Zaawansowany kurs dla badaczy, którzy chcą opanować modelowanie wielowymiarowe, analizę przeżycia, redukcję wymiarowości oraz meta-analizę. Uczestnicy zdobywają praktyczne umiejętności w zakresie regresji, analizy ROC i walidacji modeli.

Wersja kursu	Czas trwania	Cena dla grup do 5 os.	Cena dla grup 6-15 os.
📊 Wersja klasyczna Bez wsparcia AI	15h	3 000 zł	4 000 zł
🤖 Wersja wsparta AI Rozszerzenie o sztuczną inteligencję (duże modele językowe)	20h	4 000 zł	5 000 zł

Co daje wersja z AI? Wsparcie dużych modeli językowych w interpretacji wyników, automatyzacji raportowania i przygotowaniu opisów statystycznych do publikacji.

1 Program kursu ▼

Przygotowanie danych

Właściwości zmiennej
Transformacja
Standaryzacja współczynników epidemiologicznych
Symulacja próbkowania
Macierz podobieństwa
Formuły
Zamiana na tabele

Testy diagnostyczne

Czułość, swoistość,...
Krzywa ROC
Punkt odcięcia krzywej ROC
Zależne krzywe ROC - porównywanie
Niezależne krzywe ROC - porównywanie

Modele wielowymiarowe

Liniowa regresja wieloraka
Porównywanie modeli regresji wielorakiej
Regresja wieloraka - predykcja/walidacja
Regresja logistyczna
Porównywanie modeli regresji logistycznej
Regresja logistyczna - predykcja/walidacja

Analiza przeżycia

Tabele przeżycia
Krzywa Kaplana-Meiera
Porównanie krzywych przeżycia
Regresja PH Cox'a
Porównywanie modeli Cox'a

Redukcja wymiarów i grupowanie

Analiza składowych głównych
Metody hierarchiczne
Metoda k-średnich

Meta-analiza

Przygotowanie danych
Mata-analiza podsumowanie
Badanie heterogeniczności
Badanie wrażliwości
Badanie asymetrii
Meta-analiza skumulowana
Mata-analiza porównanie grup
Meta-regresja

2 Efekty uczenia się ▼

Po ukończeniu kursu uczestnik (poszerza i pogłębia wiedzę z Części I i II):

Wiedza

Zna i rozumie zaawansowane techniki przygotowania i transformacji danych do analizy.
Definiuje miary oceny testów diagnostycznych (czułość, swoistość) oraz interpretuje krzywą ROC.
Wyjaśnia podstawy i zastosowanie modeli regresji liniowej wielorakiej i logistycznej.
Charakteryzuje metody analizy przeżycia (Kaplan-Meier, regresja Coxa).
Opisuje cele i metody redukcji wymiarowości (PCA) oraz grupowania (metody hierarchiczne, k-średnich).
Wyjaśnia zasady i cele meta-analizy.

Umiejętności

Stosuje zaawansowane techniki przygotowania i transformacji danych (np. standaryzacja, tworzenie macierzy podobieństwa) w PQStat.
Oblicza parametry testów diagnostycznych i przeprowadza analizę krzywych ROC (dla danych zależnych i niezależnych).
Buduje i interpretuje modele regresji liniowej wielorakiej oraz regresji logistycznej, porównuje ich dopasowanie i dokonuje walidacji.
Przeprowadza analizę przeżycia metodą Kaplana-Meiera i regresji PH Cox'a oraz porównuje krzywe przeżycia.
Wykonuje analizę składowych głównych (PCA) oraz stosuje metody grupowania hierarchiczne i k-średnich w celu redukcji wymiarowości danych.
Przeprowadza podstawowe analizy meta-analityczne, w tym ocenę heterogeniczności i asymetrii (np. test Eggera).

Kompetencje społeczne (postawy)

Rozumie złożoność i interdyscyplinarny charakter zaawansowanych analiz statystycznych.
Potrafi krytycznie ocenić przydatność poszczególnych modeli i metod do konkretnego problemu badawczego.
Jest świadomy ograniczeń i potencjalnych pułapek interpretacyjnych w modelowaniu wielowymiarowym i meta-analizie.

3 Dla kogo przeznaczony jest kurs? ▼

Dla doktorantów i pracowników naukowych przygotowujących zaawansowane publikacje.
Dla badaczy zajmujących się modelowaniem danych, analizą przeżycia lub meta-analizą.
Dla analityków i data scientistów pracujących w sektorze badawczym.
Dla wszystkich, którzy chcą samodzielnie przeprowadzać zaawansowane analizy w programie PQStat.

                    Forma zajęć: Kurs może być realizowany w formie stacjonarnej (w siedzibie Uczelni) lub zdalnej (synchronicznej) – w zależności od potrzeb i preferencji zamawiającego.
                

4 Certyfikacja i mikropoświadczenia ▼

Każdy uczestnik, który ukończy kurs, otrzymuje certyfikat U-smile Stats potwierdzający zdobyte kompetencje.

                    🏛️ Dla uczelni: W ramach współpracy kurs może kończyć się wydawaniem mikropoświadczeń (micro-credentials), które są cennym elementem akademickiego CV i potwierdzają zdobycie konkretnych, wąskich kompetencji analitycznych.
                

Certyfikat oraz mikropoświadczenia dokumentują umiejętności w zakresie:

Zaawansowanego modelowania statystycznego
Analizy testów diagnostycznych i krzywych ROC
Analizy przeżycia i regresji Cox'a
Przeprowadzania meta-analizy

📧 usmilestats@gmail.com

📞 +48 661 280 640

🏛️ U-smile Stats – partner w edukacji statystycznej

✉️ Skontaktuj się z nami

FAQ | Polityka prywatności | Kontakt