Ana içeriğe atla

Kurs

Python ile Survival Analysis

İleri SeviyeBeceri Seviyesi

Güncel 06.2024

Hayatta kalma analizini kullanarak olay zamanı verileriyle çalışın ve hayatta kalma süresini tahmin edin.

Kursa Ücretsiz Başlayın

PythonProbability & Statistics

4 sa

16 video

48 Egzersiz

3,850 XP

5,830

Başarı Belgesi

Binlerce şirketten öğrencinin sevgisini kazandı

Bir Ekibi Eğitiyor musunuz?

İşletmeler için deneyin

Kurs Açıklaması

Grip virüsü bulaştıktan sonra belirtilerin ortaya çıkması ne kadar sürer? Peki ya insanların virüsü ne zaman kaptığını bilmiyorsan? Maaş ve iş-yaşam dengesi çalışan devir hızını etkiler mi? Gerçek hayattaki pek çok sorun, bir olay gerçekleşene kadar geçen süreyi güvenilir biçimde tahmin etmek ve zaman-olay dağılımlarından içgörü çıkarmak için survival analysis gerektirir. Bu kurs seni survival analysis’in temel kavramlarıyla tanıştıracak. Uygulamalı alıştırmalarla Kaplan-Meier, Weibull ve Cox PH modellerini kullanarak survival eğrilerini nasıl hesaplayacağını, görselleştireceğini, yorumlayacağını ve karşılaştıracağını öğreneceksin. Kursun sonunda, survival dağılımlarını modelleyebilecek, survival eğrilerinin etkileyici grafiklerini oluşturabilecek ve hatta survival sürelerini tahmin edebileceksin.

Önkoşullar

Introduction to Regression with statsmodels in Python Hypothesis Testing in Python

1

Survival Analysis’e Giriş

Survival analysis hangi problemleri çözer ve sansürleme nedir? Bu soruları yanıtlarken survival analysis verilerini keşfedecek, survival eğrileri oluşturacak ve sağkalım süresine dair temel tahminler yapacaksın.

Sağkalım analizi nedir?

Survival analizi hangi problemleri çözer?

Survival analizi için doğru veriyi seç

Neden survival analizi kullanılır?

Sansürleme türünü belirle

Sansürlü veriyi ön işleme

Sansürlü verilere ilk bakış

İlk survival eğrini çiz!

Bir sağkalım eğrisi çiz

Demokrasi çok yaşa!

Bölümü Başlat

2

Survival Eğrisi Tahmini

Bu bölümde Kaplan-Meier modelinin nasıl çalıştığını ve onu nasıl uydurup görselleştirip yorumlayacağını öğreneceksin. Ardından bu modeli, kategorik değişkenlerin survival üzerindeki etkisini incelemek için uygulayacak ve log-rank testi gibi hipotez testi yöntemlerini kullanarak analizini nasıl güçlendireceğini öğreneceksin.

Kaplan–Meier kestiricisini uydurmak

Kaplan-Meier tahminleyicisi nasıl uyarlanır?

Kalp hastalarında sağkalım

Kaplan–Meier modelini görselleştirme

Sağkalım eğrisini çizme

Hastalarda ağrı tedavisi

Gruplara sağkalım analizini uygulama

Senatörlerin görev süresi

Hastaların ağrı tedavilerini karşılaştırma

Log-rank testi

Log-rank testi için uygun veriler

Sağkalım eğrilerini çizme ve karşılaştırma

Log-rank testi

Bölümü Başlat

3

Weibull Modeli

Zaman-olay verilerini parametrik modellerle nasıl modelleyeceğini keşfet. Weibull modelini ve Weibull AFT modelini nasıl kullanacağını ve hangi amaçlara hizmet ettiklerini öğren. Kovaryatların survival fonksiyonunu nasıl etkilediğine dair çıkarım yapmak için survival regresyonunu kullan ve verilerin için en iyi survival modelini seçmeyi öğren.

Weibull modelini uydurma

Weibull ile hapishane verilerini modelle

Weibull model parametrelerini karşılaştır

Eş değişkenli Weibull modeli

Kalp hastalarının özelliklerini analiz et

cinsiyet-LVDD etkileşimini keşfet

Weibull modeliyle görselleştirme ve tahmin

Önceki tutuklamalar yeniden tutuklanma oranını nasıl etkiler?

Yeniden tutuklanma oranını tahmin et

Diğer dağılımlar ve model seçimi

Uygunluk ne kadar iyi?

Parametrik bir model seç

Bölümü Başlat

4

Cox PH Modeli

Bir bölüm daha, bir model daha! Bu son bölümde orantılı hazard varsayımını ve Cox Orantılı Hazardlar modelini uydurup yorumlamada oynadığı rolü öğreneceksin. Ayrıca Cox Orantılı Hazardlar modelini kullanarak yeni deneklerin survival sürelerini nasıl tahmin edeceğini de öğreneceksin.

Cox Orantılı Riskler modelini uydurma

Cox PH ile hapishane verilerini modelle

Özel Cox PH modeli

Cox PH modelini yorumlama

Cox PH modelinde sağkalım süresi

Kovaryat etkilerini sağkalım üzerinde çiz

Orantılı tehlikeler varsayımı

KM eğrileriyle PH varsayımını test et

PH varsayımını otomatik olarak test et

Cox PH modeliyle tahmin yapma

Çalışan ayrılma (churn) çalışması

Gitmeden önce tahmin et!

Bölümü Başlat

Python ile Survival Analysis

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve Python ile Survival Analysis eğitimine başlayın!

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.