대한응급의학회

학회정보
제27차 대한응급의료정보연구회 학술집담회 안내
기간 2021.05.26 18:30 ~ 2021.05.26 20:30
장소 온라인
등록일 2021. 05. 11
조회수 0

안녕하십니까?

대한응급의료정보연구회는 응급의료 영역에서 의료정보와 디지털 헬스를 이용한 연구에 대해 고민하며공동 연구 및 사업을 기획 수행하는 연구자들의 모임입니다.


저희 연구회에서는 올해 상반기에는 초심자를 위한 R을 이용한 데이터 분석’ 강의를 준비하였습니다

5월에는 총 4회 중 2차 강의가 진행 될 예정입니다

하단에 기재된 링크를 통해 사전 등록을 해 주시고 강의 시작 전 각자 PC프로그램을 설치하고 참석해 주십시오




1. 일시



2021 5 26 수요일 18:30 ~ 20:30 (2시간)

3회차는 630, 4회는 726일 시행 예정입니다




2. 내용



시간

주제

발표

18:30-18:40

등록 및 인사말

회장 이재호 (서울아산병원 의료정보학교실)

Part I

초심자를 위한 R을  이용한 데이터 분석 (이론)

18:40-19:30

-       표와 시각화를 통한 데이터 탐색탐색적 자료분석(EDA)

-       시각화 할 때 고려할 수 있는 사항

-       Better Expression (Shiny,  markdown, Tableau)

유재용 (SAIHST)

Part II

2차 초심자를 위한 R을  이용한 데이터 분석 (실습)

19:30-20:40

-       Summary statistics 

-       Visualization(Base plot,  ggplot)

-       Markdown 만들어  배포하기

유재용 (SAIHST)




3. 참여방법



l  사전등록https://forms.gle/kU1bQPdXYbd7j6Lt5 

l  사전등록기간: ~ 521(까지

l  사전등록 시 작성하신 이메일로 참여 링크가 전송될 예정입니다. (참가비 무료)




4. 초심자를 위한 R을 이용한 데이터 분석’ 커리큘럼




응급의료연구회 R 교육 커리큘럼

프로그래밍의 기초 및 탐색, R을 활용한 전처리

이론

-      R및 데이터 분석의 소개

-      분석시 고려해야할 사항 4가지

-      Table1이란?

-      전처리의 중요성(garbage in garbage out)

-      dplyr/tidyr

실습

-       R studio설치, data loading

-      R에서의 기본적인 문법 소개

-      원하는 데이터 접근 및 추출 (Indexing)

-      모든 데이터분석의 시작 - Table1 만들기 using R Package

-      데이터 전처리 using dplyr/tidyr/lubridate

데이터 탐색을 위한 탐색적 자료분석 (EDA ; Exploratory Data  Analysis)

2

이론

-       표와  시각화를 통한 데이터 탐색 : 탐색적 자료분석(EDA)

-       시각화  할 때 고려할 수 있는 사항

-       Better Expression (Shiny, markdown, Tableau) 

실습

-       Summary statistics 

-       Visualization(Base plot, ggplot)

-       Markdown 만들어  배포하기

R을 활용한 통계분석

3

이론

-      숫자형 데이터 통계분석

-      문자형 데이터 통계분석

-      회귀분석

-      로지스틱 회귀분석

실습

-      t.test  / anova 실습

-      Chi-square  / trend test 실습

-      기본 회귀분석 실습

-      로지스틱 회귀분석 실습

R을 활용한 기계학습 

4

이론

-      기계학습의 2가지 구분 (비지도학습지도학습)과 기본 내용

-      비지도학습 (Clustering)

-      지도학습 (Tree/ Random Forest / Xgboost / SVM) 

-      모형의 최적화 (Tuning & Ensemble)

-      Metric   표현   (AUROC /AUPRC / cut-off point )

-      기타 기계학습 고려사항들 (Class imbalance, Interpretability )

실습

-      K-means  Clustering 실습

-      Tree  / Random forest / SVM 실습

-      Grid  search Random search 를 활용한Tuning 실습

*학술삼성서울병원 김태림 (taerim.j.kim@gmail.com)

*지원삼성서울병원 양수정 (sjlove4579@hanmail.net최지희 (hahajihee@gmail.com)

*등록비는 무료입니다.

*자세한 내용은 첨부파일 확인 부탁드립니다.