Записаться
  • 31 августа
    старт, понедельник
  • 12 октября
    последнее занятие
  • 13
    занятий, 7 модулей
  • 2,5–3 часа
    в неделю

Приём заявок до 29 августа. Присоединиться можно до второго занятия — 3 сентября. Оплата после первого занятия.

Три ситуации, с которыми приходят на курс

  • Данные собраны, а считать их некому

    Таблица лежит в Excel без движения.

    Просить помощи не всегда удобно, а времени разобраться самостоятельно пока не находится.

  • Вы пишете статью или диссертацию и хотите считать сами
    Не потому, что помочь некому, а потому что на вопрос рецензента «почему выбран этот критерий» отвечать вам, а не тому, кто считал.
  • Вы уже пробовали R и остановились
    Пробовали разобраться сами: дошли до слов «вектор» и «датафрейм» — и на этом остановились. Не потому что сложно, а потому что было непонятно, зачем это нужно именно вам.

Что вы сможете делать со своими данными после курса

Курс о том, как выстроена логика анализа: от сырых данных до корректной интерпретации результата. Проверяется это понимание одним способом — по тому, что человек может сделать сам. Ниже перечислено, что именно.

  • Загрузить свои данные
    Файл Excel или CSV прочитан в R без потерь: числа распознаны как числа, категории как категории.
  • Подготовить таблицу
    Отобрать нужных пациентов и переменные, задать факторы, посчитать производные показатели вроде ИМТ.
  • Проверить распределение
    Визуально и тестом Шапиро–Уилка — и решить, применим ли параметрический метод.
  • Сравнить две группы
    И объяснить, почему выбран t-тест, а не критерий Манна–Уитни, или χ², а не точный тест Фишера.
  • Сравнить измерения до и после
    Повторные измерения на одной и той же выборке требуют других критериев, чем сравнение независимых групп.
  • Посчитать корреляцию
    Осознанно выбрав между коэффициентом Пирсона и Спирмена.
  • Построить график
    В ggplot2, с подписями осей, разделением на панели и сохранением в 300 dpi.
  • Описать «Материалы и методы»
    Так, чтобы к статистической части не было вопросов на рецензии.

Кто ведёт курс

Филиппова Елена Александровна

Кандидат медицинских наук, старший научный сотрудник лаборатории патогеномики и транскриптомики ФГБНУ «НИИОПП»

Я занимаюсь анализом молекулярно-биологических и клинических данных: планирую исследования, считаю результаты и готовлю их к публикации. В июле 2026 года мой научный проект получил поддержку Российского научного фонда.


Соавтор патентов. Дополнительно проходила обучение по анализу данных и статистике в R и Python, а также специализированные программы по молекулярно-биологическим исследованиям, включая экзомное и single-cell секвенирование.


Рецензирую статьи для российских и международных журналов, в том числе первого квартиля. По моему опыту, статистика — один из разделов, к которому у рецензентов возникает больше всего вопросов: выбор метода, описание выборки, интерпретация результата. Эти типичные места и разбираются в курсе.


Курс собран из того, что я делаю в работе каждый день. Поэтому в нём нет тем «для полноты картины»: каждый метод разбирается ровно в том объёме, в каком он нужен, чтобы им пользоваться и понимать, что получилось.

  • 50+
    статей в WoS и Scopus
  • Q1
    публикации в журналах первого квартиля
  • 13
    индекс Хирша Scopus
  • 4
    гранта РНФ под руководством

Как проходит обучение

  • Закрытый канал в Telegram
    Все материалы курса выкладываются туда: видео, практика, лонгриды, тесты. Ничего не нужно скачивать заранее и искать по почте.
  • Два занятия в неделю
    Понедельник и четверг, вечером. Всё в записи — смотреть можно в любое время.
  • Из чего состоит занятие
    Видеолекция, видео практического занятия, лонгрид и короткий тест на 3–5 вопросов по теме.
  • Чат курса
    Вопросы можно задавать в любой момент. Отдельно разбираю сложные места, если на них спотыкается несколько человек.
  • Итоговая работа
    В конце — задача по всем пройденным темам. Присылаете решение, я проверяю и разбираю ошибки.
  • Доступ бессрочный
    Материалы остаются у вас навсегда. Если отстали — продолжаете в своём темпе, вопросы всё равно можно задать.

Сколько времени это займёт

Два занятия в неделю — это примерно полтора часа видео и практики плюс час на лонгриды и тесты. Итого 2,5–3 часа в неделю. Это честная оценка, а не минимальная: столько уходит, если разбирать материал, а не просматривать.

Программа

7 модулей, 13 занятий, 36 академических часов. Каждый модуль — этап анализа: от структуры таблицы до готового графика.

Модуль 1. R и структура данных · 3 занятия
Зачем R врачу и исследователю и какие задачи он закрывает. Установка R и RStudio, устройство интерфейса, первый скрипт.

Объекты и переменные: как данные хранятся в R и почему имена переменных имеют значение. Типы данных: числовые, строковые, логические.

Векторы — базовая структура для серии измерений. Создание, индексация, обращение к отдельным элементам, операции над вектором целиком.

Что вы сделаете: настроите рабочую среду и научитесь читать чужой код на уровне «что здесь вообще происходит».
Модуль 2. От файла к таблице · 3 занятия
Четыре структуры данных в R: вектор, матрица, список, датафрейм. Почему в реальной работе используется датафрейм и как он устроен.

Data frame: строки — наблюдения, столбцы — переменные. Обращение к строкам, столбцам и отдельным значениям. Отбор части таблицы. Фильтрация по условию.

Импорт данных: CSV и Excel. Рабочая папка и почему R «не видит» файл. Организация проекта. Первичная проверка: str(), head(), dim(), names() — что смотреть до того, как начинать считать.

Что вы сделаете: загрузите собственный файл и убедитесь, что данные прочитаны правильно.
Модуль 3. Подготовка данных в dplyr · 1 занятие
Пакеты в R: чем install.packages отличается от library и почему функция «не находится». Что такое tidyverse.

dplyr: отбор строк и столбцов, создание новых переменных, группировка и расчёт показателей по группам.

Что вы сделаете: приведёте сырую таблицу к виду, пригодному для анализа, — без ручной правки в Excel.
Модуль 4. Описательная статистика и распределение · 1 занятие
Выборка и генеральная совокупность. Репрезентативность, случайность отбора, достаточный объём — что это означает применительно к вашим данным.

Распределение данных: нормальное распределение и отклонения от него. Асимметрия и эксцесс. Гистограмма как инструмент, а не как иллюстрация.

Тест Шапиро–Уилка: как выполнить и как интерпретировать результат. Дисперсия и стандартное отклонение.

Что вы сделаете: оцените распределение своих показателей и получите обоснованный ответ на вопрос, можно ли применять параметрические методы.
Модуль 5. Сравнение групп · 2 занятия
Логика статистического теста: нулевая и альтернативная гипотезы, p-value, доверительный интервал. Что p-value показывает, а что нет.

t-тест для независимых групп и для зависимых выборок — сравнение показателя до и после у одних и тех же наблюдений.

Непараметрические методы: критерий Манна–Уитни, когда он нужен и почему в клинических данных нужен часто.

Категориальные данные: таблицы сопряжённости, χ², ограничения χ² при малых частотах и точный тест Фишера.

Что вы сделаете: сравните группы в своих данных и сможете объяснить выбор критерия.
Модуль 6. Взаимосвязи · 1 занятие
Корреляционный анализ: направление и сила связи, интерпретация коэффициента. Коэффициенты Пирсона и Спирмена — на каких данных применим каждый.

Как читать корреляционную матрицу и что делать, когда сравнений много.

Что вы сделаете: посчитаете корреляции в своих данных, в том числе раздельно по подгруппам.
Модуль 7. Визуализация в ggplot2 · 2 занятия
Зачем строить график до статистического теста: выбросы, асимметрия, подгруппы, ошибки в данных — всё это видно на графике раньше, чем в числах.

Устройство ggplot2: данные, эстетики, слои. Гистограммы, диаграммы рассеяния, boxplot.

Несколько эстетик одновременно: цвет, размер точки, разделение на панели. Подписи, темы, оформление. Сохранение графика в разрешении, пригодном для журнала.

Что вы сделаете: построите график публикационного качества по своим данным и сохраните его в 300 dpi.
Записаться на третий поток

Что в курс не входит

Курс базовый. Он заканчивается на сравнении групп, корреляции и визуализации.


В него не входят: линейная и логистическая регрессия, анализ выживаемости (Каплан–Мейер, лог-ранговый тест, модель Кокса), расчёт размера выборки и мощности, ROC-анализ, многофакторные модели, поправки на множественные сравнения.


Это не потому, что тема сложная. Эти методы требуют уверенного владения базой — иначе они превращаются в набор команд, результат которых нечем проверить. Разбирать конфаундеры имеет смысл после того, как вы свободно обращаетесь с датафреймом и понимаете, откуда берётся p-value.


Разборы этих методов я регулярно публикую в канале: про регрессию и смешивающие факторы, про ROC-кривые и почему одного AUC недостаточно, про статистическую мощность и анализ выживаемости.


Продвинутый курс планируется. Его просили участники первых двух потоков. Если он вам нужен — оставьте контакт, напишу, когда будет дата.

Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности

Чем заканчивается курс

В конце — итоговая работа: одна задача, которая объединяет все семь модулей. От загрузки таблицы до готового графика: подготовка данных, проверка распределения, выбор критерия, сравнение групп, корреляции, визуализация.


Работу проверяю лично и разбираю, где выбор метода был необоснованным. Это единственное место в курсе, где можно проверить, действительно ли вы умеете то, что прошли.

Отзывы участников первых двух потоков

  • Я как-то давно пытался самостоятельно разобраться в R, дошёл до слов «вектор» и «датафрейм» и на этом остановился. С вашей подачей стало многое понятно, и самое главное — не так страшен R, как мне раньше казалось. А графики… я таких нигде не видел. А настраивается за 5 минут.
    Дмитрий
    врач-офтальмолог, Иркутский филиал МНТК
  • Этот курс был полезен мне тем, что помог систематизировать разрозненные знания, которые я получила раньше, изучая методы статистического анализа. Удобно построение курса: он состоит из небольших блоков, которые значительно проще изучать, чем долгие и сложные лекции по статистике.
    Евгения
    врач-эндоскопист
  • От модуля по ggplot2 вообще в восторге. Работа с ним для меня теперь явно будет более осознанная, чем раньше.
    Константин Лобан
    врач-хирург
  • Мне было очень интересно на этом курсе. Вы хорошо и достаточно подробно погружали постепенно в новую для меня программу.
    Ольга
    к.м.н., заведующая лабораторией, врач КЛД, доцент
Стоимость
Курс
23 000 ₽
  • 13 занятий, 7 модулей, 36 академических часов
  • Видео, практика, лонгриды и тесты
  • Чат курса, вопросы без ограничений
  • Проверка итоговой работы
  • Бессрочный доступ ко всем материалам
  • Сертификат
Записаться
Курс с разбором ваших данных
45 000 ₽
  • Всё, что входит в тариф «Курс»
  • Три встречи по 60 минут по вашей таблице
  • Проверка вашего кода и выбора методов
  • Помощь с описанием статистической части раздела «Материалы и методы»
Записаться

Оплата после первого занятия

Вы смотрите первую лекцию, проходите практику, читаете лонгрид — и после этого решаете, подходит ли вам формат. До этого момента платить не нужно.


Цена 23 000 ₽ действует для заявок, поданных до 29 августа. После старта потока — 27 000 ₽. Можно оплатить в два этапа. Я самозанятая: после оплаты присылаю чек.

Какой документ вы получите
Собственный сертификат MedData Lab с названием курса и объёмом — 36 академических часов.

Курс не аккредитован в системе НМО, баллы не начисляются. Сертификат подтверждает объём пройденной программы.

Записаться на третий поток

Старт 31 августа. Заявки принимаю до 29 августа, присоединиться можно до второго занятия — 3 сентября. Оставьте контакт — я отвечу и расскажу подробности. Оплата после первого занятия: вы ничего не платите, пока не посмотрите, как это устроено.

Отвечаю в течение дня. Не передаю контакты третьим лицам и не подписываю на рассылки без вашего согласия.
Если записываться пока рано
  • Практикум «Первый график в R»
    Учебный датасет, PDF на девять шагов и два видео. За полчаса вы загрузите данные в R и построите boxplot.
    Бесплатно, без регистрации.

    Скачать практикум →
  • Канал MedData Lab
    Разборы статистических методов и научных статей: p-value и доверительные интервалы, регрессия и смешивающие факторы, ROC-анализ, мощность исследования, анализ выживаемости. Два-три поста в неделю.

    Открыть канал →
  • Бот MedDataFlow
    Помогает определить тип задачи, подобрать статистический метод, проверить структуру CSV-файла и собрать код для графика. Бесплатно.

    Открыть бота →
  • Связаться
    Telegram: @meddatalab
    WhatsApp и телефон: +7 916 336-26-99
    Почта: ph.lenyxa@gmail.com


  • Если вы только начинаете со статистики и пока не планируете осваивать R, рекомендую курсы Дамира Марапова «Медицинская статистика».

Филиппова Елена Александровна, самозанятая. ИНН 774334699607.

© MedData Lab, 2026