시간

주제

발표

18:30-18:40

등록 및 인사말

회장 이재호 (서울아산병원 의료정보학교실)

Part I

제 2 초심자를 위한 R을  이용한 데이터 분석 (이론)

18:40-19:30

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

-       시각화 할 때 고려할 수 있는 사항

-       Better Expression (Shiny,  markdown, Tableau)

유재용 (SAIHST)

Part II

제2차 초심자를 위한 R을  이용한 데이터 분석 (실습)

19:30-20:40

-       Summary statistics 

-       Visualization(Base plot,  ggplot)

-       Markdown 만들어  배포하기

유재용 (SAIHST)

응급의료연구회 R 교육 커리큘럼

R 프로그래밍의 기초 및 탐색, R을 활용한 전처리

1 차

이론

-      R및 데이터 분석의 소개

-      분석시 고려해야할 사항 4가지

-      Table1이란?

-      전처리의 중요성(garbage in garbage out)

-      dplyr/tidyr

실습

-      R 및 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)

2차

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

3차

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 

4차

이론

-      기계학습의 2가지 구분 (비지도학습, 지도학습)과 기본 내용

-      비지도학습 (Clustering)

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

-      모형의 최적화 (Tuning & Ensemble)

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

-      기타 기계학습 고려사항들 (Class imbalance, Interpretability 등)

실습

-      K-means  Clustering 실습

-      Tree  / Random forest / SVM 실습

-      Grid  search 및 Random search 를 활용한Tuning 실습