Language Select
Language Select
Sign In \ Sign Up
Sign In \ Sign Up
Catalog
Catalog
Contact Us
Contact Us

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
Course
icon-price
Free
long course
5 Hours Per Week | 5 Weeks
video play

What Will You Learn

  • 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.

Description

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.

  • Main Academic Institution
    Main Academic Institution:
  • In Collaboration
    In Collaboration:
  • Price
    Price:
    Free
  • Pace
    Pace:
    עצמי
  • Duration
    Duration:
    5 Hours Per Week | 5 Weeks
  • Course Language
    Course Language:
    עברית
  • Course Subtitles Language
    Course Subtitles Language:
    עברית
  • Certificate
    Certificate:
    אין תעודה
  • Academic Credit
    Academic Credit:
    ללא קרדיט אקדמי
  • Prior Knowledge
    Prior Knowledge:
    *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.
Let's Share This
לינקדאין
פייסבוק

Course Staff

דנה עברי אבן חיים

ראש צוות פיתוח AI וציידת באגים.
The Cyber ​​Education Center

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