смена языка
смена языка
связь \ зачисление
связь \ зачисление
каталог
каталог
контакт
контакт
video play

Чему мы научимся?

  • 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.

Описание

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.

  • главное учреждение
    главное учреждение:
  • в сотрудничестве
    в сотрудничестве:
  • цена
    цена:
    бесплатно
  • скорость обучения
    скорость обучения:
    עצמי
  • Продолжительность курса
    Продолжительность курса:
    5 часов в неделю | 5 Недели
  • язык курса
    язык курса:
    עברית
  • Язык субтитров
    Язык субтитров:
    עברית
  • диплом
    диплом:
    אין תעודה
  • Академический кредит
    Академический кредит:
    ללא קרדיט אקדמי
  • Предыдущие знания
    Предыдущие знания:
    *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.
Давайте расскажем ребятам
לינקדאין
פייסבוק

Сотрудники курса

דנה עברי אבן חיים

ראש צוות פיתוח AI וציידת באגים.
Центр Кибер Образования

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