Workshops & Seminare

Die folgenden Kurse sind für Wissenschaftlerinnen und Wissenschaftler gedacht, die ein solides Verständnis der geeigneten statistischen Methoden aufbauen wollen, um aus den eigenen Daten in ihrem jeweiligen Arbeitsgebiet neue Erkenntnisse zu gewinnen. Dies bietet eine fundierte Grundlage für eine gute statistische Praxis und die Generierung von datengetriebener Evidenz durch Forschung.

Grundlagen der Biostatistik

Dieser Kurs vermittelt jungen Forschern in den Naturwissenschaften ein grundlegendes Verständnis der Statistik.

  • Deskriptive Statistik & Graphiken
  • Prizip des statistischen Testens
  • Statistical tests & interpretation
  • Evaluation von Fold-Change Daten
  • Korrelation und Regression
  • Studiendesign und gängige Stolpersteine
Details

Gute statistische Praxis

Hilfestellung für Forscher beim Verstehen der häufigsten Fallstricke und Missverständnisse bei der Durchführung statistischer Analysen und der Kommunikation von Ergebnissen.

  • Identifizieren uninformativer oder irreführender Diagramme
  • Hierarchische Datenstrukturen
  • P-werte und ihre Einschränkungen
  • Statistische Significanz vs. biologische Relevance
  • Adjustierung für multiples Testen
Details

Fortgeschrittene Biostatistik

Dieser Kurs befasst sich mit fortgeschrittenen biostatistischen Fragestellungen einschließlich einiger theoretischer Hintergründe und praktischer Anwendungen.

  • ANOVA & Gruppentests
  • Regressionsmodelle
  • Supervidierte Methoden (Klassifikation & Vorhersage)
  • Unsupervidierte Anstätze (Clustering, PCA, ...)
Details

Einführung in statistische Prgrammierung mit R

Eine sanfte Einführung in die Funktionsweise von R und Rstudio zur Datenanalyse.

  • Objekte, Funktionen & Hilfe
  • Datenimport
  • Deskriptive Statistik
  • Erste graphische Darstellungen
  • Variablentransformationen
  • Eigene Funktionen schreiben
  • Erste statistische Analysen
Details

Identifikation von Subgruppen mittles Omics-Daten

Ein Überblick über unsupervidierte Methoden zur Identifizierung von Untergruppen in Omics-Daten mit Hilfe von Bioconductor und der Programmiersprache R.

  • Unsupervidiertes Lernen
  • Clustering Techniken
  • Dimensionsreduktion
  • Visualisierung & Interpretation
  • Validität und Stabilität
Details

Icons licensed under CC BY 4.0.  © Laura Reen

Genau das ansprechen, was Ihre Teilnehmer brauchen...

Das Spektrum der behandelten Themen, Inhalte und die Dauer des Workshops können so angepasst werden, dass sie genau auf die Bedürfnisse Ihrer Teilnehmer zugeschnitten sind. Setzen Sie sich mit mir in Verbindung und lassen Sie mich wissen, welche Themen für Ihre Gruppe am relevantesten sind.

Kontaktaufnahme

Was die Teilnehmer sagen

Super zufrieden mit dem Kurs! Themen, von denen ich dachte, dass sie sehr schwierig sein würden, wurden sehr gut erklärt.

Enthusiastischer Referent! Es hat immer Spaß gemacht, zuzuhören, und ich habe viel gelernt.

Dank der Energie des Trainers, der bisher interessanteste Statistikkurs!

Great course, perfect lecturer, easy to understand. Now I know what the p-value is.

Häufig gestellte Fragen

Die Kursgrößen variieren je nach Format und Kursinhalt.

Für Statistikkurse mit im Seminarformat, wie z.B. Grundlagen der Biostatistik und gute statistische Praxis, empfiehlt sich eine Teilnehmerzahl zwischen 10 und 50 Personen. Diese Gruppengröße ermutigt die Teilnehmer oftmals miteinander zu interagieren und sich an Diskussionen zu beteiligen.

Für Seminare mit praktischen Programmierübungen (z.B. Einführung in R, Analyse von Omics-Daten und Identifizierung von Subgruppen) sind Gruppengrößen von 8 bis 20 Personen vorzuziehen. Dadurch wird sichergestellt, dass individuelle Programmierfragen schnell angesprochen und gelöst werden können.

The statistics courses, such as Basic Principles of Biostatistics and Good statistical practice, are intended for young life-science researchers and do not require any particular statistical knowledge. High school level mathematics suffices, as these seminars intend to establish an understanding of basic statistical aspects that researchers are confronted with during their own work and in scientific publications.

Ebenso ist der Workshop Einführung in R für absolute Anfänger gedacht und erfordert keine Vorkenntnisse in der Programmierung. Die Teilnehmer sollten ihren eigenen Laptop für die Übung mitbringen.

The seminars involving programming sessions with Bioconductor (e.g. Analysis of Omics data, and Subgroup Identification) require a basic understanding of statistical concepts and some prior experience with R programming. These courses are not useful for participants with no knowledge of R. Participants should bring their own laptop for the practical session.

Bei allen meinen Kurstypen bin ich bestrebt, ansprechende und lohnende Lernerfahrungen zu vermitteln. Ich ermutige die Studierenden zur Diskussion und Interaktion durch den Einsatz von Umfrage-Software, die von bisherigen Teilnehmern begeistert aufgenommen wurde. Ich finde es auch wichtig, eine einladende Atmosphäre zu schaffen und genügend Zeit für Interaktion und Fragen einzuplanen.

Wenn ich einen vollen Seminarraum vor mir sehe, ist mir bewusst, dass sich jeder Teilnehmer aus extra Zeit seinem vollen Terminkalender genommen hat, um diesen Kurs zu besuchen. Daher ist es mein Ziel, das Seminar zu einer bereichernden Erfahrung zu machen, indem ich auf die Bedürfnisse der Teilnehmer eingehe und dafür sorge, dass sie die richtigen statistischen Werkzeuge erhalten, die sie benötigen, um erfolgreiche Wissenschaftler zu werden.

Das Honorar variiert je nach Kursinhalt, Format und Länge. Setzen Sie sich mit mir in Verbindung, um Ihren speziellen Fall zu besprechen, und ich werde Ihnen gerne einen Kostenvoranschlag unterbreiten.

Ja, alle Kurse können je nach den Präferenzen der Teilnehmer entweder auf Deutsch oder auf Englisch gehalten werden.

Ich kann einigermaßen flexibel sein und mich nach Ihrem Veranstaltungskalender richten. Lassen Sie uns kurz darüber sprechen, welche Termine Sie im Auge haben, und ich werde sehen, was ich tun kann.

Die Seminare finden in der Regel in Ihrem Institut bzw. Ihren Räumlichkeiten statt, sowohl um die Organisation zu erleichtern als auch um Kosten zu sparen - ich bin jedoch offen für andere Optionen, die Sie vielleicht besser geeignet finden.

Ich habe meinen Sitz in der Nähe von Heidelberg und kann überall in Deutschland und der Europäischen Union Kurse geben. Orte wie Frankfurt, Darmstadt, Mainz, Wiesbaden und Mannheim sind innerhalb einer Stunde leicht zu erreichen, so dass ich an diesen und ähnlichen Orten keinen Hotelübernachtung benötige.

Ausgedehntere Reisen können gern in Betracht gezogen werden, erfordert jedoch eine angemessene Vorankündigung und Unterstützung auf Ihrer Seite.

Ein normaler Konferenzraum ist völlig ausreichend: ein Projektor, gute Sicht und Akustik, WiFi.

Für Seminare mit praktischen Programmiersitzungen (z.B. Einführung in R, Analyse von Omics-Daten und Identifizierung von Subgruppen) werden ausreichend Steckdosen für Laptops der Teilnehmer benötigt.

Lassen Sie uns über Ihr nächstes Seminar oder Ihren nächsten Workshop sprechen.

    An welchen Kursangeboten sind Sie interessiert?
    Grundlagen der BiostatistikEinführung in statistische Prgrammierung mit RAnalyse von Omics-Daten mit Bioconductor und RIdentifikation von Subgruppen mittles Omics-DatenGute statistische PraxisSonstiges

    Small quiz to show you're not a robot:

    Menü schließen

    Grundlagen der Biostatistik

    This course establishes a fundamental understanding of statistics for young researchers in life sciences. It clarifies basic concepts of statistics that are commonly encountered in scientific publications. The goal is to give participants a firm understanding of basic statistical concepts as well as to sensitize them to common errors and pitfalls.

    Prerequisites: High school level mathematics, no particular statistical knowledge required.

    Content:

    • Descriptive statistics: plots, measures of location and variation
    • Fundamentals: Quantiles, the normal distribution, binomial distribution
    • Confidence intervals
    • How to plot data
    • The principle of statistical testing
    • Statistical tests for quantitative data: t-test
    • Statistical tests for quantitative data, more than 2 groups: ANOVA
    • Statistical tests for qualitative data: chisquare-test
    • Interpretation of p-values
    • Evaluation von Fold-Change Daten
    • Korrelation und Regression
    • Study design

    Duration:  2.5 - 3 days

    Class Size: 10 - 24 participants

    Expected Outcome:
    After the course the participants will have a solid understanding of basic statistical concepts used in scientific practice. They will know how to interpret and evaluate published results with a critical eye for common pitfalls and limitations.

    Get in Touch to Book

    This class addresses common misconceptions and issues that many researchers face in their daily work. We discuss real-life applications of these hurdles in all phases: from planning an experiment, gathering data, statistical analysis and communication of results. The main goal is to sensitize researchers to problems such as misinterpretation, bias, lack of reproducibility while showing constructive ways of circumventing these common pitfalls which lead to better scientific practice and more reliable results.

    Prerequisites: No particular statistical knowledge required.

    Content:

    Duration: 1 day

    Class Size: 10 - 24 participants

    Expected Outcome: After the course the participants are equipped with tools to better plan and execute their own scientific experiments as well as to be aware and critical of published work that they encounter in their daily research.

    Get in Touch to Book

    Fortgeschrittene Biostatistik

    This seminar addresses advanced biostatistical questions that researchers may face in various settings. We discuss the theoretical background of statistical methods and look into real-life applications thereof. In particular, we take a close look at parametric and non-parametric methods for group comparisons, as well as regression methods that incorporate covariates into the model. We discuss supervised learning for classification and prediction, and unsupervised approaches for the identification of subgroups. Many examples are discussed in the context of biological experiments.

    Prerequisites: Introductory workshop “Basic Principles of Biostatistics” or basic statistical knowledge from another previous introductory class.

    Content:

    • Analysis of variance and group tests
      • Variance decomposition & anova testing procedure
      • Simple and multifactorial analysis of variance
      • Interaction effects: types and interpretations
      • Post-hoc tests
      • Non-parametric alternatives to t-test and anova
    • Regression models and supervised methods
      • Correlation analyses
      • Linear regression (simple & multiple regression) for continuous endpoints
      • Logistic regression for binary endpoints
    • Supervised learning for classification and prediction
      • Intro to common methods (linear models, regularisation, trees, ...)
      • Dimensionality and signal-to-noise ratio
      • Overfitting & Model Validation
    • Screening methods for differential expression
      • Search for differentially expressed biomarkers between groups
      • Multiple testing procedures and p-value adjustment
    • Unsupervised learning for identification of subgroups by means of clustering• Principal components analysis
      • Hierarchical clustering & K-means procedures
      • Constructing heat maps for visualisation of results
      • Cluster validation

    Duration: 4 sessions of each 4 hours ( = 2 days)

    Class Size: 8 - 24 participants

    Expected Outcome: After the course, the participants are equipped with tools to better plan and execute their own scientific experiments and data analysis steps. In particular, participants will be familiar with common approaches for group testing, regression modelling, differential expression analysis, interpretation and visualisation of results. They will also have a basic understanding of common clustering approaches and how to apply these to their own data to identify possible subgroups.

    Get in Touch to Book

    Einführung in statistische Programmierung mit R

    This course offers an intuitive and engaging approach to the statistical programming language R. It is meant for users with no prior programming experience and allows them to get acquainted with the basics of this software in order to take their first steps towards analysing their own data. The workshop includes a 1-day exercise session where participants can put the newly learned concepts to practical use.

    Prerequisites: High school level mathematics, no particular statistical knowledge required. Participants should bring their own laptop for the practical session.

    Content:
    - software installation and GUI (R, Rstudio)
    - objects (assignments, environment, nomenclature)
    - functions & help
    - data import (excel, csv, txt, …)
    - scripts and workspaces (.R, .Rdata)
    - common object types (vectors, matrices, data frames, lists, …)
    - descriptive statistics (mean, SD, …)
    - first graphics for data (hist, bar plot, box plot, scatter plot, heat map …)
    - variables transformations
    - if/else, loops, apply
    - writing own functions
    - first statistical analyses (correlation, linear model, clustering, group comparisons, …)
    - Packages (CRAN, BioC)

    Duration: 3 days (including 1 day hands-on exercise session)

    Class Size: 8 - 24 participants

    Expected Outcome:
    After the course the participants will have and understanding of the basic tools for using R and finding help. They will have had initial experience with the software during the exercise session and be familiar with the general concepts of this programming language. This course lays the groundwork for progressing towards more sophisticated statistical analysis of any type of data.

    Get in Touch to Book

    Identifikation von Subgruppen mittles Omics-Daten

    This course gives an introduction to unsupervised methods for identification of subgroups in Omics data using Bioconductor and the R programming language. The main focus is on the statistical challenges of clustering algorithms and interpretation of results.

    This course does not address bioinformatics issues such as preprocessing, annotation, alignment, imputation, alternative splicing, etc.

    Prerequisites: Basic understanding of statistical concepts and some prior experience with R. Please note, that this course is not useful for participants with no knowledge of R programming.
    Participants should bring their own laptop for the practical session.

    Contents:

    Duration: 1 day (consists of half-day lecture and a half-day exercise session)

    Class Size: 8 - 24 participants

    Expected Outcome:
    Participant will be familiar approaches for unsupervised learning applied to omics data. They will have a basic understanding of common clustering approaches and how to apply these to their own data to identify possible subgroups.

    Get in Touch to Book