Datavitenskap med R for medisinske forskere

Emnet har som mål å gi grunnleggande kunnskap for effektiv handsaming av forskingsdata, og gjennomføring av forskingsprosjekt.

Emnet skal formidle: forståing av basis programmeringskunnskap; oppretting av klare, reproduserbare analyseplanar; moderne retningsliner for digital administrering av prosjekt; smart bruk av IKT-infrastruktur; deling av kode/data.

Innhald:

Grunnleggande programmering (R)

Tidyverse

Analyse av medisinske data

Visualisering (ggplot2)

Versjonskontroll

Grunnleggande dokumentasjon

Deling av kode/data

Kurset går i haustsemesteret.

Kandidaten vil ved avslutta emne ha følgjande læringsutbytte:

Kunnskap

Studenten

• kan skille mellom R, RStudio og R-pakkar, og beskrive skilnadane mellom desse
• kan forklare steg i utforskande dataanalyse og kvifor ein gjer dette
• kan gje døme på strukturert og utforma "ryddig" data ("tidy data")
• forstår kvifor og kan forklare korleis ein bruker versjonskontroll
• kan identifisere fleire visualiseringsmetodar som er ofte brukt i dataanalyse
• kan gje døme på reglar for personvern og datadeling innan medisinsk forsking

Ferdigheiter

Studenten

• kan bruke grunnleggande R-kommandoar for å mate inn og granske data
• kan omstrukturere datasett ved hjelp av tidyverse R-pakken
• kan lage grafar og figurar ved hjelp av ggplot2 R-pakken
• kan bruke versjonskontrollprinsipp på eigne forskingsprosjekt
• kan dokumentere filene, kodane og mappene i eigne prosjekt

Generell kompetanse

Studenten

• kan foreslå naudsynte steg for gjennomføring av "tidy data analysis"
• kan velge visualiseringsmetodar som passar best avhengig av datatypen, mål for visualisering, og publikum
• kan lage dataanalyseplan
• kan lage ein rapport i .html, Word eller PDF, som summerer arbeidet sitt

Korte forelesninger og praktiske oppgåver i grupper.

22 t/veke, 2 veker (totalt: 44 t)

Kurset går i haustsemesteret.