שינוי שפה
שינוי שפה
התחברות \ הרשמה
התחברות \ הרשמה
קטלוג
קטלוג
צור קשר
צור קשר

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
קורס
icon-price
חינם
long course
5 שעות בשבוע | 5 שבועות
video play

מה נלמד?

  • 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.

תיאור ארוך

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.

  • מוסד ראשי
    מוסד ראשי:
  • בשיתוף
    בשיתוף:
    המרכז לחינוך סייבר,
    מערך הדיגיטל הלאומי
  • מחיר
    מחיר:
    חינם
  • קצב למידה
    קצב למידה:
    עצמי
  • אורך הקורס
    אורך הקורס:
    5 שעות בשבוע | 5 שבועות
  • שפת הקורס
    שפת הקורס:
    עברית
  • שפת הכתוביות
    שפת הכתוביות:
    עברית
  • תעודה
    תעודה:
    אין תעודה
  • קרדיט אקדמי
    קרדיט אקדמי:
    ללא קרדיט אקדמי
  • חלק מתוכניות הלימוד
    חלק מתוכניות הלימוד:
  • ידע קודם
    ידע קודם:
    *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.
בואו נספר לחבר'ה
לינקדאין
פייסבוק

צוות הקורס

דנה עברי אבן חיים

ראש צוות פיתוח AI וציידת באגים.
המרכז לחינוך סייבר

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