Big Data, Genes, and Medicine
от партнера
Big Data, Genes, and Medicine
The State University of New York
Об этом курсе
4.2
Оценки: 98
This course distills for you expert knowledge and skills mastered by professionals in Health Big Data Science and Bioinformatics. You will learn exciting facts about the human body biology and chemistry, genetics, and medicine that will be intertwined with the science of Big Data and skills to harness the avalanche of data openly available at your fingertips and which we are just starting to make sense of. We’ll investigate the different steps required to master Big Data analytics on real datasets, including Next Generation Sequencing data, in a healthcare and biological context, from preparing data for analysis to completing the analysis, interpreting the results, visualizing them, and sharing the results.
Needless to say, when you master these high-demand skills, you will be well positioned to apply for or move to positions in biomedical data analytics and bioinformatics. No matter what your skill levels are in biomedical or technical areas, you will gain highly valuable new or sharpened skills that will make you stand-out as a professional and want to dive even deeper in biomedical Big Data. It is my hope that this course will spark your interest in the vast possibilities offered by publicly available Big Data to better understand, prevent, and treat diseases.
Приобретаемые навыки
BioinformaticsData Clustering AlgorithmsBig DataR Programming
Программа курса: что вы изучите
Week
1Genes and Data
After this module, you will be able to
1. Locate and download files for data analysis involving genes and medicine.
2. Open files and preprocess data using R language.
3. Write R scripts to replace missing values, normalize data, discretize data, and sample data.
11 видео (всего 59 мин.), 2 материалов для самостоятельного изучения, 6 тестов
11 видео
Introduction to Module1мин
DNA and Genes9мин
RNA and Proteins6мин
Transcription Process4мин
Transcription Animation1мин
Translation Process5мин
Translation Animation2мин
Data, Variables, and Big Datasets6мин
Working with cBioPortal - Genetic Data Analysis9мин
Working with cBioPortal - Gene Networks9мин
2 материала для самостоятельного изучения
Module 1 cBioPortal Data Analytics10мин
Module 1 Resources10мин
6 практического упражнения
DNA, RNA, Genes, and Proteins4мин
Transcription and Translation Processes6мин
Data, Variables, and Big Datasets4мин
Working with cBioPortal6мин
Module 1 Quiz20мин
Module 1 cBioPortal Data Analytics8мин
Week
2Preparing Datasets for Analysis
After this module, you will be able to:
1. Locate and download files for data analysis involving genes and medicine.
2. Open files and preprocess data using R language.
3. Write R scripts to replace missing values, normalize data, discretize data, and sample data.
13 видео (всего 75 мин.), 4 материалов для самостоятельного изучения, 8 тестов
13 видео
Datasets and Files10мин
Data Sources11мин
Importance of Data Preprocessing4мин
Data Preprocessing Tasks2мин
Replacing Missing Values3мин
Data Normalization9мин
Data Discretization5мин
Feature Selection3мин
Data Sampling2мин
Principles of R6мин
R Language1мин
Jupyter Notebooks 1017мин
4 материала для самостоятельного изучения
Jupyter Notebooks Essentials10мин
Notebook Module 2 Tutorial10мин
Module 2 R Data Preprocessing10мин
Module 2 Resources10мин
8 практического упражнения
Datasets and Files4мин
Data Preprocessing Tasks4мин
Replacing Missing Values2мин
Normalization and Discretization4мин
Data Reduction4мин
Working with R4мин
Module 2 Quiz20мин
Module 2 R Data Preprocessing10мин
Week
3Finding Differentially Expressed Genes
After this module, you will be able to
1. Select features from highly dimensional datasets.
2. Evaluate the performance of feature selection methods.
3. Write R scripts to select features from datasets involving gene expressions.
9 видео (всего 53 мин.), 4 материалов для самостоятельного изучения, 6 тестов
9 видео
Overview of Feature Selection Methods13мин
Filter Methods4мин
Wrapper Methods4мин
Evaluation Schemes7мин
Selecting Differentially Expressed Genes3мин
Heatmaps6мин
R Scripts for Feature Selection3мин
Jupyter Notebooks 1017мин
4 материала для самостоятельного изучения
Notebook Module 3 Tutorial10мин
Jupyter Notebooks Essentials10мин
Module 3 R Finding Differentially Expressed Genes10мин
Module 3 Resources10мин
6 практического упражнения
Feature Selection Methods4мин
Evaluation Schemes2мин
Differentially Expressed Genes4мин
Heatmaps4мин
Module 3 Quiz16мин
Module 3 R Finding Differentially Expressed Genes10мин
Week
4Predicting Diseases from Genes
After this module, you will be able to
1. Build classification and prediction models.
2. Evaluate the performance of classification and prediction methods.
3. Write R scripts to classify and predict diseases from gene expressions.
12 видео (всего 85 мин.), 4 материалов для самостоятельного изучения, 10 тестов
12 видео
Overview of Classification and Prediction Methods8мин
Classification Methods Based on Analogy12мин
Classification Methods Based on Rules13мин
Classification Methods Based on Neural Networks7мин
Classification Methods Based on Statistics3мин
Classification Methods Based on Probabilities7мин
Prediction Methods4мин
Evaluation Schemes13мин
Prediction Workflow4мин
R Scripts for Prediction1мин
Jupyter Notebooks 1017мин
4 материала для самостоятельного изучения
Jupyter Notebooks Essentials10мин
Notebook Module 4 Tutorial10мин
Module 4 R Predicting Diseases from Genes10мин
Module 4 Resources10мин
10 практического упражнения
Overview4мин
Classification with Analogy2мин
Classification based on Rules2мин
Classification with Neural Networks2мин
Classification based on Statistics2мин
Classification based on Probabilities2мин
Prediction Models2мин
Evaluation Schemes2мин
Module 4 Quiz20мин
Module 4 R Predicting Diseases from Genes10мин
Преподаватель
Isabelle Bichindaritz
Associate ProfessorComputer Science
О The State University of New York
The State University of New York, with 64 unique institutions, is the largest comprehensive system of higher education in the United States. Educating nearly 468,000 students in more than 7,500 degree and certificate programs both on campus and online, SUNY has nearly 3 million alumni around the globe.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2018 Все права защищены.
