Aperçu des sections

• General

  Tout replier Tout déplier
  • MSC1090 Introduction to Computational Biostatistics with R (Fall 2024)

    The goal of this course is to prepare graduate students to perform scientific data analysis using the R programming language.  Successful students will learn how to use statistical inference and machine-learning tools to gain insight into data sets, as well as be introduced to techniques and best practises for storing, managing and analyzing data.  Topics will include: R programming, version control, modular programming, coding best practices, data analysis, machine learning and scientific visualization.
    

    Classes will be held Tuesdays and Thursdays, 10:00-11:30am, in VC323.

    Students willing to take the course as part of their graduate program must enrol through Acorn.  This course is part of the IMS graduate program.

    Teachers: Alexey Fedoseev, Erik Spence

    Start date: 10 Sep 2024

    End date: 28 Nov 2024

    Scientific Computing Credits: 8

    Data Science Credits: 28

    Events:

    Assignment 1 is due - Thursday, 19 September, 11:59 PM

    Assignment 2 is due - Thursday, 26 September, 11:59 PM

    Assignment 3 is due - Thursday, 3 October, 11:59 PM

    A full list of course events can be found here.
  • 

    Page

    Software requirements Page
  • 

    Forum

    Student forum

• Lectures
  • 

    Fichier

    1. Introduction to the Linux command line I Fichier
  • 

    Fichier

    2. Introduction to the Linux command line II Fichier
  • 

    Fichier

    3. Introduction to R Fichier
  • 

    Fichier

    4. Vectors and data frames Fichier
  • 

    Fichier

    5. Lists, loops and conditional statements in R Fichier
  • 

    Fichier

    6. Functions in R Fichier
  • 

    Fichier

    7. Scripts Fichier
  • 

    Fichier

    8. Version Control System - Git Fichier
  • 

    Fichier

    9. Coding Best Practices Fichier
  • 

    Fichier

    10. Distributions Fichier
  • 

    Fichier

    11. Hypothesis tests Fichier
  • 

    Fichier

    12. ANOVA Fichier
  • 

    Fichier

    13. Linear models Fichier
  • 

    Fichier

    14. Generalized linear models Fichier
  • 

    Fichier

    15. Resampling Fichier
  • 

    Fichier

    16. Classification I Fichier
  • 

    Fichier

    17. Unsupervised learning Fichier
  • 

    Fichier

    18. Classification II Fichier
  • 

    Fichier

    19. Neural networks Fichier
  • 

    Fichier

    20. Visualization Fichier
  • 

    Fichier

    21. Ensemble methods Fichier
  • 

    Fichier

    22. File I/O Fichier
  • 

    Fichier

    23. Parallel Computing in R Fichier
  • 

    Fichier

    24. High-Performance Computing in R Fichier

• Recordings
  • 

    Fichier

    1. Introduction to the Linux shell I Fichier
  • 

    Fichier

    2. Introduction to the Linux shell II Fichier
  • 

    Fichier

    3. Introduction to R Fichier
  • 

    Fichier

    4. Vectors and data frames Fichier
  • 

    Fichier

    5. Lists, loops and conditionals in R Fichier

    Due to some technical problems the lecture's recording did not have sound.  This video, from last year's iteration of the class, is posted in its place.

  • 

    Fichier

    6. Functions in R Fichier
  • 

    Fichier

    7. Scripts Fichier
  • 

    Fichier

    8. Version control Fichier
  • 

    Fichier

    9. Coding best practices Fichier
  • 

    Fichier

    10. Distributions Fichier
  • 

    Fichier

    11. Hypothesis tests Fichier
  • 

    Fichier

    12. ANOVA Fichier
  • 

    Fichier

    13. Linear models Fichier
  • 

    Fichier

    14. Generalized linear models Fichier
  • 

    Fichier

    15. Resampling Fichier
  • 

    Fichier

    16. Classification I Fichier
  • 

    Fichier

    17. Unsupervised learning Fichier
  • 

    Fichier

    18. Classification II Fichier
  • 

    Fichier

    19. Neural networks Fichier
  • 

    Fichier

    20. Visualization in R Fichier
  • 

    Fichier

    21. Ensemble methods Fichier
  • 

    Fichier

    22. File I/O Fichier
  • 

    Fichier

    23. Parallel computing in R Fichier
  • 

    Fichier

    24. High-performance computing in R Fichier

• Assignments
  • 

    Devoir

    Assignment 1 Devoir

    Ouvert le : jeudi 12 septembre 2024, 11:00

    À rendre : jeudi 19 septembre 2024, 23:59
  • 

    Devoir

    Assignment 2 Devoir

    Ouvert le : jeudi 19 septembre 2024, 11:00

    À rendre : jeudi 26 septembre 2024, 23:59
  • 

    Devoir

    Assignment 3 Devoir

    Ouvert le : jeudi 26 septembre 2024, 11:00

    À rendre : jeudi 3 octobre 2024, 23:59
  • 

    Devoir

    Assignment 4 Devoir

    Ouvert le : jeudi 3 octobre 2024, 11:00

    À rendre : jeudi 10 octobre 2024, 23:59
  • 

    Devoir

    Assignment 5 Devoir

    Ouvert le : jeudi 10 octobre 2024, 11:00

    À rendre : jeudi 24 octobre 2024, 23:59
  • 

    Devoir

    Assignment 6 Devoir

    Ouvert le : jeudi 24 octobre 2024, 11:00

    À rendre : jeudi 31 octobre 2024, 23:59
  • 

    Devoir

    Assignment 7 Devoir

    Ouvert le : jeudi 31 octobre 2024, 11:00

    À rendre : jeudi 7 novembre 2024, 23:59
  • 

    Devoir

    Assignment 8 Devoir

    Ouvert le : jeudi 7 novembre 2024, 11:00

    À rendre : jeudi 14 novembre 2024, 23:59
  • 

    Devoir

    Assignment 9 Devoir

    Ouvert le : jeudi 14 novembre 2024, 11:00

    À rendre : jeudi 21 novembre 2024, 23:59
  • 

    Devoir

    Assignment 10 Devoir

    Ouvert le : jeudi 21 novembre 2024, 11:00

    À rendre : jeudi 28 novembre 2024, 23:59
  • 

    Devoir

    Assignment 11 Devoir

    Ouvert le : jeudi 28 novembre 2024, 00:00

    À rendre : jeudi 5 décembre 2024, 23:59