After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
독감에 노출된 뒤 증상이 나타나기까지 얼마나 걸릴까요? 사람들이 언제 감염됐는지 모를 때는 어떻게 해야 할까요? 급여와 워라밸이 직원 이직 속도에 영향을 줄까요? 현실의 많은 과제는 특정 사건이 발생할 때까지의 시간을 견고하게 추정해 통찰을 얻기 위해 survival analysis가 필요합니다. 이 강의는 survival analysis의 기본 개념을 소개합니다. 실습을 통해 Kaplan-Meier, Weibull, Cox PH 모델을 사용해 생존 곡선을 계산하고, 시각화하고, 해석하고, 비교하는 방법을 배웁니다. 강의가 끝나면 생존 분포를 모델링하고 보기 좋은 생존 곡선 그래프를 만들며, 생존 기간을 예측할 수도 있게 됩니다.
사전 요구 사항
커리큘럼
코스 개요
1
Survival Analysis 소개
Survival analysis는 어떤 문제를 해결하며, 검열(censoring)이란 무엇일까요? 이 장에서는 survival analysis 데이터를 탐색하고, 생존 곡선을 만들며, 생존 시간의 기본 추정을 수행하면서 이러한 질문에 답해 보겠습니다.
2
생존 곡선 추정
이 장에서는 Kaplan-Meier 모델이 어떻게 동작하는지, 그리고 이를 적합하고 시각화하며 해석하는 방법을 배웁니다. 이어서 범주형 변수가 생존에 미치는 영향을 탐색하기 위해 이 모델을 적용하고, 로그 순위 검정 같은 가설 검정 방법으로 분석을 보완하는 방법도 익힙니다.
3
Weibull 모델
모수적 모델로 사건 발생까지의 시간 데이터를 어떻게 모델링하는지 알아봅니다. Weibull 모델과 Weibull AFT 모델을 사용하는 방법과 각각의 용도를 학습합니다. 생존 회귀를 사용해 공변량이 생존 함수에 미치는 영향을 추론하고, 내 데이터에 가장 적합한 생존 모델을 선택하는 방법을 익힙니다.
4
Cox PH 모델
또 다른 장, 또 다른 모델입니다! 마지막 장에서는 비례 위험 가정과 그것이 Cox Proportional Hazards 모델의 적합과 해석에서 어떤 역할을 하는지 배웁니다. 또한 Cox Proportional Hazards 모델을 사용해 새로운 대상의 생존 시간을 예측하는 방법도 학습합니다.
Python에서의 Survival Analysis
코스
완료
