改版并重新录制的R语言数据挖掘大课来啦！
我们的生信数据挖掘课更新版来了！
课程目前已经迭代多次，是个有体系的课程，对于初学者比较友好。
整个课程的设计和迭代，依托于两句话。
第一: 美图虽好，不是首选。
我们在一开始就强调过：
尽管漂亮的图表是刚需，无论基金还是文章都需要，却是初学者最不应该学的。初学者应该把有限的精力用在数据清理上。R语言的特点就是R包多，我们只要把数据调整到R包需要的格式，就可以轻易做出漂亮的图片。
所以，这门课不会教某一个图的画法，而是尝试教会大家任意常见图的画法，这在其他软件里面可能性很小，但是R语言可以做到。因为我们有R包！
借助于前人的智慧，我们可以轻松地画出以下的图片：
从转录本层面给出某个mRNA或者lncRNA在癌症亚型配对样本中的表达
某个基因和免疫浸润细胞的相关性作图
基于lasso的模型构建系列图
重点在这！
所以，R语言初学者最重要的技能是数据调整，这是架设在已知和未知间的桥梁。正因为有了这样的理念，我们的课程有了灵魂，我们知道了技能的优先主次，我们从不花大量时间挨个去一张张教作图。
第二：好的课程，要让学员觉得自己牛逼，而不是让学员觉得讲师牛逼。
这句话极其有魔力，只要看过一遍，你就不能适应课程中讲师炫耀的环节。
培训，首先要要保证的是学员是否能有收获，脱离了当前的例子，是不是能把数据处理和转换的能力泛化。
每次想到这句话，我就知道应该用浅白的语言体系来描述知识点以及授课，
比如关于因子的部分，我只讲了两个知识点，一是因子就是分类器，二是因子如何排序：
在讲order和sort区别的时候，干脆做了个动画，讲清楚为什么sort返回的是数值，order返回的是位置。
在讲数据结构的时候，我想化繁为简，提出向量，矩阵，数据框，列表本质上都是一个东西，是挂在晾衣绳上的小盒子：这样我们就能理解，对于data.frame而言，为什么names()和colnames()返回的结果一样，为什么获列的时候df[,1]和df[1]的结果也一样，
还有，对于批量读入的数据如果存为列表，可以使用do.call(cbind，list)把列表变成数据框，因为本质上他们都是一个结构。
这样还不够，为了让学员相信，只要愿意，每个人都可以通过检索画出美图，我们和学员一起配合，从零开始，
只用学员给出的关键词检索网络，画出如下的火山图，学员们自己都不敢想象！
既然检索这么有魅力，我们索性在课程中穿插讲解了检索的实际运用，
没有哪个大神是别人教出来的，他们都是在入门后自学成才。自学过程中，检索是最重要的技能。
- 我们教过大家如何用检索解决R语言报错
- 如果通过检索获取想要的资源和教程
- 如何用检索查询本领域的数据，无论你是心内科还是神内科，都有数据可用
- 我们还展示过一次无敌人肉
上课后就会听到学员的反馈，我也很开心
第一个，博士陪伴
第二个，双基金
第三个，持续成长
拥有自己解决问题的信心，觉得自己牛逼，心里有满满的膨胀感，这才是这个课程想要达到的效果。
最高光的时刻是这个：有一个小姑娘，她直到上课时，都不知道数据挖掘是什么，一脸懵圈。
但是令人欣慰的是，她回去后不停学习，现在把文章也投了。
知道我要去北京，她送了本书给我，还带了一张满带感情，让我欣慰的卡片:
学完课程并掌握后能收获什么技能？
- 没有课题的时候找到课题，没有机制的时候挖掘机制。
- 为基金申请保驾护航，发表paper如虎添翼
- 掌握R语言的核心技能，掌握批量分析数据的能力，掌握自我迭代的思维体系
- 掌握表达谱芯片数据，RNAseq转录组数据，甲基化芯片数据，GEO数据库和TCGA数据库等数据的处理
- 科研绘图：常见科研需求自我满足不求人，特殊需求实现自己定制高端大气。
这是一份带有诚意且注重实战的数据挖掘课程。我们的目标是：一次学习，不再报班。
涉及议题：
- 如何使用生物信息学，在没有课题的时候如何找课题，在没有机制的找机制？
- 科研中细胞系处理的两大刚需，加药以及基因敲减，有什么好的分析方案可以让我们精准定位到下游核心分子？
- 为什么大部分公司给的分析结果都用不了啊，导师和我都很着急，怎么处理才能够变废为宝？
- GEO表达谱芯片数据如何挖掘分析，才能避免画个热图火山图，聚类图就草草了事？
- TCGA数据库中的数据，如何从下载到分析，到变成可以任意基因任意癌症轻松出图的清洁数据？
- 生存分析的多种方案，包含一个基因的生存分析，两个基因的生存分析，一群基因的生存分析，8秒完成2万个基因的批量相关性分析。
- 如何学会编程的看家本领，让重复的工作批量执行（批量分析，批量作图，批量处理文件）？
- 构建临床预后模型的完整方案是什么？
- 课题组比较关心免疫浸润分析，目前有哪些方案可以提供？
- 我入门的有点晚了，数据都被别人挖完了，有什么开挂的解决方案？
- 为什么做KEGG富集分析的时候，肝癌的数据会聚类出系统性红斑狼疮通路，我该怎么解释？
- 给你一个基因，在不做实验的情况下，你对他能了解到什么程度，以及能产生多少可放在文章中的数据？
- 给你两个基因，在不做实验的情况下，你对他们之间的关系能了解到什么程度，以及能产生多少可放在文章中的数据？
- 给你一群基因，在不做实验的情况下，你对他们能了解到什么程度，以及能产生多少可放在文章中的数据？
- 我做基础研究的，老板不需要纯生信的文章，数据挖掘怎么才能得体的用到自己课题上面来啊？
- 差异分析是数据挖掘的灵魂，那么小样本，大样本，配对样本，多分组样本的差异分析怎么做？
- GSEA分析是富集分析的神器，他好在哪里，如何使用？如何用GSEA给自己的课题提速？
- ceRNA如何分析，分析的前提是要掌握mRNA，lncRNA，miRNA的分析
- 目前的signature文章中有哪些埋好的雷等着你去踩？
- 那么多的GEO平台，如何以不变应万变地进行探针ID转换？
- GEO多芯片数据如何批次矫正？
- 为什么ssGSEA算法是批次效应的终结者？
- 如何使用Guilt of association 方案注释手上的长链非编码RNA？
- 单基因GSEA的用途在哪里？为什么出来的结果跟我想要的不一样？
- 我手上的样本有点多，WGCNA怎么做？
- 如何才能提取出转移和非转移配对的TCGA样本出来进行下一步分析？
- 我想进一步学习，但不想到处折腾了，有哪些你珍藏的资源推荐？
- 你是通过什么途径学会自己想要的技能的？有什么固定的流程么？
课程设计：
这么多内容怎么讲得玩呢？
讲不完，我们只能合理设计，增加时长了。
我们根据科研人学习的四个层面，把课程分成了四个部分。
第1,学会手把手教学的技能：
这一部分是就是大课的主体部分，
授课的时长是2天1晚，总共40节课
有些人是需要别人陪伴才能学习的，因此本次更新是全程带妆出境的。
第2,看视频学会技能：
该部分课程需要前面的基础，属于应用部分的技能。
GEO高级技能，TCGA的临床信息，生存信息，表达探索，模型构建，单基因功能探索都在这里。
这是重新录制的部分，目前没有人看过。
也是40个视频左右。
第3,看文字学会技能：
我们在课程的文档中穿插了100个文字教程，解决一些小而精巧的问题.
这部分技能训练的是学员自学的能力，有利于让学员形成自我迭代的能力。
在数据挖掘的过程中，并不是每一个技能都能找到合适的教程。
生信工作者长期在做的事情就是阅读文档。
以下是一些经典的技能：
我喜欢的gather快要被淘汰了，迎面走来了更好用的宽长转换工具
group_by和summrise连用后，分组计算就很方便。
30分钟的教程写了13年，被名字耽误的正则表达式！
第4,学会没有人教的技：
课程结束后布置涉及到高频操作的家庭作业，作为对课程的巩固和升华，需要学员在一月内提交然后讲师团队评阅。
这部分习题没有标准答案，类似于开放课题，要求学员通过自我学习，互相合作来完成。
学会没人教的技能，是数据挖掘的常态，你不能老是重复别人的套路，因为**"既是套路，就为俗物，终将废物"**。
我们希望将来在你思路到了的时候，要有能力从源头用代码来实现，而不是碰到了报错完全懵圈，不知进退。
这是数据挖掘的终极技能。
此外我个人也开启了GZ系利提高课程的开发，
本次更新中，所有新学员都将获得GZ课程的前三个。
分别是，泛组织相关性分析，批次矫正，探针转换。
其中泛组织相关性分析最近刚刚更新过，是技能练习的绝好材料。
实用！跟CELL文章一起学习任意基因集打分的泛组织相关性可视化
这样，总共100个视频的学习量，我们重新开始。
全套更新课程中，包含了视频，数据，代码，结果。
看到大家半途而废，经常反复参加别人的课程，挺心疼的，但是碍于面子又不好讲明。
我要强调一下，这些就是我会的全部技能了，我处理数据就只用到我讲到的技能，我没有感到束缚。
有了这些基础，我还可以很快学会其他技能。
我跟大家如果在R语言上有区别的话，可能是两个。
第一，我教了3年R语言，对基本操作十分熟悉，
当前很多问题，我脑子想不清楚的，双手放在键盘上就可以自动产生代码。
这是很神奇的体验(大概率是没有经历无法相信的体验)。
第二，突破了新手村后，我更加关注技能所能解决的问题，而不是掌握技能本身。
当前课程是重新录制的适合从零开始学习的视频教程，
支持新学员直接购买，支持长期答疑，可开发票。
GZ00_果子数据挖掘大课 (点击直达！)
有任何疑问，请加我微信guotosky盘问。
https://shop449275017.v.weidian.com/item.html?itemID=4410312838
如果你是老学员，并且认同授课理念觉得靠谱，欢迎推荐给身边关系好的并且有需求的人。
但是，不需要劝说别人过来上课，当你们在推荐时，本质上搭上了自己的信誉，
我希望你们确实是因为这个课程受益，而不是抹不开情面。