اختار اللغة
اختار اللغة
تسجيل الدخول \ اشتراك
تسجيل الدخول \ اشتراك
كتالوج
كتالوج
اتصل بنا
اتصل بنا

Data.Next – מדע הנתונים מודלים ברגרסיה לינארית

בקורס זה, נלמד בצורה חווייתית, פרקטית ומעשירה על אחד התחומים החשובים בעולם הנתונים, הפרדיקציה - חיזוי העתיד בעזרת נתוני העבר.
icon-degrees
دوره
icon-price
مجانا
long course
5 ساعات في الأسبوع | 5 أسابيع
video play

ماذا سوف نتعلم؟

  • היכרות וחקירת דאטה־סטים שונים.
  • חיזוי העתיד באמצעות נתונים.
  • מימוש רגרסיה וכיצד משתמשים בה לפרדיקציה.
  • חישוב קו הרגרסיה האופטימלי- מדידת השגיאה.
  • העמקה בשגיאות, מדד השגיאה, RMSE, והיבטים סטטיסטיים נוספים.
  • הרחבה לרגרסיה מרובת משתנים.
  • קשרים בלתי לינארים.

وصف

במאגרי נתונים ענקיים, נצברות כמויות עצומות של נתונים המתעדים את כל תחומי חיינו: בריאות, פיננסים, טכנולוגיה, שיווק ועוד.

למדעני הנתונים יש כלי חשוב בשם “פרדיקציה”, המאפשר להשתמש בנתוני העבר כדי לחזות את העתיד!

בעזרת הפרדיקציה יכולים מדעני הנתונים לבנות תחזיות ומודלים, לזהות מגמות, לשפר תהליכי עבודה ולזהות הזדמנויות חדשות.

בקורס הראשון בסדרה: Data.Intro, התנסינו לראשונה בחוויה של ניתוח נתונים, וכעת תוכלו להתנסות בהיבט יישומי חשוב נוסף של מדעי הנתונים, שימוש במודלים לצורך ביצוע תחזית (פרדיקציה).

ביצוע פרדיקציה הוא תהליך המשלב מיומנויות רבות, מהבנה של הקשר בין הנתונים, התמודדות עם איכויות וכמויות שונות שלהם, בחינתם בגרף והתאמה בין הצורך של הנתונים והיכולת של המודל, וכמובן, הפעלת אלגוריתם הלמידה המבצע את התחזית.

בקורס זה נתמקד במודל רגרסיה.

נתחיל מרגרסיה לינארית ובמהלך הקורס נחשף גם למודלים מתקדמים יותר כמו: רגרסיה פולינומית ורגרסיה רבת משתנים.

בקורס נצטרף לדנה, מדענית נתונים העובדת ב”מרכז לחדשנות”. יחד נלמד ונשתמש בפרדיקציה כדי לעזור לאנשים הפונים למרכז על מנת לקבל סיוע.

הקורס פותח בשיתוף פעולה עם קרן רש”י.

  • المؤسسة الرئيسية
    المؤسسة الرئيسية:
  • بالتعاون
    بالتعاون:
  • سعر
    سعر:
    مجانا
  • معدل التعليم
    معدل التعليم:
    עצמי
  • طول الدورة
    طول الدورة:
    5 ساعات في الأسبوع | 5 أسابيع
  • لغة الدورة
    لغة الدورة:
    עברית
  • لغة الترجمة
    لغة الترجمة:
    עברית
  • شهاده
    شهاده:
    אין תעודה
  • الائتمان الدراسي
    الائتمان الدراسي:
    ללא קרדיט אקדמי
  • معرفة سابقة
    معرفة سابقة:
    *טבלאות נתונים (מיזוג, סינון וקיבוץ נתונים). *ספריית pandas: מהו dataset ,dataframe ו-series. *מדדי מרכז (ממוצע וחציון) ומדדי פיזור (טווח וסטיית תקן). *נתונים קטגוריים ומדדי שכיחות. *הצגת נתונים חזותית. *רמת מתמטיקה ברמת 4 יח"ל. *קורס: Data.intro.
دعونا نشارك هذا
לינקדאין
פייסבוק

طاقم الدورة

דנה עברי אבן חיים

ראש צוות פיתוח AI וציידת באגים.
مركز التعليم السيبراني

בוגרת היחידה 81, כיום מנהלת פיתוח למידה במרכז לחינוך סייבר, לאחר שנים בתפקידים טכנולוגיים בחברות הייטק וסטארטפים.