Analyse d’un essai clinique
Analyser un jeu de données d’essai public avec un modèle de régression logistique.
Tous les parcoursDécouvrir Coursera PlusAprès l’étape 3 Après l’étape 4 Après l’étape 5
Biologie, santé · 30Intermédiaire
Biostatisticien
Statisticien de la recherche clinique ou de la génomique.
Bases de biologie, statistique en Python, modèles linéaires et GLM, analyse bayésienne appliquée et statistique génomique.
324heures de cours
33semaines à 10 h
5étapes
19cours
4universités
Compétences visées
Statistical ModelingStatistical AnalysisStatisticsRegression AnalysisData AnalysisModel EvaluationPredictive ModelingStatistical Hypothesis TestingStatistical InferencePython ProgrammingData ScienceMolecular Biology
Intitulés de compétences repris de Coursera.
Métiers visés
- Biostatisticien
- Data manager en essais cliniques
- Statisticien en génomique
Progression
- 1University of Colorado BoulderDébutant
Voir les 4 cours
Cours Niveau Durée Note (avis) Biology Everywhere Foundations Débutant 5 h 4,5 (249) The Little Stuff: Energy, Cells, and Genetics Débutant 6 h 4,7 (127) The Big Stuff: Evolution and Ecology Débutant 4 h 4,6 (48) Specialty Topics: Biology Across Disciplines Débutant 7 h 4,4 (43) - 2University of MichiganDébutantPython, Jupyter, Matplotlib, NumPy, pandas, Seaborn, Statsmodels
Prérequis annoncés : High school algebra; basic Python recommended
Voir les 3 cours
Cours Niveau Durée Note (avis) Understanding and Visualizing Data with Python Débutant 20 h 4,7 (2 741) Inferential Statistical Analysis with Python Intermédiaire 22 h 4,6 (938) Fitting Statistical Models to Data with Python Intermédiaire 15 h 4,4 (718) - 3University of Colorado BoulderIntermédiaireR, Jupyter Notebookscrédits universitaires
Prérequis annoncés : Calculus, basic linear algebra and probability theory
Voir les 3 cours
Cours Niveau Durée Note (avis) Modern Regression Analysis in R Intermédiaire 45 h 4,3 (40) ANOVA and Experimental Design Intermédiaire 40 h 4,0 (23) Generalized Linear Models and Nonparametric Regression Intermédiaire 42 h 4,2 (26) - 4University of PittsburghIntermédiairePython, PyMC3
Voir les 3 cours
Cours Niveau Durée Note (avis) Bayesian Inference Fundamentals Intermédiaire 20 h — Bayesian Regression and Model Selection Intermédiaire 20 h — Advanced Bayesian Methods and Applications Intermédiaire 22 h — - 5Johns Hopkins UniversityIntermédiairePython, R, Bioconductor, Unix
Prérequis annoncés : Some statistics, computer science and biology background (helpful, not required)
Voir les 6 cours
Cours Niveau Durée Note (avis) Introduction to Genomic Technologies — 6 h 4,6 (4 901) Python for Genomic Data Science — 8 h 4,3 (1 830) Algorithms for DNA Sequencing Débutant 12 h 4,7 (938) Command Line Tools for Genomic Data Science — 12 h 4,0 (578) Bioconductor for Genomic Data Science — 9 h 3,8 (388) Statistics for Genomic Data Science — 9 h 4,2 (383)
Avec Coursera Plus
Ce parcours représente 324 heures, soit environ 8 mois à 10 heures par semaine. L’abonnement Coursera Plus donne accès à la plupart de ses cours pendant cette période.
Projets à réaliser
Méta-analyse bayésienne
Combiner plusieurs études publiées avec un modèle bayésien hiérarchique.
Statistique génomique
Tester des milliers de gènes en contrôlant le taux de fausses découvertes.
Manuels gratuits
OpenIntro StatisticsD. Diez, M. Çetinkaya-Rundel, C. BarrPDF gratuit
Bayesian Data Analysis, 3rd ed.A. Gelman et al.PDF gratuit, usage non commercial
Computational Genomics with RAltuna AkalinGratuit en ligne, CC BY-NC-SA 4.0
Biology 2eOpenStaxGratuit, CC BY 4.0