Nyári R meetup

Sólymos Péter (https://sites.google.com/site/psolymos/) (ökológus, R programozó, egy tucat R csomag szerzője, köztük dclone, mefa4 és vegan): Adat klónozás: híd a Bayes-i és frekventista statisztikai paradigmák között

A hierarchikus modellek felhasználása sokrétű, a kevert modellek illesztésére szolgáló csomagok az R legnépszerűbb tartozékai (pl. lme4). A nem standard modellek illesztése azonban problémákat rejt az átlag felhasználó számára (sokdimenziós integrálok, deriváltak számítása). Ezzel szemben a Bayes-i módszerek térhódítása ezen a területen az MCMC algoritmusoknak és a felhasználó barát szoftvereknek köszönhetően töretlen. Az adat klónozás egyesíti a frekventista és Bayes-i számítási módszerek előnyeit: felhasználó barát szoftverek segítségével lehet frekventista (maximum likelihood) eredményeket nyerni. Ezekért az előnyökért az árat számolásigényben kell megfizetni, hiszen az adatok klónozása révén nyomjuk el a prior eloszlás hatását. Az előadásban a dclone R csomag használatával klasszikus BUGS példákon keresztül mutatom be az adat klónozás algorimus működését és azt, hogy hogyan lehet parallel módon csökkenteni a számítások időigényét. Röviden kitérek a dcmle csomag nyújtotta fejlesztői környzetre is.

Merész Gergő (https://www.linkedin.com/pub/gergo-meresz/31/8ba/3b5) (egészség-gazdaságtani elemző, az ELTE-TáTK óraadó oktatója, a Syreon Kutató Intézet munkatársa): Vizsgálati helyszínek térbeli elrendeződésének ábrázolása

A klinikai gyógyszerkutatások a gyógyszerfejlesztés folyamatának egyik legköltségesebb, és talán a legértékesebb információkat szállító fázisa. A kutatási helyszín kiválasztása a vizsgált eljárás sikerességének szempontjából kulcsfontosságú, továbbá a fogadó helyszín betegei, egészségügyi személyzete, gazdasága számára gyakran magas hozzáadott értéket képvisel a kifejlesztés alatt álló technológiához való hozzáférés, illetve a kutatáshoz szükséges, helyben vásárolt termékek szolgáltatások formájában.
A gyógyszerkutatásokhoz kapcsolódó óriási mennyiségű érzékeny információ miatt azonban keveset tudunk a helyszín kiválasztásának gyakorlati szempontjairól. Adott azonban némi, nyilvánosan hozzáférhető adat (a ClinicalTrials.gov oldal adatbázisa), melyek alapján az R rugalmas online adatgyűjtési, rendszerezési, ábrázolási képességeit kihasználva lehetséges megállapításokat tenni a klinikai kutatások helyszínének kiválasztásával kapcsolatban.

További előadások címszavakban:

• Google Maps, geokódolás és térképezés R-ben

• A 2048 játék megoldása R-ben (http://www.r-bloggers.com/play-2048-using-r/)

• Beszámoló a useR! 2014 (http://user2014.stat.ucla.edu/) konferenciáról

A helyszín és a végleges program még egyeztetés alatt áll, további ötleteket és felajánlásokat örömmel várok a daroczig rapporter net címen.