Scopri le ultime tendenze della statistica in R, le tecniche di Data Mining o la ricerca biomedica da una prospettiva nutrizionale, iscrivendoti a questo Esperto Universitario”

I temi trattati dalla ricerca scientifica in ambito nutrizionale sono numerosi. Sia che la ricerca si concentri sull'effetto di determinate diete su persone diverse o sull'interazione tra un gruppo di alimenti e malattie come il cancro, il ricercatore deve possedere un'ottima conoscenza non solo dei postulati scientifici e del materiale attuale, ma anche degli strumenti statistici essenziali per portare a termine il progetto. 

Fin dal principio, il gruppo di ricerca deve definire gli obiettivi e la metodologia scientifica da utilizzare, nonché l'etica che il progetto deve seguire. Questo programma, creato da un gruppo di ricercatori con anni di esperienza, tratterà sia le basi scientifiche necessarie sia gli strumenti più utili per intraprendere un progetto di ricerca in Nutrizione con tutte le garanzie di successo. 

Pertanto, includerà ampi argomenti incentrati su aspettative, ipotesi, biostatistica, analisi multivariata, tipologie di grafici e molte altre questioni essenziali per i ricercatori che desiderano essere all'avanguardia nel proprio campo. Tutto il materiale didattico è integrato da un gran numero di casi simulati e reali, che aiuteranno a contestualizzare correttamente ogni argomento trattato. In questo modo, la teoria e la pratica sono integrate da video dettagliati, riassunti interattivi e altri contenuti creati dai migliori professionisti del settore. 

La modalità 100% online di questo Esperto universitario consentirà inoltre di combinarlo con ogni tipo di attività e responsabilità, sia professionale che personale. Gli studenti saranno completamente liberi di distribuire il carico di studio in base ai propri interessi, potendo scaricare l'intero programma da qualsiasi dispositivo dotato di connessione a internet. 

Posizionati all'avanguardia della ricerca dietetica con i migliori strumenti, i precetti e le linee guida pratiche che TECH ti offre in questo programma”   

Questo Esperto universitario in Strumenti di Ricerca Sanitaria possiede il programma scientifico più completo e aggiornato del mercato. Le caratteristiche principali del programma sono:

• Sviluppo di casi pratici presentati da esperti in scienze della salute
• Contenuti grafici, schematici ed eminentemente pratici che forniscono informazioni mediche sulle discipline essenziali per l’esercizio della professione
• Esercizi pratici che offrono un processo di autovalutazione per migliorare l'apprendimento
• Particolare enfasi sulle metodologie innovative
• Lezioni teoriche, domande all'esperto e/o al tutor, forum di discussione su questioni controverse e compiti di riflessione individuale
• Contenuti disponibili da qualsiasi dispositivo fisso o portatile provvisto di connessione a internet

Scopri come il Data Mining e l'analisi massiva dei dati costituiscano la base della ricerca sulla salute e sulla nutrizione”

Il personale docente del programma comprende rinomati specialisti del settore, che forniscono agli studenti le competenze necessarie a intraprendere un percorso di studio eccellente.  

I contenuti multimediali, sviluppati in base alle ultime tecnologie educative, forniranno al professionista un apprendimento coinvolgente e localizzato, ovvero inserito in un contesto reale.  

La creazione di questo programma è incentrata sull’Apprendimento Basato su Problemi, mediante il quale lo specialista deve cercare di risolvere le diverse situazioni che gli si presentano durante il corso. Lo studente potrà usufruire di un innovativo sistema di video interattivi creati da esperti di rinomata fama.   

Affidati a una modalità 100% online senza alcuna restrizione, con la libertà necessaria per completarlo in soli 6 mesi”

Avrai accesso a una guida di riferimento completa che potrai scaricare per consultarlo anche dopo aver completato la specializzazione”

Per facilitare il più possibile il lavoro di studio degli studenti, TECH ha implementato la metodologia pedagogica del Relearning nell'elaborazione di tutti i contenuti di questo programma. Ciò significa che i concetti fondamentali degli Strumenti di Ricerca Sanitaria verranno ribaditi in modo naturale e progressivo durante l'intero Esperto universitario. Grazie a questa metodologia sarà possibile risparmiare numerose ore di studio, che potranno essere investite nella ricchezza del materiale supplementare fornito per ogni modulo.

Avrai accesso in ogni momento a una biblioteca di contenuti multimediali di alta qualità, che potrai scaricare e riprodurre sul tuo dispositivo di studio di preferenza"

Modulo 1. Generare progetti di ricerca

1.1. Struttura generale di un progetto
1.2. Presentazione del contesto e dei dati preliminari
1.3. Definizione dell'ipotesi
1.4. Definizione degli obiettivi generali e specifici
1.5. Definizione del tipo di campione, del numero e delle variabili da misurare
1.6. Definizione della metodologia scientifica
1.7. Criteri di esclusione/inclusione nei progetti con campioni umani
1.8. Creazione di un team specifico: equilibrio ed Expertise
1.9. Aspettative: un elemento importante che non va dimenticato
1.10. Generazione del budget: una messa a punto tra le esigenze e la realtà della procedura
1.11. Aspetti etici

Modulo 2. Statistica e uso di R nella ricerca sanitaria

2.1. Biostatistica

2.1.1. Introduzione al metodo scientifico
2.1.2. Popolazione e campione. Misure di campionamento centralizzato
2.1.3. Distribuzioni discrete e distribuzioni continue
2.1.4. Schema generale dell'inferenza statistica. Inferenza sulla media di una popolazione normale. Inferenza sulla media di una popolazione generale
2.1.5. Introduzione all'inferenza non parametrica

2.2. Introduzione a R

2.2.1. Caratteristiche di base del programma
2.2.2. Tipi di oggetti principali
2.2.3. Semplici esempi di simulazione e inferenza statistica
2.2.4. Grafici
2.2.5. Introduzione alla programmazione in R

2.3. Metodi di regressione con R

2.3.1. Modelli di regressione
2.3.2. Selezione delle variabili
2.3.3. Modello di diagnosi
2.3.4. Trattamento dei valori anomali
2.3.5. Analisi di regressione

2.4. Analisi multivariata in R

2.4.1. Descrizione di dati multivariati
2.4.2. Distribuzioni multivariate
2.4.3. Riduzione delle dimensioni
2.4.4. Classificazione non supervisionata: analisi dei cluster
2.4.5. Classificazione supervisionata: analisi discriminante

2.5. Metodi di regressione per la ricerca con R

2.5.1. Modelli lineari generalizzati (GLM): regressione di Poisson e binomiale negativa
2.5.2. Modelli lineari generalizzati (GLM): regressioni logistiche e binomiali
2.5.3. Regressione di Poisson e Binomiale Negativa inflazionata a zero
2.5.4. Adattamento locale e modelli additivi generalizzati (GAM)
2.5.5. Modelli misti generalizzati (GLMM) e Modelli misti additivi (GAMM)

2.6. Statistica applicata alla ricerca biomedica con R I

2.6.1. Nozioni di base di R. Variabili e oggetti in R. Gestione dei dati. File. Grafici
2.6.2. Statistiche descrittive e funzioni di probabilità
2.6.3. Programmazione e funzioni in R
2.6.4. Analisi della tabella di contingenza
2.6.5. Inferenza di base con variabili continue

2.7. Statistica applicata alla ricerca biomedica con R II

2.7.1. Analisi della varianza
2.7.2. Analisi di correlazione
2.7.3. Regressione lineare semplice
2.7.4. Regressione lineare multipla
2.7.5. Regressione logistica

2.8. Statistica applicata alla ricerca biomedica con R III

2.8.1. Variabili di confusione e interazioni
2.8.2. Costruzione di un modello di regressione logistica
2.8.3. Analisi di sopravvivenza
2.8.4. Regressione di Cox
2.8.5. Modelli predittivi. Analisi della curva ROC

2.9. Tecniche statistiche di Data Mining con R I

2.9.1. Introduzione. Data Mining. Apprendimento Supervisionato e Non Supervisionato. Modelli Predittivi. Classificazione e Regressione
2.9.2. Analisi descrittiva. Pre-elaborazione dei dati
2.9.3. Analisi delle Componenti Principali (PCA)
2.9.4. Analisi delle Componenti Principali (PCA)
2.9.5. Analisi dei Cluster. Metodi Gerarchici. K-Means

2.10. Tecniche statistiche di Data Mining con R II

2.10.1. Misure di valutazione dei modelli. Misure di capacità predittiva. Curve ROC
2.10.2. Tecniche di valutazione dei modelli. Convalida incrociata. Campioni Bootstrap
2.10.3. Metodi basati su alberi decisionali (CART)
2.10.4. Support Vector Machines (SVM)
2.10.5. Random Forest (RF) e Reti Neuronali (NN)

Modulo 3. Rappresentazioni grafiche dei dati nella ricerca sanitaria e altre analisi avanzate

3.1. Tipi di grafici
3.2. Analisi di sopravvivenza
3.3. Curve ROC
3.4. Analisi multivariata (tipi di regressione multipla)
3.5. Modelli di regressione binaria
3.6. Analisi dei dati di massa
3.7. Metodi di riduzione della dimensionalità
3.8. Confronto tra i metodi: PCA, PPCA e KPCA
3.9. T-SNE (T-Distributed Stochastic Neighbor Embedding)
3.10. UMAP (Uniform Manifold Approximation and Projection)

Esercizi di autoconoscenza, letture complementari, riassunti interattivi, video dettagliati e molto altro materiale multimediale ti aspettano, iscriviti a questo Esperto universitario”