введение в научный метод 
1.1.2. Население и выборка. Выборочные показатели централизации 
1.1.3. Дискретные распределения и непрерывные распределения 
1.1.4. Общие сведения о статистических выводах. Вывод о среднем значении нормальной группы населения. Вывод о среднем значении общей группы населения 
1.1.5. Введение в непараметрический анализ 

1.2 Введение в R 

1.2.1. Основные характеристики программы 
1.2.2. Основные типы объектов 
1.2.3. Простые примеры моделирования и статистического вывода 
1.2.4. Графики 
1.2.5. Введение в программирование на языке R 

1.3 Регрессионные методы с использованием R

1.3.1.    Регрессионные модели 
1.3.2. Выбор переменных 
1.3.3. Диагностика модели 
1.3.4. Обработка нетипичных данных 
1.3.5. Регрессионный анализ 

1.4 Многомерный анализ с использованием R 

1.4.1. Описание многомерных данных 
1.4.2. Многомерные распределения 
1.4.3. Уменьшение размеров 
1.4.4. Неконтролируемая классификация: кластерный анализ 
1.4.5. Контролируемая классификация: дискриминантный анализ 

1.5. Регрессионные методы исследования с использованием R 

1.5.1. Обобщенные линейные модели (GLM): пуассоновская и отрицательная биномиальная регрессия 
1.5.2. Обобщенные линейные модели (GLM): логистическая и биномиальная регрессии 
1.5.3. Пуассоновская и отрицательная биномиальная регрессия с нулевым раздутием 
1.5.4. Локальные корректировки и обобщенные аддитивные модели (GAM) 
1.5.5. Обобщенные смешанные модели (GLMM) и обобщенные аддитивные смешанные модели (GAMM) 

1.6 Применение статистики в биомедицинских исследованиях с помощью R I 

1.6.1. Основные понятия R. Переменные и объекты R. Работа с данными. Файлы. Графики 
1.6.2. Описательная статистика и функции вероятности 
1.6.3. Программирование и функции в R 
1.6.4. Анализ таблицы случайных связей 
1.6.5. Основные выводы с непрерывными переменными 

1.7. Статистика, применяемая в биомедицинских исследованиях с использованием R II 

1.7.1. Дисперсионный анализ 
1.7.2. Корреляционный анализ 
1.7.3. Простая линейная регрессия 
1.7.4.  Множественная линейная регрессия 
1.7.5. Логистическая регрессия 

1.8 Статистика, применяемая в биомедицинских исследованиях с использованием R III 

1.8.1. Спутывающие переменные и взаимодействие 
1.8.2. Построение модели логистической регрессии 
1.8.3. Анализ выживаемости 
1.8.4. Регрессия Кокса 
1.8.5. Прогнозные модели. Анализ ROC-кривых 

1.9. Статистические методы добычи данных с использованием R I 

1.9.1. Введение. Добыча данных. Контролируемое и неконтролируемое обучение. Прогнозные модели. Классификация и регрессия 
1.9.2. Описательный анализ. Предварительная обработка данных 
1.9.3. Анализ главных компонентов (PCA) 
1.9.4. Анализ главных компонентов (PCA) 
1.9.5. Кластерный анализ. Иерархические методы. Метод k-средних 

1.10. Статистические методы добычи данных с использованием R II 

1.10.1. Меры по оценке моделей. Меры прогностической способности. ROC-кривая 
1.10.2. Методы оценки моделей. Перекрестная валидация. Образцы Bootstrap 
1.10.3. Методы на основе деревьев (CART) 
1.10.4. Метод опорных векторов (SVM) 
1.10.5. Метод случайного леса (RF) и нейронные сети (NN)

"Воспользуйтесь возможностью узнать о последних достижениях в этой области и применить их в своей повседневной практике"