Programme at a Glance

• Designed for learners who want to understand statistics, analyse real data, and report findings using R.

• Every lecture is followed by a practical session based on the same topic, using instructor-provided R Markdown files.

• The course keeps mathematical notation minimal and focuses on concepts, interpretation, reproducible analysis, and confidence with data. 

এই কোর্সটি কাদের জন্য?

এই কোর্সটি এমন সবার জন্য, যারা একেবারে শুরু থেকে Statistics, Data Analysis এবং R programming শিখতে চান। শুধুমাত্র চিকিৎসক বা স্বাস্থ্য পেশাজীবীদের জন্য নয়; বরং যেকোনো ব্যাকগ্রাউন্ডের শিক্ষার্থী, গবেষক, শিক্ষক, চাকরিজীবী, NGO/Development sector professional, Public Health কর্মী, Life Science বা Social Science graduate, thesis/dissertation প্রস্তুতকারী এবং data analysis-এ আগ্রহী যে কেউ এই কোর্সে অংশ নিতে পারবেন।

Statistics বা coding-এ পূর্ব অভিজ্ঞতা না থাকলেও সমস্যা নেই। কোর্সটি এমনভাবে সাজানো হবে যাতে basic computer ব্যবহার করতে জানলেই অংশগ্রহণ করা যায় এবং ধাপে ধাপে R ব্যবহার করে data বুঝতে, বিশ্লেষণ করতে এবং ফলাফল ব্যাখ্যা করতে শেখা যায়।

কেন এই কোর্সটি করবেন?

• Statistics-কে কঠিন বা ভয়ের বিষয় হিসেবে না দেখে সহজভাবে বুঝতে পারবেন। 

• R এবং RStudio ব্যবহার করে হাতে-কলমে data import, cleaning, analysis, graph এবং report তৈরি করা শিখবেন।

• p-value, confidence interval, t-test, chi-square test, correlation, regression ইত্যাদি গুরুত্বপূর্ণ বিষয় সহজ বাংলায় ব্যাখ্যা করা হবে।

• Lecture-এর পর practical session থাকায় একই topic সঙ্গে সঙ্গে R Markdown file দিয়ে practice করা যাবে। 

• Thesis, dissertation, research project, job report, public health analysis, academic paper বা higher study preparation-এর জন্য একটি শক্ত foundation তৈরি হবে।

Practical Session Design Using R Markdown

Each practical week will use an R Markdown file prepared in advance by the organiser. The file will combine explanation, code chunks, guided tasks, and interpretation questions. Learners can run the same file during the live session or later.

Learning Outcomes

By the end of the course, participants should be able to: 

1. Identify common data types and choose suitable descriptive summaries. 

2. Use RStudio and R Markdown to complete reproducible data analysis tasks. 

3. Import, inspect, clean lightly, summarise, and visualise datasets in R. 

4. Explain probability, distributions, confidence intervals, and p-values in accessible language. 

5. Run and interpret common statistical tests such as t-test, chi-square test, ANOVA, and correlation. 

6. Interpret basic published results, tables, charts, and simple diagnostic accuracy measures.

7. Prepare a short mini-project report containing code, results, graphs, and interpretation.