0. פתיחה: על הקורס
ניתוח נתונים סטטיסטי · מפגש ראשון
2026-10-19
ברוכים הבאים
ניתוח נתונים סטטיסטי (0571-3137)
הפקולטה להנדסה, אוניברסיטת תל אביב · סמסטר א׳ תשפ״ז
למה הקורס הזה?
- כמעט כל החלטה בתעשייה ובשירותים נשענת היום על נתונים, ואתם תהיו אלה שמנתחים אותם
- הסטטיסטיקה שלמדתם עד עכשיו היא הבסיס לכל מה שנלמד בקורס. כאן נעבור למודלים: הרבה משתנים, הרבה קבוצות וניסויים מתוכננים
- כלי AI כותבים היום קוד ניתוח בשניות. מה שנשאר בידיים שלכם הוא שיקול הדעת:
- איזו שיטה מתאימה לשאלה ולנתונים
- האם ההנחות שלה מתקיימות
- מה הפלט אומר, ומה הוא לא אומר
- איפה הניתוח (שלכם, של עמית או של מודל שפה) שגוי
מה תדעו לעשות בסוף הקורס
- לבחור שיטה סטטיסטית מתאימה לשאלת מחקר ולסוג הנתונים
- לבדוק את ההנחות של השיטה, ולדעת מה עושים כשהן לא מתקיימות
- להריץ את הניתוח ב-R (או ב-Python) ולקרוא את הפלט
- לתכנן ניסוי כך שהנתונים יענו על השאלה
- לפרש תוצאות ולהציג אותן למי שמקבל את ההחלטה
תוכנית הקורס
| 1 |
שיטות א-פרמטריות |
שיטות א-פרמטריות |
| 2 |
תידחה, ראו בשקף הבא |
חזרה על התפלגויות |
| 3 |
רגרסיה לינארית מרובה |
רגרסיה פשוטה ומרובה |
| 4–6 |
ניתוח שונות (ANOVA): חד-כיווני, ניגודים, רב-כיווני |
בהתאם |
| 7 |
תכנון ניסויים |
בהתאם |
| 8 |
רגרסיה לוגיסטית |
בהתאם |
| 9 |
ניתוח גורמים ראשיים (PCA) |
בהתאם |
| 10–11 |
סדרות עתיות וחיזוי |
בהתאם |
| 12 |
שיעור השלמה |
|
| 13 |
חזרה לבחינה |
בהתאם |
נושאים נוספים אופציונליים לתרגול (מותנה בהספק): ויז׳ואליזציות, git, ומבדק ידע על הפרויקט.
התוכנית עשויה להשתנות. העדכונים יופיעו באתר וב-Moodle.
הודעה: ההרצאה השנייה מבוטלת
- בשבוע השני אהיה בחו״ל, ולכן ההרצאה השנייה לא תתקיים
- התרגול באותו שבוע מתקיים כרגיל (חזרה על התפלגויות)
- תתקיים הרצאת השלמה. המועד יפורסם ב-Moodle
חומרי הקורס: איפה הכול נמצא
- אתר הקורס (https://adisarid.github.io/nanas-tau/) הוא המקום המרכזי לחומרים, ויש אליו קישור גם מ-Moodle
- לכל הרצאה יש:
- מצגת, שבה אני משתמש בכיתה
- דף סיכום לקריאה, עם ההסברים המלאים וכל הקוד
- Moodle משמש להודעות, לתרגילי בית ולהגשות
מה זה GitHub, ולמה זה מעניין אתכם
- כל חומרי הקורס מנוהלים ב-GitHub, פלטפורמה לניהול קוד וגרסאות
- המאגר (repository) פתוח לכולם:
- כל הקוד שמייצר את התרשימים והניתוחים בהרצאות
- קובצי הנתונים (תיקיית
data/)
- ההיסטוריה של כל שינוי
- זה גם הכלי שבו עובדים צוותי Data ופיתוח בתעשייה. כדאי להכיר אותו כבר עכשיו
איך משיגים את כל החומרים
הדרך הפשוטה: באתר הקורס, דרך תפריט “הרצאות”.
כדי להריץ את הקוד בעצמכם:
- נכנסים ל-https://github.com/adisarid/nanas-tau
- לוחצים על Code ואז על Download ZIP
- פותחים את התיקייה ב-IDE ומריצים
למי שמכיר git:
git clone https://github.com/adisarid/nanas-tau.git
ואחר כך git pull אחרי כל הרצאה, כדי לקבל את העדכונים.
סביבת עבודה
- שפה: R או Python, לבחירתכם. הדוגמאות בהרצאות כתובות ב-R
- סביבת עבודה (IDE):
- כדאי להתקין לפני ההרצאה הבאה ולוודא שאפשר להריץ קוד מהאתר
הרכב הציון
| בחינה סופית |
85% |
| פרויקט (בקבוצות) |
15% |
- הבחינה: שלוש שעות. מותר מחשבון לא גרפי ודף נוסחאות שהכנתם בעצמכם (עד 10 עמודים, או 15 למי שזכאי/ת להתאמות)
- תרגילי הבית לא נכנסים לציון, אבל הם ההכנה הטובה ביותר לבחינה
למה הפרויקט חשוב (יותר מ-15%)
- זה המקום היחיד בקורס שבו תעבדו על נתונים אמיתיים מההתחלה עד הסוף:
- מנסחים שאלה
- בוחרים שיטה
- בודקים הנחות
- מנתחים
- מציגים
- זה בדיוק מה שתעשו בעבודה. הבחינה בודקת אם אתם יודעים את השיטות, והפרויקט בודק אם אתם יודעים להשתמש בהן
- עבודה בקבוצה, עם קוד והצגה של התוצאות
- הנחיות מלאות, לוחות זמנים ומדיניות שימוש בכלי AI יפורסמו ב-Moodle
שעות קבלה ויצירת קשר
- שעות קבלה בתיאום מראש. כתבו לי למייל ונקבע זמן, בזום או פנים אל פנים
- מייל: adi@sarid-ins.co.il
- כדי שהמייל לא ילך לאיבוד, כתבו בשורת הנושא “ננס:” ואחריה הנושא
- שאלות על התרגול ועל תרגילי הבית: לאביטל, בתרגול או בערוצים שתפרסם
- שאלות שרלוונטיות לכולם: עדיף בפורום ב-Moodle, כדי שכולם ייהנו מהתשובה
כללי התנהלות
- שאלו. אין שאלות טיפשיות, ואם משהו לא ברור לכם, כנראה שהוא לא ברור גם לאחרים
- הריצו את הקוד. לקרוא קוד זה לא כמו להריץ אותו. שנו פרמטרים, שברו דברים ותראו מה קורה
- כלי AI הם חלק מהעבודה המודרנית, והם ישתלבו בקורס. אבל בבחינה אתם לבד, עם דף נוסחאות ומחשבון. ודאו שאתם מבינים כל שורה שהכלי כתב בשבילכם
- עדכונים מתפרסמים ב-Moodle. ודאו שההתראות אצלכם פעילות