Hôm nay là ngày cuối cùng đăng kí lớp học phân tích dữ liệu ở ĐH Tôn Đức Thắng. Bạn nào muốn tham gia phải ghi danh ngày hôm nay. Ban tổ chức không nhận ghi danh sau ngày này. Không có biện minh, không có giải thích, không có nhân nhượng, không có trường hợp đặc biệt. Có lẽ một vài bạn nghĩ rằng lớp học ít học viên nên ra thông báo chiêu sinh. Không đúng. Ban tổ chức cho biết số học viên ghi danh đã vượt qua con số dự kiến mấy chục người rồi, nhưng vì đã hứa thông báo 3 lần nên phải nói thêm một lần sau cùng.
Vấn đề là tổ chức và logistic. Kinh nghiệm các lớp trước khi lớp học bắt đầu nhiều người vào mà không ghi danh làm cho ban tổ chức lúng túng sắp xếp chỗ ngồi và in tài liệu giảng dạy. Cả 1200 slides mà in ra nhiều quá thì phí tiền, in ít thì sợ không đủ và mang “tội” với học viên. Chính vì thế mà chúng tôi cần phải nắm chắc con số học viên. Bạn nào có ý định theo học xin liên lạc Phòng Khoa học công nghệ, hợp tác và sau đại học (ThS. Nguyễn Thị Mai Hương), Phòng A303 (Nhà A, lầu 3, Số 19, Đường Nguyễn Hữu Thọ, P. Tân Phong, Q.7, TP. HCM), từ thứ 2 đến thứ 6 (giờ hành chánh). Điện thoại: (08) 37755 059. Hotline: 0936 999 574. Email: huongntm@tdt.edu.vn.
http://tdt.edu.vn/lang-vi/tin-tc/thong-bao-chung/2158
Danh sách bài giảng
1. Dẫn nhập khoá học
2. Giới thiệu R
3. Đọc dữ liệu
4. Biên tập dữ liệu
5. Lên kế hoạch phân tích
6. Phân tích bằng biểu đồ I
7. Phân tích bằng biểu đồ II (ggplot2)
8. Phân tích mô tả biến liên tục
9. Phân tích mô tả biến phân loại
10. Kiểm định giả thuyết và kiểm định thống kê
11. So sánh 2 nhóm biến liên tục
12. Phương pháp hoán vị và bootstrap
13. Phân tích phương sai
14. So sánh 2 nhóm biến phân loại (rời rạc)
15. Odds ratio và RR
16. Agreement analysis
17. Ki bình phương
18. Phân tích tương quan
19. Mô hình hồi qui tuyến tính đơn giản I
20. Mô hình hồi qui tuyến tính đơn giản II
21. Mô hình hồi qui tuyến tính đơn giản III
22. Mô hình hồi qui tuyến tính đa biến
23. Hiểu và sử dụng mô hình đa biến
24. Vấn đề đa tuyến tính
25. Chọn mô hình tối ưu
26. Giới thiệu mô hình hồi qui logistics
27. Mô hình hồi qui logistics đa biến
28. Tìm mô hình hồi qui logistic tối ưu
29. Tiêu chuẩn để xây dựng mô hình tiên lượng
30. Chiến lược xây dựng mô hình tiên lượng
31. Giới thiệu phân tích sống còn
32. Các mô hình hồi qui nhị phân, Poisson
33. Giới thiệu phân tích tổng hợp (meta-analysis)
34. Phân tích tổng hợp: trọng số
35. Phân tích tổng hợp: effect size
36. Phân tích tổng hợp: heterogeneity
37. Phân tích tổng hợp: mixed effects và random effects
38. Phương pháp ước tính cỡ mẫu I
39. Phương pháp ước tính cỡ mẫu II
40. Giới thiệu phương pháp Bayes
Vấn đề là tổ chức và logistic. Kinh nghiệm các lớp trước khi lớp học bắt đầu nhiều người vào mà không ghi danh làm cho ban tổ chức lúng túng sắp xếp chỗ ngồi và in tài liệu giảng dạy. Cả 1200 slides mà in ra nhiều quá thì phí tiền, in ít thì sợ không đủ và mang “tội” với học viên. Chính vì thế mà chúng tôi cần phải nắm chắc con số học viên. Bạn nào có ý định theo học xin liên lạc Phòng Khoa học công nghệ, hợp tác và sau đại học (ThS. Nguyễn Thị Mai Hương), Phòng A303 (Nhà A, lầu 3, Số 19, Đường Nguyễn Hữu Thọ, P. Tân Phong, Q.7, TP. HCM), từ thứ 2 đến thứ 6 (giờ hành chánh). Điện thoại: (08) 37755 059. Hotline: 0936 999 574. Email: huongntm@tdt.edu.vn.
http://tdt.edu.vn/lang-vi/tin-tc/thong-bao-chung/2158
Danh sách bài giảng
1. Dẫn nhập khoá học
2. Giới thiệu R
3. Đọc dữ liệu
4. Biên tập dữ liệu
5. Lên kế hoạch phân tích
6. Phân tích bằng biểu đồ I
7. Phân tích bằng biểu đồ II (ggplot2)
8. Phân tích mô tả biến liên tục
9. Phân tích mô tả biến phân loại
10. Kiểm định giả thuyết và kiểm định thống kê
11. So sánh 2 nhóm biến liên tục
12. Phương pháp hoán vị và bootstrap
13. Phân tích phương sai
14. So sánh 2 nhóm biến phân loại (rời rạc)
15. Odds ratio và RR
16. Agreement analysis
17. Ki bình phương
18. Phân tích tương quan
19. Mô hình hồi qui tuyến tính đơn giản I
20. Mô hình hồi qui tuyến tính đơn giản II
21. Mô hình hồi qui tuyến tính đơn giản III
22. Mô hình hồi qui tuyến tính đa biến
23. Hiểu và sử dụng mô hình đa biến
24. Vấn đề đa tuyến tính
25. Chọn mô hình tối ưu
26. Giới thiệu mô hình hồi qui logistics
27. Mô hình hồi qui logistics đa biến
28. Tìm mô hình hồi qui logistic tối ưu
29. Tiêu chuẩn để xây dựng mô hình tiên lượng
30. Chiến lược xây dựng mô hình tiên lượng
31. Giới thiệu phân tích sống còn
32. Các mô hình hồi qui nhị phân, Poisson
33. Giới thiệu phân tích tổng hợp (meta-analysis)
34. Phân tích tổng hợp: trọng số
35. Phân tích tổng hợp: effect size
36. Phân tích tổng hợp: heterogeneity
37. Phân tích tổng hợp: mixed effects và random effects
38. Phương pháp ước tính cỡ mẫu I
39. Phương pháp ước tính cỡ mẫu II
40. Giới thiệu phương pháp Bayes
0 nhận xét:
Đăng nhận xét