Statistiques pour la science des données génomiques

Statistiques pour la science des données génomiques

Ce cours fait partie de Spécialisation "Science des données génomiques"

Instructeur : Jeff Leek, PhD

41 041 déjà inscrits

Inclus avec En savoir plus

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

382 avis

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

382 avis

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

Compétences que vous acquerrez

Catégorie : Modélisation statistique
Catégorie : Prétraitement des données
Catégorie : Biostatistique
Catégorie : Méthodes statistiques
Catégorie : Analyse exploratoire des données
Catégorie : Tests d'hypothèses statistiques
Catégorie : Analyse
Catégorie : Inférence statistique
Catégorie : Analyse statistique
Catégorie : Probabilités et statistiques
Catégorie : Analyse de régression
Catégorie : Bioinformatique
Catégorie : Régression logistique
Catégorie : Pipelines de données
Catégorie : Analyse des données
Catégorie : Statistiques

Outils que vous découvrirez

Catégorie : R Programmation

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

4 devoirs

Enseigné en Anglais

92%

La plupart des étudiants ont apprécié ce cours

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Science des données génomiques"

Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.

Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable

Il y a 4 modules dans ce cours

Une introduction aux statistiques qui sous-tendent les projets de science des données génomiques les plus populaires. Il s'agit du sixième cours de la spécialisation en science des données génomiques (Genomic Big Data Science) de l'Université Johns Hopkins.

Ce cours est structuré de manière à aborder les idées conceptuelles clés de la normalisation, de l'analyse exploratoire, de la modélisation linéaire, des tests et des tests multiples qui reviennent sans cesse dans les études génomiques.

Inclus

21 vidéos3 lectures1 devoir

21 vidéosTotal 129 minutes

Bienvenue sur le site Statistics for Genomic Data Science3 minutes
Qu'est-ce que les statistiques ?3 minutes
Trouver des statistiques fiables (4:44)5 minutes
Obtenir de l'aide (3:44)4 minutes
Qu'est-ce que les données ? (4:28)4 minutes
Représentation des données (5:23)5 minutes
Présentation du module 1 (1:07)1 minute
Recherche reproductible (3:42)4 minutes
Réaliser une recherche reproductible (5:02)5 minutes
R Markdown (6:26)6 minutes
Les trois tables de la génomique (2:10)2 minutes
Les trois tables de la génomique (en R) (3:46)4 minutes
Conception expérimentale : Variabilité, réplication et puissance (14:17)14 minutes
Conception expérimentale : Confusion et randomisation (9:26)9 minutes
Analyse exploratoire (9:21)9 minutes
L'analyse exploratoire en R, première partie (7:22)7 minutes
L'analyse exploratoire en R, deuxième partie (10:07)10 minutes
L'analyse exploratoire en R, partie III (7:26)7 minutes
Transformation des données (7:31)8 minutes
Le regroupement (8:43)9 minutes
Le regroupement en R (9:09)9 minutes

3 lecturesTotal 30 minutes

Syllabus10 minutes
Enquête préalable à la formation10 minutes
Introduction et matériel10 minutes

1 devoirTotal 30 minutes

Quiz du module 130 minutes

Cette semaine, nous aborderons le prétraitement, la modélisation linéaire et les effets de lot.

Inclus

14 vidéos1 devoir

14 vidéosTotal 97 minutes

Présentation du module 2 (1:12)1 minute
Réduction des dimensions (12:13)12 minutes
Réduction des dimensions (en R) (8:48)9 minutes
Prétraitement et normalisation (11:26)11 minutes
Normalisation par quantile (en R) (4:49)5 minutes
Le modèle linéaire (6:50)7 minutes
Modèles linéaires avec covariables catégorielles (4:08)4 minutes
Ajustement des covariables (4:16)4 minutes
Régression linéaire en R (13:03)13 minutes
Plusieurs régressions à la fois (3:50)4 minutes
De nombreuses régressions dans R (7:21)7 minutes
Effets de lot et facteurs de confusion (7:11)7 minutes
Effets par lots dans R : Partie A (8:18)8 minutes
Effets par lots dans R : Partie B (3:50)4 minutes

1 devoirTotal 30 minutes

Quiz du module 230 minutes

Cette semaine, nous aborderons la modélisation des résultats non continus (comme les données binaires ou de comptage), les tests d'hypothèses et les tests d'hypothèses multiples.

Inclus

15 vidéos1 devoir

15 vidéosTotal 86 minutes

Présentation du module 3 (1:07)1 minute
Régression logistique (7:03)7 minutes
Régression pour les nombres (5:02)5 minutes
GLM en R (9:28)9 minutes
Inférence (4:18)4 minutes
Hypothèses nulle et alternative (4:45)5 minutes
Calcul des statistiques (5:11)5 minutes
Comparaison des modèles (7:08)7 minutes
Calcul de statistiques dans R10 minutes
Permutation (3:26)3 minutes
Permutation en R (3:33)4 minutes
Valeurs P (6:04)6 minutes
Tests multiples (8:25)8 minutes
Les valeurs P et les tests multiples dans R : Partie A (5:58)6 minutes
Les valeurs P et les tests multiples dans R : Partie B (4:23)4 minutes

1 devoirTotal 30 minutes

Quiz du module 330 minutes

Au cours de cette semaine, nous allons couvrir une grande partie des pipelines généraux que les gens utilisent pour analyser des types de données spécifiques comme RNA-seq, GWAS, ChIP-Seq, et les études de méthylation de l'ADN.

Inclus

14 vidéos1 lecture1 devoir

14 vidéosTotal 74 minutes

Aperçu du module 4 (1:21)1 minute
Enrichissement des ensembles de gènes (4:19)4 minutes
Plus d'enrichissement (3:59)4 minutes
Analyse des ensembles de gènes en R (7:43)8 minutes
Le processus de l'ARN-seq (3:59)4 minutes
Le processus de Chip-Seq (5:25)5 minutes
Le processus de méthylation de l'ADN (5:03)5 minutes
Le processus de GWAS/WGS (6:12)6 minutes
Combinaison de types de données (eQTL) (6:04)6 minutes
eQTL en R (10:36)11 minutes
Degrés de liberté du chercheur (5:49)6 minutes
Inférence et prédiction (8:52)9 minutes
Savoir quand demander de l'aide (2:31)3 minutes
Statistiques pour la science des données génomiques (1:53)2 minutes

1 lectureTotal 10 minutes

Enquête post-cours10 minutes

1 devoirTotal 30 minutes

Quiz du module 430 minutes

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

Évaluations de l’enseignant

(38 évaluations)

Jeff Leek, PhD

Johns Hopkins University

32 Cours1 769 434 apprenants

Offert par

Johns Hopkins University

En savoir plus sur Probabilités et statistiques

Statut : Essai gratuit
Johns Hopkins University
Genomic Data Science
Spécialisation
Statut : Essai gratuit
Johns Hopkins University
Introduction to Genomic Technologies
Cours
Statut : Essai gratuit
Johns Hopkins University
Bioconductor for Genomic Data Science
Cours
Statut : Essai gratuit
Johns Hopkins University
Command Line Tools for Genomic Data Science
Cours

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

5 stars
54,71 %
4 stars
26,43 %
3 stars
11,51 %
2 stars
2,09 %
1 star
5,23 %

Affichage de 3 sur 382

Révisé le 27 juin 2018

The professor is really enthusiasm, so I was really impreesed by him. And his teaching is brief, and I can learn key points through the lectures. Great course!

Révisé le 25 mars 2020

Pretty good but a little superficial and outdated.

Révisé le 18 févr. 2019

sometimes termininology was used interchangeably, which can be confusing for a beginner but overall a good introduction to statistcs for genomic data analysis

Voir plus d’avis

Débloquez l'accès à plus de 10 000 cours grâce à un abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez les 4 700 entreprises internationales qui ont choisi Coursera for Business.

Foire Aux Questions

Pour accéder aux supports de cours et aux devoirs, et obtenir un certificat, vous devrez acheter l'option « Certificat » lors de votre inscription à un cours. Les apprenants éligibles peuvent également avoir la possibilité de commencer par un essai gratuit. Certains cours peuvent également proposer une option « Cours complet, sans certificat ». Celle-ci vous permet d’accéder aux supports de cours, de rendre les évaluations requises et d’obtenir une note finale, mais vous ne pourrez ni obtenir ni acheter de certificat.

Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.

Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.