推免或保研后，入学前的时光常常被忽视。我们特推出本硕衔接预科科研培训，含六大模块。这是一个开放的、公益性的在线学习平台，不仅面向推免生，也欢迎医学科研需打基础的工作者及高年级学生参与，有意者可填报意向表，纳入课程统一学习。
初衷是为全校乃至更广泛群体提供科研基础训练，避免时间荒废，以体系化服务督促主动学习，入学便能上手科研。此培训聚焦预防医学等长学制本硕衔接，融入翻转课堂、PBL 等创新教学法，紧跟科研前沿。初期以天津医科大学为试点探索，未来将拓展至外校师生，期望通过持续积累与优化，打造全新教学模式，开启科研新篇！
R语言简介（2025-01-06）
主要介绍了R语言实战和数据健康科学的科学编程。R语言实战没有结合医学场景，而数据健康科学的科学编程则更注重结合医学场景。会议还提到了美国北卡开发的统计分析系统，以及Python和AI深度学习在数据分析方面的优势。此外，会议还强调了编程规范性和数据管理的重要性，以及向量化编程的倡导。最后，会议强调了实践学习的重要性，鼓励大家在实际项目中逐步提升自己的能力。
1. R语言在公共卫生领域的应用
主要介绍了R语言在公共卫生领域的数据分析和利用的思路，包括R语言背景、安装和软件包、入门运行基本语言逻辑、数据操作等四个部分。同时，强调了通过备课的过程，同学们的学习效果会比其他同学更高一些。内容将包括R和R studio的基本操作、编程基本规范、数据输入管理、统计描述和简单统计推断、R的实现和结果解读、可视化等。教学目标为综合复习理论课的重点和难点，未来数据管理和统计分析都会用到R，需要大家具备基本的知识。
（1）R语言学习与应用实践
主要讲述了R语言的基本应用和统计方法的应用，以及如何通过实例操作和练习掌握这些技能。会议提到了一些学习资源，如R语言实战、北京大学李东峰教授的教程等。同时，强调了在学习过程中要结合医学场景，充分利用各种素材进行学习。此外，会议还提到了AI辅助工具的使用，建议在打基础、学步的时候不要过分依赖AI。最后，会议通过投票了解参会者的编程和统计基础情况，并对大家的学习热情给予了肯定。
（2）编程选择与数据科学应用
讨论了编程语言的选择，特别是R和Python。讲者认为，在数据科学时代，如果不学编程，未来将难以适应工作需求。同时，讲者也提到了SPSS等软件的局限性，认为它们已经过时，而R和Python是更先进的数据科学工具和方法。讲者还强调了编程的可重复性、灵活性和高效性，认为这些特点使得R和Python更适合用于数据管理和统计分析。
（3）数据科学软件选择与应用
这段内容主要讲述了函数的灵活性和可重复性，以及如何利用R语言进行数据分析。讲者强调了定制空表的重要性，以便在数据变化时能够一键生成报告。同时，讲者也提到了未来学习R或Python的趋势，并建议在选择软件时考虑其应用场景和用户需求。最后，讲者对SPSS、Stata、SAS和R语言进行了简要介绍，并预测了未来数据科学的发展趋势。
（4）R与Python的优劣比较
主要对比了R、Python和SAS三个编程语言和工具，从八个方面进行评价：1. 花费；2. 易学性；3. 数据管理能力；4. 图形化能力；5. 扩展性；6. AI深度学习支持；7.用户支持和社区。综合得分，Python最好，R其次，SAS最差。根据趋势，未来可能会有更多人从R转向Python。
（5）R语言在职业发展中的重要性
主要讲述了R语言在数据分析领域的应用和发展趋势。R语言在社会科学、自然科学、工程和计算机科学等领域都有广泛应用，尤其在流行病学家中尤为受欢迎。R语言具有开源、高效、简洁等优点，能够满足复杂的高级模型需求。同时，美国疾控中心和世界卫生组织等机构已经开始使用R语言，这表明R语言是未来的发展趋势。因此，学习并掌握R语言对于个人职业生涯规划具有重要意义。
2. R语言入门
（1）R语言的特点与应用
主要讲述了R语言的基本特点和应用。R语言的所有存在都是对象，所有动作都是函数调用，这是其本质特征。R语言虽然不是严格的函数编程，但可以遵循其原则进行编程。此外，R语言的可视化功能非常强大，可以通过AI辅助生成很多基本程序，提高编程效率。最后，会议还提到了R语言的一些工具包，如GPT等，可以帮助用户快速完成任务。
（2）R语言软件包管理与使用
主要讲述了R语言的安装和包管理。安装过程非常快速，大约五分钟即可完成。界面设计非常漂亮，可以根据个人喜好进行调整。R语言的包管理非常重要，因为它决定了软件的运行效果。R语言的包管理不如SaaS规范，容易导致混乱。因此，在使用过程中，需要自己学习和积累相关知识。在学习过程中，可以通过软件包的使用来体验整个运行机制和逻辑。
（3）R 工作空间管理及编程规范
主要介绍了管理R工作空间的一些基本函数，如set word、get word、list等。同时，讲解了如何下载和安装R软件，以及如何使用table one软件包进行数据处理。此外，还强调了R编程中的内存管理和优化，提醒大家在编写程序时要养成良好的习惯，避免占用过多资源。最后，介绍了R与SAS的区别，如区分大小写、基本元素等，并建议大家在编程时使用间号而非等号进行赋值。
（4）编程规范与项目管理的重要性
主要讲述了编程规范的重要性，强调了编程时要注意大小写、注释、代码结构等细节，以保证程序的可读性和可重复性。同时，提到了在编程过程中要避免一些常见的错误，如大小写错误、路径错误等。此外，还提到了在编程过程中要遵循一定的原则，如边际原则、解题原则等。最后，讲者提醒大家要养成良好的编程习惯，以保证项目的顺利进行。
（5）逻辑判断与数据函数的应用
主要讲述了逻辑判断、数据函数、字符串处理、统计函数等编程基础知识。逻辑判断在编程中非常重要，需要注意细节，避免结果错误。数据函数包括绝对值、平方根、四舍五入等，字符串处理需要掌握拆分、替换等功能。在命名文件时，尽量使用下划线，避免使用特殊字符。最后，讲解了基本操作，如数据对象类型，但不需要手把手教学，只需告诉大家这些知识的重要性。
（6）R语言基础操作与数据管理
主要讲述了R语言的基本操作，包括基本数据类型的含义和区别，如数值型、字符型、逻辑型、因子型和时间型等。同时，介绍了各种类型的转化和对应函数，以及如何进行数据管理。此外，还提到了Excel在统计分析中的应用，并强调了CSV文件在数据存储中的重要性。最后，强调了数据治理的重要性，认为它比统计分析复杂，建议在学习统计分析时，先掌握好数据管理和可视化。
3. R语言学习建议
（1）统计学与编程学习的思考
主要讲述了统计学的学习和编程的重要性。讲者认为，统计学可以帮助人们更好地看待问题，提高学习能力。同时，编程也是现代社会必备的技能，可以帮助人们更好地与计算机沟通。讲者强调了学习编程的重要性，认为编程不仅是编写程序，还需要有结果的解读能力和判断力。此外，讲者还提到了学习编程的方法，即先学习并掌握编程元素和语法规则，然后通过实践和积累来提高自己的编程水平。
（2）编程学习与实践的重要性
主要讲述了编程学习的重要性，强调在学习编程时不要急于求成，而应先掌握基础知识和编程元素，如数据结构、分支循环语句、自定义函数等。同时，要学会遇到具体问题，分析问题，分解问题，并借助实例梳理，根据掌握的编程元素和语法规则翻译成代码并调试通过。此外，还提到了向量化编程的概念，强调学会思考写代码，提高效率。最后，强调了学习快慢不是取决于聪明与否，而是要边干边学，快速达到目标。
（3）编程语言入门与实践
主要讲述了编程学习的全过程，包括入门、模仿、自己编写代码等阶段。强调了在学习过程中，要善于发现问题并解决问题，不能依赖他人。同时，提到了在学习编程时，要关注每一步执行、变量数组数据是否达到预期。此外，还提到了在遇到问题时，要学会分解问题，梳理翻译和调试的过程。最后，强调了在遇到困难时要勇于放弃，及时更换有意义的课题。
（4）R语言编程与数据分析
主要讲述了R语言编程的基本思想，包括基于对象的语言、操作对象、混合编程等。同时，也提到了R语言的易学性，认为只要一两个月的时间，就可以掌握基本的编程技能。此外，还强调了编写函数的重要性，认为编写函数是一个锻炼的过程，可以积累经验。最后，提到了在实际应用中，可以根据需求选择合适的函数和包。
（5）R语言函数使用与编程思维
主要讲述了GLM、link函数、生存分析等概念，强调了函数性思维的重要性，即任何可重复的任务都应该通过编写函数来完成。同时，提到了向量化思维，即利用线性代数知识进行计算，以提高效率。此外，还提到了使用AI工具辅助编写R代码，但要注意不要依赖AI，而是要自己积累基础。最后，建议大家在使用AI工具时，要理清思路，明确要完成的工作，以达到预期效果。
（6）AI在编程工作中的应用与挑战
主要讲述了AI工具在编程工作中的应用，如ChatGPT可以帮助完成一些复杂的代码功能，提高工作效率。同时，也强调了学习的重要性，认为未来社会将越来越卷，需要不断提升自己的竞争力。讲者以程序员和统计师为例，说明了在高级别时，人应该具备判断力和决策力，而不是仅仅依赖AI工具。最后，讲者提醒大家在学习过程中不要偷懒，要有自己的想法和思路。
（7）人工智能在数据科学领域的应用
主要讲述了未来社会或团队管理、论文写作等方面，强调了AI工具在基础工作上的帮助，如数据处理、图表绘制等。同时，也提到了行业未来的大变革，提醒大家要有危机意识，不断学习和提升自己的能力。此外，还提到了豆包辅助分析工具，可以帮助学生更好地理解和应用相关知识。
（8）AI辅助学习与编程的误区
主要讲述了AI辅助在数据处理中的应用，强调了数据管理的重要性，以及如何提高效率。同时，也提醒大家在使用AI辅助时，不能过于依赖，要自己掌握判断能力。此外，还提到了R学习的难点和挑战，以及如何通过不断实践和努力，逐步提高自己的编程水平。最后，强调了编程需要细心和判断力，以及大刀阔斧的胆识。