STIN300 Statistisk programmering i R

Studentene skal ved fullføring av kurset beherske en programmeringsbasert tilnærming til statistisk dataanalyse i R. Studentene skal kunne visualisere og manipulere data og lage egne funksjoner som benytter/modifiserer tilgjengelige funksjoner for å løse spesielle problemer som ikke kan løses med standard kode. Studentene skal også kunne presentere sine analyseresultater i en oversiktlig og vitenskapelig form, ved hjelp av tekst og grafikk.

KUNNSKAPER: Studentene skal få

• forståelse av hvordan programmering kan automatisere krevende statistiske beregninger.
• kjennskap til begrepsapparat, syntaks og konvensjoner for å beskrive, tilpasse og tolke statistiske modeller i R.

FERDIGHETER: Studentene skal kunne

• tolke output av R sine statistiske modelleringsfunksjoner, f.eks. lm() for lineær regresjon.
• lese inn data i ulike filformater som Excel, kommaskilt tekst, FASTA.
• lage egne funksjoner som benytter tilgjengelige funksjoner for å løse problemer som ikke kan løses med standard kode.
• presentere resultater av statistisk analyse i en vitenskapelig, oversiktlig form gjennom reproduserbare, kjørbare rapporter som fletter sammen forklarende tekst, programkode og output som tabeller og grafikk.
• feilsøke problemer ved å lokalisere feil, reprodusere feilen på en mindre delmengde av problemet, steppe gjennom kode linje for linje osv.
• orientere seg i dokumentasjon og hjelpetekster for R-pakker som implementerer statistiske metoder som studenten har kjennskap til.

GENERELL KOMPETANSE: Studentene skal være rustet til å anvende statistiske metoder i R på datasett som kommer dem i hende gjennom senere studier og arbeidsliv. Dette innebærer å få dataene inn i R, tilrettelegge dem på den form analysefunksjonene krever, kjøre analyser med hensiktsmessige innstillinger, og tolke og presentere resultatene i en form som er nyttig for sluttbrukeren.

Innføring i programmering, f.eks. STIN100 Biologisk data-analyse eller INF120 Programmering og databehandling.

Statistikk utover grunnkurs. STIN300 underviser ikke primært statistikk, men veileder deg i å bruke statistiske metoder på egne data ved hjelp av R.

Statistikk tilsvarende C i STAT100. Enkel lineær regresjon og variansanalyse bør være kjent.

Du forventes å være kjent med filsystemet, tastaturet, nettleseren og datamaskinen din.

Vi forventer rundt 80 studenter i starten av kurset. Et godt rom vil være Festsalen på Samfunnet, møblert med bord til 2 eller 4 studenter, evt 8 om nødvendig av brannvernhensyn. Andre rom som til nød kan brukes er T230, T330, U203, U302.

Forslagene til rom styres av kursets praktiske behov (identisk med STIN100):

• Rom med flatt gulv og mulighet for å gå mellom pultene, så vi kan bistå side ved side, og studentene kan jobbe i par med datamaskin. Kan til nød bruke skrått auditorium med studenter på annenhver rad, bare pultene har plass til laptop.
• Mulighet for å projisere forelesers laptop med lyd og bilde.
• Projektor som er leselig på bakerste benk.
• Mange ladepunkter til laptop som brukes av alle studenter gjennom timene, enten fastmontert eller på strømskinne/tårn.
• Ønskelig: Tavle, ideelt sett to som kan skyves opp (som T230) med fungerende tusjer.
• Ønskelig: Fysisk pekestokk.

Mappevurdering.

Bestått/ikke bestått basert på tester og rapporten med en analyse av et datasett fra ditt eget fagfelt. Alt må være godkjent. Godkjente tester gjelder bare i inneværende semester.

K3, med følgende utdyping:

Retningslinjer for bruk av kunstig intelligens (KI): Du oppfordres til å bruke KI-verktøy for å støtte din læring, som å få ideer, forbedre språket ditt eller lage skisser av algoritmer. Merk at alt arbeid du leverer inn må være et resultat av din egen forståelse og innsats. Å kopiere og lime inn innhold direkte fra KI uten betydelig personlig bidrag, redigering eller diskusjon er ikke tillatt. Begrunnelse: Å bruke menneskelig tilbakemelding på arbeid som er generert av maskiner, undergraver universitetets rolle som et sted for ekte læring og personlig utvikling.

Lærere er tilgjengelige i sanntidsøkter første halvpart av hver dag, mens på ettermiddagen jobber dere på egen hånd eller i selvorganiserte grupper. Del oppmerksomheten mellom å planlegge rapporten om egne data, og å studere opplæringsdokumenter, lærebøker og R-dokumentasjon for å tilegne deg de nødvendige ferdighetene.

De første to formiddagene vil være introduksjon og "live-kode" sammen, slik at alle kommer godt i gang i programmeringsverktøyet RStudio. Så blir arbeidsformen mer friere utover kurset, både med forelesninger og undervisningsfilmer.

Du vil få veiledning i å formulere effektive spørsmål, som er en nøkkelferdighet fordi det 1) hjelper andre å hjelpe deg og 2) hjelper deg å hjelpe deg selv. Dette kommer vi tilbake til gjennom hele kurset.

Kurssidene i Canvas lenker til daglige øvingsdokumenter, ulike guider og frie lærebøker på nett.

Bortimot alle R-funksjoner har utfyllende dokumentasjon med kjørbare kode-eksempler. Du vil lære å finne fram i hjelpesystemet i R, lede deg selv gjennom eksemplene, og overføre dem til dine egne utfordringer.

Nettforum som Stack Overflow og diverse KI-verktøy tilbyr gratis ekspertstøtte. Du vil lære å søke blant eksisterende svar, og hvordan du kan beskrive problemer tydelig nok til at det blir mulig for andre å hjelpe.

Still spørsmål i Diskusjoner i Canvas. De vil bli besvart; enten i Canvas eller i fellesdiskusjoner.

Lærere er tilgjengelige hver dag fram til tolv.

Det er ikke noe fast pensum; det viktige er at du når læringsmålene fra ditt eget forskningsfelt. Om du lærer fra øvingsdokumenter, lærebøker eller selvstudium av hjelpetekster er opp til deg. Disse frie lærebøkene er nyttig referansestoff:

• Hands-on programming with R (aller viktigst, særlig om du har programmert lite før)
• R for data science (dekker viktige pakker fra tidyverse)
• ggplot2: Elegant Graphics for Data Analysis (dekker datagrafikk-pakka vi bruker mest)
• Fundamentals of data visualization (fokuserer mer på konsepter enn på bestemte programmer)
• An introduction to statistical learning (fint oppslagsverk om statistiske metoder)

Liker du å ha bøker på papir, kan du kjøpe dem på Amazon.