An introduction to the statistics behind the most popular genomic data science projects. This is the sixth course in the Genomic Big Data Science Specialization from Johns Hopkins University.
von
Spezialisierung Genomic Data ScienceJohns Hopkins UniversityÜber diesen Kurs
29,606 kürzliche Aufrufe
Karriereergebnisse der Lernenden
40%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
38%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
17%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 7 von 8 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 8 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Kompetenzen, die Sie erwerben
StatisticsData AnalysisR ProgrammingBiostatistics
Karriereergebnisse der Lernenden
40%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
38%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
17%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 7 von 8 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 8 Stunden zum Abschließen
Englisch
Untertitel: Englisch
von
Johns Hopkins University
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Lehrplan - Was Sie in diesem Kurs lernen werden
3 Stunden zum Abschließen
Module 1
This course is structured to hit the key conceptual ideas of normalization, exploratory analysis, linear modeling, testing, and multiple testing that arise over and over in genomic studies.
3 Stunden zum Abschließen
21 Videos (Gesamt 129 min), 3 Lektüren, 1 Quiz
21 Videos
What is Statistics?2m
Finding Statistics You Can Trust (4:44)4m
Getting Help (3:44)3m
What is Data? (4:28)4m
Representing Data (5:23)5m
Module 1 Overview (1:07)1m
Reproducible Research (3:42)3m
Achieving Reproducible Research (5:02)5m
R Markdown (6:26)6m
The Three Tables in Genomics (2:10)2m
The Three Tables in Genomics (in R) (3:46)3m
Experimental Design: Variability, Replication, and Power (14:17)14m
Experimental Design: Confounding and Randomization (9:26)9m
Exploratory Analysis (9:21)9m
Exploratory Analysis in R Part I (7:22)7m
Exploratory Analysis in R Part II (10:07)10m
Exploratory Analysis in R Part III (7:26)7m
Data Transforms (7:31)7m
Clustering (8:43)8m
Clustering in R (9:09)9m
3 Lektüren
Syllabus10m
Pre Course Survey10m
Introduction and Materials10m
1 praktische Übung
Module 1 Quiz20m
2 Stunden zum Abschließen
Module 2
This week we will cover preprocessing, linear modeling, and batch effects.
2 Stunden zum Abschließen
14 Videos (Gesamt 97 min)
14 Videos
Dimension Reduction (12:13)12m
Dimension Reduction (in R) (8:48)8m
Pre-processing and Normalization (11:26)11m
Quantile Normalization (in R) (4:49)4m
The Linear Model (6:50)6m
Linear Models with Categorical Covariates (4:08)4m
Adjusting for Covariates (4:16)4m
Linear Regression in R (13:03)13m
Many Regressions at Once (3:50)3m
Many Regressions in R (7:21)7m
Batch Effects and Confounders (7:11)7m
Batch Effects in R: Part A (8:18)8m
Batch Effects in R: Part B (3:50)3m
1 praktische Übung
Module 2 Quiz20m
2 Stunden zum Abschließen
Module 3
This week we will cover modeling non-continuous outcomes (like binary or count data), hypothesis testing, and multiple hypothesis testing.
2 Stunden zum Abschließen
15 Videos (Gesamt 86 min)
15 Videos
Logistic Regression (7:03)7m
Regression for Counts (5:02)5m
GLMs in R (9:28)9m
Inference (4:18)4m
Null and Alternative Hypotheses (4:45)4m
Calculating Statistics (5:11)5m
Comparing Models (7:08)7m
Calculating Statistics in R9m
Permutation (3:26)3m
Permutation in R (3:33)3m
P-values (6:04)6m
Multiple Testing (8:25)8m
P-values and Multiple Testing in R: Part A (5:58)5m
P-values and Multiple Testing in R: Part B (4:23)4m
1 praktische Übung
Module 3 Quiz20m
2 Stunden zum Abschließen
Module 4
In this week we will cover a lot of the general pipelines people use to analyze specific data types like RNA-seq, GWAS, ChIP-Seq, and DNA Methylation studies.
2 Stunden zum Abschließen
14 Videos (Gesamt 74 min), 1 Lektüre, 1 Quiz
14 Videos
Gene Set Enrichment (4:19)4m
More Enrichment (3:59)3m
Gene Set Analysis in R (7:43)7m
The Process for RNA-seq (3:59)3m
The Process for Chip-Seq (5:25)5m
The Process for DNA Methylation (5:03)5m
The Process for GWAS/WGS (6:12)6m
Combining Data Types (eQTL) (6:04)6m
eQTL in R (10:36)10m
Researcher Degrees of Freedom (5:49)5m
Inference vs. Prediction (8:52)8m
Knowing When to Get Help (2:31)2m
Statistics for Genomic Data Science Wrap-Up (1:53)1m
1 Lektüre
Post Course Survey10m
1 praktische Übung
Module 4 Quiz10m
Bewertungen
Top-Bewertungen von STATISTICS FOR GENOMIC DATA SCIENCE
von RH11. Feb. 2017
Overall, a very good course. Not without its flaws (inconsistent video audio levels), but I have walked away knowing far more about Genomic Data Science than I expected to.
von ZM27. Juni 2018
The professor is really enthusiasm, so I was really impreesed by him. And his teaching is brief, and I can learn key points through the lectures. Great course!
von NS18. Feb. 2019
sometimes termininology was used interchangeably, which can be confusing for a beginner but overall a good introduction to statistcs for genomic data analysis
von S18. Feb. 2018
Enjoyed it. One of better courses I have taken in Coursera. A good introduction to using statistics in Bioconductor with genomics data.
Über den Spezialisierung Genomic Data Science
With genomics sparks a revolution in medical discoveries, it becomes imperative to be able to better understand the genome, and be able to leverage the data and information from genomic datasets. Genomic Data Science is the field that applies statistics and data science to the genome.
This Specialization covers the concepts and tools to understand, analyze, and interpret data from next generation sequencing experiments. It teaches the most common tools used in genomic data science including how to use the command line, along with a variety of software implementation tools like Python, R, Bioconductor, and Galaxy.
This Specialization is designed to serve as both a standalone introduction to genomic data science or as a perfect compliment to a primary degree or postdoc in biology, molecular biology, or genetics, for scientists in these fields seeking to gain familiarity in data science and statistical tools to better interact with the data in their everyday work.
To audit Genomic Data Science courses for free, visit https://www.coursera.org/jhu, click the course, click Enroll, and select Audit. Please note that you will not receive a Certificate of Completion if you choose to Audit.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Erhalte ich akademische Leistungspunkte für den Abschluss des Kurses?
Für diesen Kurs gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Kurszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
