Об этом курсе
Недавно просмотрено: 41,176

Learner Career Outcomes

50%

начал новую карьеру, пройдя эти курсы

43%

получил значимые преимущества в карьере благодаря этому курсу

20%

стал больше зарабатывать или получил повышение

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 24 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 3-5 hours per week...

Английский

Субтитры: Английский

Приобретаемые навыки

BioinformaticsData Clustering AlgorithmsBig DataR Programming

Learner Career Outcomes

50%

начал новую карьеру, пройдя эти курсы

43%

получил значимые преимущества в карьере благодаря этому курсу

20%

стал больше зарабатывать или получил повышение

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 24 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 3-5 hours per week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
2 ч. на завершение

Genes and 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
Неделя
2
5 ч. на завершение

Preparing Datasets for Analysis

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
Неделя
3
4 ч. на завершение

Finding Differentially Expressed Genes

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
Неделя
4
4 ч. на завершение

Predicting Diseases from Genes

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
4.2
Рецензии: 38Chevron Right

Лучшие отзывы о курсе Big Data, Genes, and Medicine

автор: MAMay 10th 2019

Really enjoying the way she is teaching. Very easy to learn and practice. I strongly believe when I will complete the course I will gain a remarkable skill on Big Data, Genes, and Medicine.

автор: HHMar 7th 2017

The course is amazing, I want to purchase the course but it is not being working...I don't know what is the problem.

Преподаватели

Avatar

Isabelle Bichindaritz

Associate Professor
Computer Science

О Университет штата Нью-Йорк

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

  • 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.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.