کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش پایتون برای آمار زیستی: تجزیه و تحلیل داده های بیماری های عفونی

Python for Biostatistics: Analyzing Infectious Diseases Data

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: پیش‌بینی نرخ بیماری‌های عفونی، ساخت مدل‌سازی اپیدمیولوژیک و ترسیم گسترش بیماری‌های عفونی با نقشه حرارتی اصول اولیه آمار زیستی و تجزیه و تحلیل بیماری‌های عفونی را بیاموزید نحوه پیدا کردن همبستگی بین جمعیت و نرخ بیماری را بیاموزید نحوه تجزیه و تحلیل جمعیت‌شناسی بیماران مبتلا را بیاموزید نحوه ترسیم نقشه عفونی بیماری در هر شهرستان با استفاده از نقشه حرارتی نحوه تجزیه و تحلیل روند سالانه بیماری های عفونی را بیاموزید نحوه انجام تجزیه و تحلیل فاصله اطمینان را بیاموزید نحوه پیش بینی میزان بیماری عفونی با استفاده از تجزیه سری های زمانی را بیاموزید نحوه انجام مدل سازی اپیدمیولوژیک با استفاده از مدل SIR بیاموزید نحوه انجام ارزیابی خط مشی بهداشت عمومی را بیاموزید برای محاسبه نرخ انتقال بیماری عفونی با استفاده از مدل SIR عوامل متعددی را که گسترش بیماری عفونی را تسریع می‌کنند، مانند تراکم جمعیت، ایمنی گله و تنوع آنتی ژنی بیاموزید. و مقادیر تکراری آموزش یافتن و دانلود مجموعه داده ها از Kaggle پیش نیازها: هیچ تجربه قبلی در آمار زیستی لازم نیست دانش پایه در پایتون و آمار

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

سرفصل ها و درس ها

معرفی Introduction

  • مقدمه دوره Introduction to the Course

  • فهرست مطالب Table of Contents

  • این دوره برای چه کسانی در نظر گرفته شده است؟ Whom This Course is Intended for?

ابزارها، IDE و مجموعه داده ها Tools, IDE, and Datasets

  • ابزارها، IDE و مجموعه داده ها Tools, IDE, and Datasets

مقدمه ای بر آمار زیستی Introduction to Biostatistics

  • مقدمه ای بر آمار زیستی Introduction to Biostatistics

محاسبه انتقال بیماری عفونی با مدل SIR Calculating Infectious Disease Transmission with SIR Model

  • محاسبه انتقال بیماری عفونی با مدل SIR Calculating Infectious Disease Transmission with SIR Model

عواملی که گسترش بیماری های عفونی را تسریع می کنند Factors That Accelerate the Spread of Infectious Disease

  • عواملی که گسترش بیماری های عفونی را تسریع می کنند Factors That Accelerate the Spread of Infectious Disease

راه اندازی Google Colab IDE Setting Up Google Colab IDE

  • راه اندازی Google Colab IDE Setting Up Google Colab IDE

یافتن و دانلود مجموعه داده های بیماری های عفونی از Kaggle Finding & Downloading Infectious Disease Dataset From Kaggle

  • یافتن و دانلود مجموعه داده های بیماری های عفونی از Kaggle Finding & Downloading Infectious Disease Dataset From Kaggle

آماده سازی پروژه Project Preparation

  • بارگذاری مجموعه داده‌های بیماری‌های عفونی در Google Colab Uploading Infectious Disease Dataset to Google Colab

  • مروری سریع بر مجموعه داده های بیماری های عفونی Quick Overview of Infectious Disease Dataset

پاکسازی مجموعه داده‌های بیماری‌های عفونی با حذف مقادیر از دست رفته و موارد تکراری Cleaning Infectious Disease Dataset by Removing Missing Values & Duplicates

  • پاکسازی مجموعه داده‌های بیماری‌های عفونی با حذف مقادیر از دست رفته و موارد تکراری Cleaning Infectious Disease Dataset by Removing Missing Values & Duplicates

تشخیص نقاط پرت بالقوه با امتیاز Z Detecting Potential Outliers with Z Score

  • تشخیص نقاط پرت بالقوه با امتیاز Z Detecting Potential Outliers with Z Score

یافتن همبستگی بین جمعیت و میزان بیماری Finding Correlation Between Population & Disease Rate

  • یافتن همبستگی بین جمعیت و میزان بیماری Finding Correlation Between Population & Disease Rate

تجزیه و تحلیل جمعیت شناسی بیماران مبتلا Analyzing Infected Patients Demographics

  • تجزیه و تحلیل جمعیت شناسی بیماران مبتلا Analyzing Infected Patients Demographics

نقشه برداری بیماری های عفونی در هر شهرستان با نقشه حرارتی Mapping Infectious Disease per County with Heatmap

  • نقشه برداری بیماری های عفونی در هر شهرستان با نقشه حرارتی Mapping Infectious Disease per County with Heatmap

تجزیه و تحلیل روند سالانه بیماری های عفونی Analyzing Infectious Disease Yearly Trend

  • تجزیه و تحلیل روند سالانه بیماری های عفونی Analyzing Infectious Disease Yearly Trend

انجام تجزیه و تحلیل فاصله اطمینان Performing Confidence Interval Analysis

  • انجام تجزیه و تحلیل فاصله اطمینان Performing Confidence Interval Analysis

پیش بینی میزان بیماری های عفونی با سری زمانی Forecasting Infectious Disease Rate with Time Series

  • پیش بینی میزان بیماری های عفونی با سری زمانی Forecasting Infectious Disease Rate with Time Series

مدلسازی اپیدمیولوژیک با مدل SIR Epidemiological Modelling with SIR Model

  • مدلسازی اپیدمیولوژیک با مدل SIR Epidemiological Modelling with SIR Model

ارزیابی خط مشی بهداشت عمومی Public Health Policy Evaluation

  • ارزیابی خط مشی بهداشت عمومی Public Health Policy Evaluation

نتیجه گیری و خلاصه Conclusion & Summary

  • نتیجه گیری و خلاصه Conclusion & Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش پایتون برای آمار زیستی: تجزیه و تحلیل داده های بیماری های عفونی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3 hours
22
Udemy (یودمی) udemy-small
01 آبان 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
3,008
4.9 از 5
دارد
دارد
دارد

https://donyad.com/d/24b40e

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

آموزش Ultimate Data Bootcamp در پایتون با 5 پروژه

آموزش Ultimate Data Bootcamp در پایتون با 5 پروژه

Ultimate Data Science Bootcamp in Python with 5 Projects

کارشناسی ارشد علوم داده و یادگیری ماشین با پایتون و انجام 5 پروژه علوم علوم Capstone

آموزش بوت کمپ علم داده و یادگیری ماشین با R

آموزش بوت کمپ علم داده و یادگیری ماشین با R

Data Science and Machine Learning Bootcamp with R

یاد بگیرید که چگونه از زبان برنامه نویسی R برای علم داده و یادگیری ماشین و تجسم داده استفاده کنید!

آموزش Python for Data Analytics - دوره و پروژه های کامل

آموزش Python for Data Analytics - دوره و پروژه های کامل

Python for Data Analytics - Complete Course & Projects

Python را برای تجزیه و تحلیل داده ها یاد بگیرید

آموزش مبانی هوش مصنوعی مسئول/ML

آموزش مبانی هوش مصنوعی مسئول/ML

Fundamentals of Responsible Artificial Intelligence/ML

طراحی و نگهداری مدل‌های AI/ML که به موضوعات داده‌ها کمک می‌کنند، قابل توضیح هستند، مغرضانه نیستند و مطابقت دارند.

Christ Raharja Christ Raharja

مشاور سابق ریسک فناوری و علاقه‌مند به تجارت الکترونیک

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.