به دوره آموزشی Python for Biostatistics: Analysing Infectious Diseases Data خوش آمدید. این یک دوره جامع پروژه محور است که در آن گام به گام نحوه انجام تجزیه و تحلیل پیچیده و تجسم مجموعه داده های بیماری های عفونی را یاد خواهید گرفت. این دوره ترکیبی عالی بین آمار زیستی و پایتون است و شما را با ابزارها و تکنیک هایی برای مقابله با چالش های دنیای واقعی در سلامت عمومی مجهز می کند. این دوره عمدتاً بر روی سه جنبه اصلی متمرکز خواهد بود، اولی تجزیه و تحلیل داده ها است که در آن داده های بیماری های عفونی را از منظرهای مختلف بررسی می کنید، دومی پیش بینی سری های زمانی است که در آن گام به گام در مورد چگونگی پیش بینی شیوع راهنمایی خواهید شد. بیماری های عفونی با استفاده از مدل STL، و سومین خط مشی بهداشت عمومی است که در آن یاد خواهید گرفت که چگونه یک خط مشی بهداشت عمومی مبتنی بر داده را بر اساس مدل سازی اپیدمیولوژیک ایجاد کنید. در جلسه مقدمه، اصول اولیه آمار زیستی، مانند آشنایی بیشتر با چالش هایی که معمولاً هنگام تجزیه و تحلیل داده های آمار زیستی و مدل های آماری که استفاده خواهیم کرد، بیشتر آشنا می شوید، به عنوان مثال STL که مخفف تجزیه روند فصلی است. سپس، با یادگیری نحوه محاسبه انتقال بیماری های عفونی با استفاده از معادله Kermack-McKendrick ادامه می دهید، این یک مفهوم بسیار مهم است که قبل از ورود به جلسه کدنویسی باید آن را درک کنید. پس از آن، شما همچنین چندین عامل را یاد خواهید گرفت که به طور بالقوه می توانند گسترش بیماری های عفونی را تسریع کنند، مانند تراکم جمعیت، دسترسی به مراقبت های بهداشتی، و تنوع آنتی ژنی. هنگامی که تمام اطلاعات لازم در مورد آمار زیستی را آموختید، پروژه را شروع خواهیم کرد. ابتدا، گام به گام در مورد نحوه راه اندازی Google Colab IDE راهنمایی خواهید شد. نه تنها این، شما همچنین خواهید آموخت که چگونه مجموعه داده بیماری های عفونی را از Kaggle پیدا و دانلود کنید. پس از آماده شدن همه چیز وارد بخش اصلی دوره می شویم که بخش پروژه است. پروژه از سه بخش اصلی تشکیل شده است، بخش اول انجام تجزیه و تحلیل داده های اکتشافی، بخش دوم ساخت مدل پیش بینی برای پیش بینی است. گسترش بیماری ها در آینده با استفاده از مدل سری زمانی، در همین حال بخش سوم انجام مدل سازی اپیدمیولوژیک و استفاده از نتیجه برای توسعه یک سیاست بهداشت عمومی برای کاهش سرعت گسترش بیماری عفونی است.
اول از همه، قبل از ورود به دوره، باید این سوال را از خود بپرسیم: چرا باید آمار زیستی، به ویژه تجزیه و تحلیل بیماری های عفونی را یاد بگیریم؟ خوب، دلایل زیادی وجود دارد که اولاً، اگر شما علاقه مند به کار در صنعت بهداشت عمومی یا مراقبت های بهداشتی هستید، داشتن دانش آمار زیستی بسیار مفید خواهد بود و به شما در ارتقاء سطح شغلی خود کمک می کند. علاوه بر آن، مجموعه مهارتهای ارزشمندی را نیز یاد خواهید گرفت که میتوانند در پروژههای دیگر پیادهسازی شوند، به عنوان مثال، تجزیه سری زمانی میتواند برای پیشبینی بازارهای سهام، املاک، کالا و ارزهای دیجیتال استفاده شود. آخرین اما نه کم اهمیت، این دوره همچنین به شما آموزش می دهد تا سیاست گذار بهتری برای سلامت عمومی باشید، زیرا به طور گسترده یاد می گیرید که چگونه تصمیمات مبتنی بر داده را بگیرید و سایر عوامل خارجی را در نظر بگیرید.
در زیر مواردی وجود دارد که میتوانید از این دوره یاد بگیرید:
اصول اساسی آمار زیستی و تجزیه و تحلیل بیماری های عفونی را بیاموزید
با نحوه محاسبه میزان انتقال بیماری عفونی با استفاده از مدل SIR آشنا شوید
چند فاکتوری را که گسترش بیماری عفونی را تسریع میکنند، بیاموزید، مانند تراکم جمعیت، ایمنی گله، و تنوع آنتی ژنی
با نحوه یافتن و دانلود مجموعه داده ها از Kaggle آشنا شوید
نحوه تمیز کردن مجموعه داده با حذف ردیفهای از دست رفته و مقادیر تکراری را بیاموزید
با نحوه تشخیص نقاط پرت احتمالی با استفاده از روش امتیاز Z آشنا شوید
با نحوه یافتن ارتباط بین جمعیت و میزان بیماری آشنا شوید
با نحوه تجزیه و تحلیل جمعیت شناسی بیماران آلوده آشنا شوید
با نحوه ترسیم بیماری های عفونی در هر شهرستان با استفاده از نقشه حرارتی آشنا شوید
با نحوه تجزیه و تحلیل روند سالانه بیماری های عفونی آشنا شوید
نحوه انجام تجزیه و تحلیل فاصله اطمینان را بیاموزید
با نحوه پیش بینی میزان بیماری عفونی با استفاده از مدل تجزیه سری زمانی آشنا شوید
با نحوه انجام مدلسازی اپیدمیولوژیک با استفاده از مدل SIR آشنا شوید
با نحوه انجام ارزیابی خط مشی بهداشت عمومی آشنا شوید
مشاور سابق ریسک فناوری و علاقهمند به تجارت الکترونیک
نمایش نظرات