Igor Kleiner, profile picture
Uploaded byIgor Kleiner
PPTX, PDF758 views

מבוא למדעי הנתונים הרצאה 1

מבוא למדעי הנתונים הרצאה 1 מהו מדע נתונים? דוגמאות מעולם של דאטה סיינס CRISP-DM שלבים ראשונים ORANGE igor kleiner איגור קליינר

Embed presentation

Downloaded 11 times
‫הנתונים‬ ‫למדעי‬ ‫מבוא‬ ‫א‬ ‫הנתונים‬ ‫למדעי‬ ‫מבוא‬' ‫שבוע‬1
‫הנתונים‬ ‫מדעי‬:‫מבוא‬ ‫מעניינות‬ ‫דוגמאות‬ ‫למידה‬ ‫מהי‬ ‫נתונים‬ ‫מדע‬ ‫מהו‬? ‫נתונים‬ ‫מדען‬ ‫מיהו‬?
‫הנתונים‬ ‫מדעי‬:‫מבוא‬
‫נתונים‬ ‫של‬ ‫כוחם‬–‫מקום‬ ‫בכל‬ ‫נתונים‬ •‫בשנת‬2020‫תהיה‬ ‫בעולם‬ ‫נתונים‬ ‫כמות‬ ‫בערך‬40 zettabytes https://techjury.net/stats-about/big-data-statistics/
‫נתונים‬ ‫של‬ ‫כוחם‬–‫מקום‬ ‫בכל‬ ‫נתונים‬ •‫בשנת‬2020‫תהיה‬ ‫בעולם‬ ‫נתונים‬ ‫כמות‬ ‫בערך‬40 zettabytes •‫ב‬ ‫שיש‬ ‫מידע‬ ‫לכמות‬ ‫שווה‬ ‫זה‬:300 000 000 000 ‫גבוהה‬ ‫באיכות‬ ‫וידאו‬ ‫סרטי‬HD https://techjury.net/stats-about/big-data-statistics/
‫נתונים‬ ‫של‬ ‫כוחם‬–‫בכל‬ ‫נתונים‬ ‫מקום‬ •90%‫אחרונות‬ ‫בשנתיים‬ ‫נוצרו‬ ‫מהנתונים‬
‫נתונים‬ ‫של‬ ‫כוחם‬–‫בכל‬ ‫נתונים‬ ‫מקום‬ •‫מערכי‬ ‫בקצב‬ ‫נוצרים‬ ‫חדשים‬ ‫נתונים‬
‫נתונים‬ ‫של‬ ‫כוחם‬–‫בכל‬ ‫נתונים‬ ‫מקום‬ •‫כ‬ ‫לקח‬ ‫פעם‬ ‫אנושי‬ ‫גנום‬ ‫פענוח‬-10‫שנים‬ •‫בשבוע‬ ‫זה‬ ‫לעשות‬ ‫אפשר‬ ‫היום‬–‫למה‬?
‫נתונים‬ ‫מדעי‬–‫זה‬ ‫מה‬? •‫מדע‬‫ואמנות‬‫להשתמש‬ ‫איך‬‫בנתונים‬‫כדי‬ ‫לבנות‬‫מודלים‬‫יותר‬ ‫החלטות‬ ‫לקבל‬ ‫שיעזרו‬ ‫ולתת‬ ‫טובות‬‫רווח‬:‫לחברות‬,‫וקהילה‬ ‫אנשים‬
‫נתונים‬ ‫מדעי‬–‫זה‬ ‫מה‬? •‫מדע‬‫ואמנות‬‫להשתמש‬ ‫איך‬‫בנתונים‬‫כדי‬ ‫לבנות‬‫מודלים‬‫יותר‬ ‫החלטות‬ ‫לקבל‬ ‫שיעזרו‬ ‫ולתת‬ ‫טובות‬‫רווח‬:‫לחברות‬,‫וקהילה‬ ‫אנשים‬
‫נתונים‬ ‫מדעי‬–‫זה‬ ‫מה‬? •‫מדע‬‫ואמנות‬‫להשתמש‬ ‫איך‬‫בנתונים‬‫כדי‬ ‫לבנות‬‫מודלים‬‫יותר‬ ‫החלטות‬ ‫לקבל‬ ‫שיעזרו‬ ‫ולתת‬ ‫טובות‬‫רווח‬:‫לחברות‬,‫וקהילה‬ ‫אנשים‬
‫נתונים‬ ‫מדעי‬ ‫ללמוד‬ ‫כדאי‬ ‫למה‬?
‫נתונים‬ ‫מדעי‬ ‫ללמוד‬ ‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬)
‫נתונים‬ ‫מדע‬ ‫ללמוד‬ ‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ ‫מכון‬ ‫של‬ ‫הערכות‬ ‫לפי‬‫קינזי‬:‫בשנת‬2019‫יהי‬ ‫נתונים‬ ‫במדעני‬ ‫החוסר‬ ‫הברית‬ ‫בארצות‬ ‫כ‬-150‫איש‬ ‫אלף‬
‫נתונים‬ ‫מדע‬ ‫ללמוד‬ ‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ •‫שלך‬ ‫בתחום‬ ‫במחקר‬ ‫להצליח‬ ‫כדי‬
‫נתונים‬ ‫מדע‬ ‫ללמוד‬ ‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ •‫שלך‬ ‫בתחום‬ ‫במחקר‬ ‫להצליח‬ ‫כדי‬ •‫ללמוד‬ ‫כדי‬"‫לדבר‬"‫מחשב‬ ‫עם‬
‫נתונים‬ ‫מדע‬ ‫ללמוד‬ ‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ •‫שלך‬ ‫בתחום‬ ‫במחקר‬ ‫להצליח‬ ‫כדי‬ •‫ללמוד‬ ‫כדי‬"‫לדבר‬"‫מחשב‬ ‫עם‬ •‫ופורצות‬ ‫חדשות‬ ‫טכנולוגיות‬ ‫ללמוד‬ ‫כדי‬ ‫דרך‬ •... •...
‫סיכום‬ ‫נתונים‬ ‫המון‬ ‫מייצרים‬ ‫אנו‬ ‫היום‬ ‫נתונים‬ ‫יש‬ ‫חברות‬ ‫להמון‬,‫עם‬ ‫לדבר‬ ‫שיודעים‬ ‫אנשים‬ ‫חסרים‬ ‫אבל‬ ‫נתונים‬:‫נתונים‬ ‫מדען‬ ‫איך‬ ‫נלמד‬ ‫אנו‬ ‫בקורס‬"‫לדבר‬"‫מעניינות‬ ‫דוגמאות‬ ‫ונראה‬ ‫נתונים‬ ‫עם‬ ‫שונים‬ ‫מתחומים‬ ‫שיודע‬ ‫מי‬"‫להקשיב‬"‫החברה‬ ‫של‬ ‫הרווח‬ ‫את‬ ‫להגדיל‬ ‫יכול‬ ‫לנתונים‬
http://harrypotter.wikia.com/wiki/Parseltongue
‫נתונים‬ ‫מדע‬ ‫ללמוד‬ ‫כדאי‬ ‫למה‬? ‫נתונים‬ ‫מדע‬‫נתונים‬ ‫עם‬ ‫לדבר‬ ‫מאפשר‬.‫נתונים‬ ‫עם‬ ‫לדבר‬ ‫שיודע‬ ‫האדם‬ ‫נקראה‬‫מדען‬‫נתונים‬.‫מאוד‬ ‫נדירה‬ ‫מיומנות‬ ‫זאת‬,‫ואלולה‬‫להיות‬ ‫נלמדת‬ ‫או‬ ‫תורשתית‬.‫מחשבים‬ ‫עם‬ ‫לדבר‬ ‫יודע‬ ‫נתונים‬ ‫מדען‬ ‫כל‬ ‫כמעט‬ ‫מיוחדות‬ ‫תוכנות‬ ‫בעזרת‬.
‫יותר‬ ‫לדעת‬ ‫רוצים‬? •‫גדולים‬ ‫מאוד‬ ‫מספרים‬: • https://www.thoughtco.com/bigger-than-a-trillion-1857463 •‫לדמיין‬ ‫שניתן‬ ‫גדול‬ ‫הכי‬ ‫המספר‬:‫מספרי‬‫גריהם‬ • https://www.youtube.com/watch?v=02oE8ox_Zms
‫מעניינות‬ ‫דוגמאות‬
IBM Watson
IBM Watson •‫בחברת‬IBM‫משאבים‬ ‫המון‬ ‫משקיעים‬ ‫במדע‬
IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬ ‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬ (‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬ ‫פעם‬) https://en.wikipedia.org/wiki/Deep_Blue_versus_Garry_Kasparov
IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬ ‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬(‫פעם‬ ‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬) •Blue Gene‫של‬ ‫במיפוי‬ ‫שעוזר‬ ‫מחשב‬ ‫אנושי‬ ‫גינום‬ https://en.wikipedia.org/wiki/IBM_Blue_Gene
IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬ ‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬(‫פעם‬ ‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬) •Blue Gene‫גינום‬ ‫של‬ ‫במיפוי‬ ‫שעוזר‬ ‫מחשב‬ ‫אנושי‬ •‫ב‬-2005‫שיוכל‬ ‫מחשב‬ ‫לבנות‬ ‫החליטו‬ ‫פופולארי‬ ‫במשחק‬ ‫לשחק‬Jeopardy https://en.wikipedia.org/wiki/Jeopardy!
IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬ ‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬(‫פעם‬ ‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬) •Blue Gene‫גינום‬ ‫של‬ ‫במיפוי‬ ‫שעוזר‬ ‫מחשב‬ ‫אנושי‬ •‫ב‬-2005‫שיוכל‬ ‫מחשב‬ ‫לבנות‬ ‫החליטו‬ ‫פופולארי‬ ‫במשחק‬ ‫לשחק‬Jeopardy https://en.wikipedia.org/wiki/Jeopardy!
Watson playing Jeopardy https://www.youtube.com/watch?v=WFR3lOm_xhE ‫בפברואר‬2011,Watson‫בתחרות‬ ‫משחק‬ ‫אלופי‬ ‫שני‬ ‫ניצח‬
‫למה‬jeopardy‫קשה‬ ‫משחק‬?
‫למה‬jeopardy‫קשה‬ ‫משחק‬? •‫שונים‬ ‫מתחומים‬ ‫השאלות‬ •‫חידה‬ ‫של‬ ‫בצורה‬ ‫השאלות‬ •‫חדשות‬ ‫שאלות‬ ‫מחברים‬ ‫משחק‬ ‫לכל‬ •‫מבחוץ‬ ‫עזרה‬ ‫לקבל‬ ‫אסור‬ •‫זמן‬ ‫הגבלת‬ •‫מתחרים‬ ‫יש‬ •... •...
‫נתונים‬ ‫מדע‬ ‫של‬ ‫הקסם‬–‫של‬ ‫הקסם‬Watson
‫נתונים‬ ‫מדע‬ ‫של‬ ‫הקסם‬–‫של‬ ‫הקסם‬Watson •Watson‫מחשב‬ ‫הוא‬-‫עם‬ ‫על‬3000‫מעבדים‬ •“ Watson‫למד‬"‫דטה‬ ‫המון‬:‫מילונים‬, ‫ספרים‬,‫עיתונים‬,‫אנציקלופדיות‬,UH •‫ושיטות‬ ‫אלגוריתמים‬ ‫בהמון‬ ‫השתמש‬ ‫מתקדמות‬ ‫אופטימיזציה‬ Data ‫אלגוריתמים‬ ‫מתקדמים‬ NLP ‫במשחק‬ ‫ניצחון‬
Watson‫היום‬ •‫ב‬ ‫משתמשים‬ ‫היום‬-Watson‫בתחומים‬ ‫שונים‬ •‫סרטן‬ ‫לחולי‬ ‫טוב‬ ‫הכי‬ ‫טיפול‬ ‫למצוא‬ ‫כדי‬ ‫למשל‬ https://www.ibm.com/il-en/marketplace/clinical-decision-support-oncology
‫יותר‬ ‫לדעת‬ ‫רוצים‬? •‫עוזר‬ ‫ובמה‬ ‫משתמשים‬ ‫איך‬Watson‫היום‬? • https://www.ibm.com/watson/ai-stories/
eHarmony
eHarmony •‫היכרויות‬ ‫אתר‬ •‫ויחסים‬ ‫לאהבה‬ ‫מדעית‬ ‫גישה‬ •‫בערך‬4-5%‫ב‬ ‫נישואים‬USA-‫הודות‬ ‫ל‬-eHarmony •‫מעל‬ ‫האתר‬ ‫של‬ ‫רווח‬1‫דולר‬ ‫מיליארד‬ https://en.wikipedia.org/wiki/EHarmony
eHarmony: data •‫משתמש‬ ‫שכל‬ ‫משאלונים‬ ‫באים‬ ‫נתונים‬ ‫למלא‬ ‫חייב‬ •‫שאלות‬ ‫מאות‬ ‫כמה‬ ‫יש‬ ‫בשאלון‬
eHarmony: data •‫תוצאות‬ ‫סמך‬ ‫על‬ ‫זיווג‬ ‫מבצע‬ ‫האתר‬ ‫מתקדמים‬ ‫אלגוריתמים‬ ‫ביצעו‬ (‫סודיים‬)‫משתמש‬ ‫נתוני‬ ‫של‬ ‫לאנליזה‬ •‫באתר‬ ‫מחפש‬ ‫לא‬ ‫המשתמש‬
eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬ ‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬
eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬ ‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬
eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬ ‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?
eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬ ‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬
eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬ ‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?
eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬ ‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?‫לא‬!
eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬ ‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?‫לא‬!‫למה‬?
‫של‬ ‫הקסם‬eHarmony Data regression optimization
eHarmony: beware •‫של‬ ‫שגישה‬ ‫הטוענים‬ ‫חוקרים‬ ‫יש‬ eHarmony‫מדעית‬ ‫לא‬ https://www.laweekly.com/ucla-professors-say-eharmony-is-unscientific- and-its-customers-are-duped-heres-why/
‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ •‫נאס‬ ‫בתולדות‬ ‫משמעותי‬ ‫אסון‬"‫א‬ •‫החלל‬ ‫מעברת‬ ‫באוויר‬ ‫התפוצצה‬‫צ‬'‫לנג‬'‫ר‬ 73‫שהמריאה‬ ‫אחרי‬ ‫שניות‬ https://en.wikipedia.org/wiki/Space_Shuttle_Challenger_disaster
‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ https://www.youtube.com/watch?v=fSTrmJtHLFU •24‫בהצלחה‬ ‫הסתיימו‬ ‫קודמות‬ ‫המראות‬ •‫כל‬ ‫אם‬ ‫לקראות‬ ‫יכול‬ ‫אסון‬5O-ring ‫מתקלקלים‬ ‫במעבורת‬ •‫שבהן‬ ‫המראות‬ ‫היו‬1-3O-ring‫התקלקלו‬ •‫קר‬ ‫היה‬ ‫הגורלית‬ ‫המראה‬ ‫ביום‬:‫מינוס‬1 ‫צלזיוס‬ ‫מעלות‬(30‫פרנהייט‬) •‫לבצע‬ ‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬
‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ https://www.youtube.com/watch?v=fSTrmJtHLFU •‫לבצע‬ ‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬
‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ •‫לבצע‬ ‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬ •‫המראות‬ ‫כל‬ ‫על‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫אבל‬ ‫שהיו‬
‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ •‫לבצע‬ ‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬ •‫המראות‬ ‫כל‬ ‫על‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫אבל‬ ‫שהיו‬ •‫לא‬ ‫אבל‬"‫דיברו‬"‫אסון‬ ‫ולכן‬ ‫הנתונים‬ ‫עם‬ ‫קרא‬
‫נתונים‬ ‫מדע‬ ‫של‬ ‫הקסם‬ Data logistic regression
‫סיכום‬ ‫בנתונים‬ ‫לשימוש‬ ‫שונות‬ ‫דוגמאות‬ ‫ראינו‬ ‫כסף‬ ‫לחסוך‬ ‫או‬ ‫חיים‬ ‫להציל‬ ‫יכול‬ ‫בנתונים‬ ‫נכון‬ ‫שימוש‬
Past
Today data and data scientist computer
‫הנתונים‬ ‫מדעי‬ ‫מהם‬?
‫נתונים‬ ‫מדעי‬ ‫מהם‬?‫מסחרי‬ ‫מבט‬ •‫נתונים‬ ‫של‬ ‫ענקית‬ ‫כמות‬ ‫קיימת‬ ‫היום‬: •‫מאינטרנט‬ ‫נתונים‬:Google, Yahoo, Facebook •‫קניות‬ ‫נתוני‬:Amazon, Shufersal •‫בנקאיות‬ ‫נתוני‬:‫הלוואות‬,‫תשלומים‬ •‫חישוב‬ ‫כוח‬(‫מחשבים‬)‫זול‬ ‫ויותר‬ ‫חזק‬ ‫יותר‬ •‫מתחרים‬ ‫המון‬,‫להפסיד‬ ‫לא‬ ‫חשוב‬
•‫נתונים‬ ‫של‬ ‫ענקית‬ ‫כמות‬ ‫קיימת‬ ‫היום‬: •‫בחלל‬ ‫בלוויין‬ ‫חיישנים‬ •‫רציף‬ ‫באופן‬ ‫נתונים‬ ‫ואוספים‬ ‫שעבדים‬ ‫טלסקופים‬ •‫ביולוגיים‬ ‫נתונים‬ •‫מדעיות‬ ‫סימולציות‬ •‫לחוקרים‬ ‫עוזר‬ ‫נתונים‬ ‫מדע‬: •‫השארות‬ ‫לבדוק‬ •‫חדשות‬ ‫השארות‬ ‫למצוא‬ •‫גדולים‬ ‫נתונים‬ ‫של‬ ‫מהיר‬ ‫איבוד‬ ‫נתונים‬ ‫מדעי‬ ‫מהם‬?‫מדעי‬ ‫מבט‬
‫נתונים‬ ‫מדעי‬ ‫מהם‬?‫הגדרות‬ •‫יחידה‬ ‫הגדרה‬ ‫אין‬ •‫מנתונים‬ ‫חדש‬ ‫מידע‬ ‫קבלת‬ •‫נתונים‬ ‫של‬ ‫אוטומטית‬ ‫אנליזה‬ ‫חשובות‬ ‫תבניות‬ ‫למצוא‬ ‫במטרה‬
‫נתונים‬ ‫מדע‬ ‫מהו‬?‫הגדרות‬
‫סיכום‬ ‫נתונים‬ ‫למדעי‬ ‫אחת‬ ‫הגדרה‬ ‫אין‬ ‫בנתונים‬ ‫עוסקים‬ ‫נתונים‬ ‫מדעי‬:‫איסוף‬,‫עיבוד‬,‫אנליזה‬,‫קבלת‬ ‫החלטות‬ ‫מדע‬ ‫וגם‬ ‫אומנות‬ ‫גם‬ ‫הם‬ ‫נתונים‬ ‫מדעי‬ ‫חיים‬ ‫להציל‬ ‫או‬ ‫להרוויח‬ ‫מאפשרים‬ ‫נתונים‬ ‫מדעי‬
‫מיהו‬/‫י‬‫מדענ‬/‫ית‬‫נתונים‬
‫מיהו‬/‫י‬‫מדענ‬/‫ית‬‫נתונים‬ •‫מתכנת‬ ‫לא‬
•‫מדע‬ ‫איש‬ ‫הוא‬ ‫נתונים‬ ‫מדען‬: •‫העולם‬ ‫את‬ ‫להבין‬ ‫מנסה‬ •‫חדשים‬ ‫דברים‬ ‫לגלות‬ ‫אוהב‬ •‫נתונים‬ ‫לאיסוף‬ ‫חדשות‬ ‫שיטות‬ ‫ממציא‬ •‫התוצאות‬ ‫את‬ ‫להבין‬ ‫מנסה‬ •‫טעויות‬ ‫להכיל‬ ‫יכולים‬ ‫שנתונים‬ ‫יודע‬ •‫לתובנות‬ ‫מספרים‬ ‫הופך‬ ‫מיהו‬/‫י‬‫מדענ‬/‫ית‬‫נתונים‬
•‫חשובות‬ ‫שאלות‬ ‫שתי‬: •‫בעיה‬ ‫בהינתן‬–‫שיעזרו‬ ‫נתונים‬ ‫מהם‬ ‫אותה‬ ‫לפתור‬ •‫נתונים‬ ‫בהינתן‬–‫שאלות‬ ‫אילו‬ ‫לפתור‬ ‫אפשר‬ ‫מעניינות‬ ‫מיהו‬/‫י‬‫מדענ‬/‫ית‬‫נתונים‬
‫נתונים‬ ‫על‬ ‫מעניינות‬ ‫שאלות‬ •‫סקרן‬ ‫אדם‬ ‫בן‬ ‫הוא‬ ‫נתונים‬ ‫מדען‬ •‫הנתונים‬ ‫על‬ ‫שאלות‬ ‫לשאול‬ ‫היא‬ ‫נתונים‬ ‫מדען‬ ‫של‬ ‫ממיומנויות‬ ‫אחת‬ •‫מעניינים‬ ‫נתונים‬ ‫של‬ ‫דוגמה‬ ‫נראה‬ ‫הבא‬ ‫בתרגיל‬,‫הדוגמה‬ ‫על‬ ‫תחשבו‬ ‫ורשמו‬5‫דאטה‬ ‫על‬ ‫שאלות‬
Internet Movie Database (IMDB) •IMDB‫סרטים‬ ‫על‬ ‫מידע‬ ‫מאגר‬ ‫הוא‬ •‫מ‬ ‫יותר‬ ‫על‬ ‫רשומות‬ ‫מכיל‬ ‫האתר‬-3.5 ‫סרטים‬ ‫מיליוני‬ •‫שלו‬ ‫פרמטרים‬ ‫על‬ ‫מידע‬ ‫יש‬ ‫סרט‬ ‫לכל‬ •‫על‬ ‫מפורט‬ ‫מידע‬ ‫מכיל‬ ‫גם‬ ‫האתר‬ ‫שחקנים‬ https://www.imdb.com/
Internet Movie Database (IMDB) https://www.imdb.com/ Movie Data
Internet Movie Database (IMDB) https://www.imdb.com/ Movie Data ‫הנתונים‬ ‫מדעי‬ ‫איך‬ ‫מראה‬ ‫הסרט‬ ‫בספורט‬ ‫לעזור‬ ‫יכולים‬–‫מומלץ‬ ‫לצפייה‬
Internet Movie Database (IMDB) https://www.imdb.com/ Actor Data
https://www.imdb.com/
Internet Movie Database (IMDB) •‫מעניינות‬ ‫שאלות‬:
Internet Movie Database (IMDB) •‫מעניינות‬ ‫שאלות‬: •‫חדש‬ ‫מסרט‬ ‫מרוצים‬ ‫יהיו‬ ‫אנשים‬ ‫כמה‬ ‫לנבות‬ ‫אפשר‬ ‫האם‬? •‫חדש‬ ‫סרט‬ ‫של‬ ‫רווח‬ ‫יהי‬ ‫מה‬? •‫מסוים‬ ‫בסרט‬ ‫שחקנים‬ ‫של‬ ‫גיל‬ ‫מתפלג‬ ‫איך‬? •‫אחרים‬ ‫מאנשים‬ ‫יותר‬ ‫חיים‬ ‫קולנוע‬ ‫שחקני‬ ‫האם‬? •‫הרבה‬ ‫הכי‬ ‫מרוויח‬ ‫שחקן‬ ‫איזה‬? •‫הסרט‬ ‫את‬ ‫יאהב‬ ‫מסוים‬ ‫שצופה‬ ‫סיכוי‬ ‫להעריך‬ ‫אפשר‬ ‫האם‬? •...
Netflix Prize https://en.wikipedia.org/w iki/Netflix_Prize
‫בניו‬ ‫מוניות‬ ‫נתוני‬ ‫מאגר‬-‫יורק‬ •‫וניתן‬ ‫באינטרנט‬ ‫נמצאים‬ ‫הנתונים‬ ‫עצמאי‬ ‫באופן‬ ‫אותם‬ ‫להוריד‬ https://data.cityofnewyork.us/Transportation/2018-Yellow-Taxi- Trip-Data/
‫בניו‬ ‫מוניות‬ ‫נתוני‬ ‫מאגר‬-‫יורק‬ •‫וניתן‬ ‫באינטרנט‬ ‫נמצאים‬ ‫הנתונים‬ ‫עצמאי‬ ‫באופן‬ ‫אותם‬ ‫להוריד‬ •‫נסיעות‬ ‫על‬ ‫מידע‬ ‫מכילים‬ ‫הנתונים‬: ‫מרחק‬,‫זמן‬,‫תשלום‬,‫קיבל‬ ‫נהג‬ ‫האם‬ ‫וכו‬ ‫טיפ‬' https://data.cityofnewyork.us/Transportation/2018-Yellow-Taxi- Trip-Data/
‫בניו‬ ‫מוניות‬ ‫נתוני‬ ‫מאגר‬-‫יורק‬ •‫מעניינות‬ ‫שאלות‬:
‫בניו‬ ‫מוניות‬ ‫נתוני‬ ‫מאגר‬-‫יורק‬ •‫מעניינות‬ ‫שאלות‬: •‫לילה‬ ‫במשמרת‬ ‫נהג‬ ‫של‬ ‫רווח‬ ‫מה‬? •‫נסיעה‬ ‫אורך‬ ‫מתפלג‬ ‫איך‬? •‫העומס‬ ‫בשעות‬ ‫ממוצעת‬ ‫מהירות‬ ‫מהי‬? •‫טיפ‬ ‫יותר‬ ‫מקבלים‬ ‫זריזים‬ ‫נהגים‬ ‫האם‬? •‫לנוסע‬ ‫לחכות‬ ‫כדאי‬ ‫איפה‬? •...
‫סיכום‬ ‫מחקר‬ ‫השאלת‬ ‫על‬ ‫לענות‬ ‫כדי‬ ‫צריך‬ ‫נתונים‬ ‫אילו‬ ‫לדעת‬ ‫חשוב‬ ‫אפשר‬ ‫שעליכן‬ ‫שאלות‬ ‫מהן‬ ‫לדעת‬ ‫חשוב‬ ‫נתונים‬ ‫מאגר‬ ‫בהינתן‬ ‫לענות‬
‫נתונים‬ ‫מדען‬ ‫עובד‬ ‫איך‬? •‫נראה‬ ‫לא‬ ‫הנתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ ‫כך‬
‫נתונים‬ ‫מדען‬ ‫עובד‬ ‫איך‬? •‫מורכב‬ ‫הוא‬ ‫נתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ ‫שלבים‬ ‫מספר‬ ‫ומכיל‬ ‫יחסית‬ •‫המקובלים‬ ‫תהליכים‬ ‫מספר‬ ‫קיים‬ ‫נתונים‬ ‫עם‬ ‫לעבודה‬ •‫אחד‬ ‫תהליך‬ ‫נלמד‬ ‫אנו‬:DM-CRISP
CRISP-DM •‫תהליך‬DM-CRISP‫עם‬ ‫לעבוד‬ ‫מאפשר‬ ‫ויעיל‬ ‫מסודר‬ ‫באופן‬ ‫נתונים‬ •‫התהליך‬ ‫את‬ ‫נכיר‬ ‫רק‬ ‫היום‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining
CRISP-DM •‫תהליך‬DM-CRISP‫עם‬ ‫לעבוד‬ ‫מאפשר‬ ‫ויעיל‬ ‫מסודר‬ ‫באופן‬ ‫נתונים‬ •‫התהליך‬ ‫את‬ ‫נכיר‬ ‫רק‬ ‫היום‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
CRISP-DM: ‫העסק‬ ‫הבנת‬ •‫ראשון‬ ‫שלב‬ ‫זה‬ ‫כלל‬ ‫בדרך‬ ‫העסק‬ ‫הבנת‬ •‫חשוב‬ ‫זה‬ ‫בשלב‬‫להבין‬‫של‬ ‫עסקיות‬ ‫מטרות‬ ‫עסק‬: •‫הוצאות‬ ‫להקטין‬ •‫רווח‬ ‫להגדיל‬ •‫לקוחות‬ ‫של‬ ‫נשירה‬ ‫אחוז‬ ‫למזער‬ •... https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
CRISP-DM: ‫דאטה‬ ‫הבנת‬ •‫בתהליך‬ ‫שני‬ ‫שלב‬ ‫דאטה‬ ‫הבנת‬ •‫ראשוני‬ ‫מידע‬ ‫איסוף‬ •‫המידע‬ ‫תיור‬ •‫המידע‬ ‫הבנת‬ •‫המידע‬ ‫איכות‬ ‫וידוא‬ •‫יש‬ ‫עסקיות‬ ‫דרישות‬ ‫על‬ ‫עונה‬ ‫לא‬ ‫דאטה‬ ‫אם‬ ‫קודם‬ ‫לשלב‬ ‫לחזור‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
CRISP-DM: ‫דאטה‬ ‫הכנת‬ •‫בתהליך‬ ‫שלישי‬ ‫שלב‬ •‫שינותח‬ ‫דאטה‬ ‫בחירת‬ •‫הנתונים‬ ‫ניקוי‬ •‫חסרים‬ ‫בערכים‬ ‫טיפול‬ •‫לניתוח‬ ‫נוח‬ ‫לפורמט‬ ‫נתונים‬ ‫העברת‬ •‫חריגים‬ ‫בערכים‬ ‫טיפול‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
CRISP-DM: ‫מודלים‬ ‫והפעלת‬ ‫בניית‬ •‫רביעי‬ ‫שלב‬–modeling •‫לנתונים‬ ‫מתאים‬ ‫מדול‬ ‫מודל‬ ‫בחירת‬ •‫לנתונים‬ ‫המודל‬ ‫התאמת‬ •‫שנצטרך‬ ‫ייתכן‬ ‫מתאים‬ ‫מודל‬ ‫נמצא‬ ‫לא‬ ‫אם‬ ‫קודם‬ ‫לשלב‬ ‫לחזור‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
CRISP-DM: ‫תוצאות‬ ‫של‬ ‫הערכה‬ •‫חמישי‬ ‫שלב‬–evaluation •‫שבנינו‬ ‫המודלים‬ ‫איכות‬ ‫בדיקת‬ •‫טובה‬ ‫מספיק‬ ‫איכות‬ ‫האם‬? •‫לחזור‬ ‫צורך‬ ‫יש‬ ‫טובה‬ ‫מספיק‬ ‫לא‬ ‫איכות‬ ‫אם‬ ‫קודמים‬ ‫לשלבים‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
CRISP-DM: ‫במודל‬ ‫שימוש‬ •‫שישי‬ ‫שלב‬–deployment •‫או‬ ‫עסקיות‬ ‫למטרות‬ ‫שבנינו‬ ‫במודל‬ ‫שימוש‬ ‫מחקריות‬: •‫ניבוי‬ •‫אופטימיזציה‬ •‫השארות‬ ‫בדיקת‬ •... https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫שימוש‬ ‫במודל‬ ‫דאטה‬
CRISP-DM ‫סיכום‬: •‫פשוט‬ ‫איננו‬ ‫נתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ •‫שלבים‬ ‫ממספר‬ ‫מורכב‬ ‫התהליך‬ •‫קודמים‬ ‫לשלבים‬ ‫חוזרים‬ ‫וצורך‬ ‫במידה‬ •‫התהליך‬ ‫למעשה‬‫האמיתי‬‫יותר‬ ‫מורכב‬ ‫הינו‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
‫ב‬ ‫שלב‬ ‫כל‬:CRISP-DM ‫שלבים‬ ‫מתתי‬ ‫מורכב‬
‫אוכל‬ ‫הכנת‬ ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬ ‫הבנת‬ ‫צורך‬ ‫איזה‬ ‫יש‬ ‫מוצרים‬ ‫הכנת‬ ‫מוצרים‬ ‫אוכל‬ ‫הכנת‬ ‫איכות‬ ‫בדיקת‬ ‫אוכל‬ ‫של‬ ‫אכילה‬ ‫דאטה‬
‫סיכום‬ ‫פשוט‬ ‫לא‬ ‫הוא‬ ‫נתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ CRISP-DM‫באופן‬ ‫נתונים‬ ‫עם‬ ‫לעבוד‬ ‫המאפשר‬ ‫פרוטוקול‬ ‫ואמין‬ ‫מסודר‬ CRISP-DM‫משלבים‬ ‫מורכב‬,‫במידה‬ ‫לשלב‬ ‫משלב‬ ‫לחזור‬ ‫ניתן‬ ‫הצורך‬
‫נתונים‬ ‫למדע‬ ‫נוספות‬ ‫דוגמאות‬
‫נתונים‬ ‫למדע‬ ‫נוספות‬ ‫דוגמאות‬
‫נתונים‬ ‫למדע‬ ‫נוספות‬ ‫דוגמאות‬

More Related Content

PPTX
Exploratory data analysis with Python
byDavis David
 
PDF
[Pgday.Seoul 2021] 2. Porting Oracle UDF and Optimization
byPgDay.Seoul
 
PDF
Core python programming tutorial
byAmarjeetsingh Thakur
 
PPTX
Deepfakes
byFrancisco José Garcia Ull
 
PPTX
Artificial Intelligence vs. Machine Learning
byPranab Choudhary
 
PPTX
2. Classes | Object Oriented Programming in JavaScript | ES6 | JavaScript
bypcnmtutorials
 
PPTX
Sets
byLakshmi Sarvani Videla
 
PDF
Python Sequence | Python Lists | Python Sets & Dictionary | Python Strings | ...
byEdureka!
 
Exploratory data analysis with Python
byDavis David
 
[Pgday.Seoul 2021] 2. Porting Oracle UDF and Optimization
byPgDay.Seoul
 
Core python programming tutorial
byAmarjeetsingh Thakur
 
Deepfakes
byFrancisco José Garcia Ull
 
Artificial Intelligence vs. Machine Learning
byPranab Choudhary
 
2. Classes | Object Oriented Programming in JavaScript | ES6 | JavaScript
bypcnmtutorials
 
Sets
byLakshmi Sarvani Videla
 
Python Sequence | Python Lists | Python Sets & Dictionary | Python Strings | ...
byEdureka!
 

What's hot

PDF
Generative AI & Large Language Models Agents
byaasgharbee22seecs
 
PPTX
Python strings presentation
byVedaGayathri1
 
PPTX
A Beginner’s Guide to Generative AI for Business
byIntelisync
 
PDF
OpenAI API crash course
byDimitrios Platis
 
PPTX
Usage of Artificial Intelligence In Everyday Life
byMd. Zubaer Ahammed
 
PPTX
Big Data ppt
byVivek Gautam
 
PDF
Introduction to Artificial Intelligence & Ethics
byBoris Villazon-Terrazas
 
PPTX
人工智能与认知的简史.pptx
byKunhaoZheng1
 
PPTX
Data science
byDeekshaSrivas
 
PPTX
Blue brain technology
byTabassumSaifi2
 
PDF
chat-GPT-Information.pdf
byNishaadequateinfosof
 
PPTX
ChatGPT.pptx
byAshwiniAshh
 
PPTX
Future of AI - 2023 07 25.pptx
byGreg Makowski
 
PPTX
Blueprint ChatGPT Lunch & Learn
bygnakan
 
PPTX
Big data
byfactscomputersoftware
 
Generative AI & Large Language Models Agents
byaasgharbee22seecs
 
Python strings presentation
byVedaGayathri1
 
A Beginner’s Guide to Generative AI for Business
byIntelisync
 
OpenAI API crash course
byDimitrios Platis
 
Usage of Artificial Intelligence In Everyday Life
byMd. Zubaer Ahammed
 
Big Data ppt
byVivek Gautam
 
Introduction to Artificial Intelligence & Ethics
byBoris Villazon-Terrazas
 
人工智能与认知的简史.pptx
byKunhaoZheng1
 
Data science
byDeekshaSrivas
 
Blue brain technology
byTabassumSaifi2
 
chat-GPT-Information.pdf
byNishaadequateinfosof
 
ChatGPT.pptx
byAshwiniAshh
 
Future of AI - 2023 07 25.pptx
byGreg Makowski
 
Blueprint ChatGPT Lunch & Learn
bygnakan
 
Big data
byfactscomputersoftware
 

Similar to מבוא למדעי הנתונים הרצאה 1

PDF
מדע נתונים - למידה מכונות
byIgor Kleiner
 
PPTX
Clash of clans data structures
byRan Silberman
 
PDF
מהפיכת המידע מאבטחת איכות סטטיסטית לאיכות עם ביג דטה Quality.pdf
byEdith Ohri
 
PPTX
רשתות בייסיאניות אופטימליות
byAndrew Kreimer
 
PPT
14333771.ppt
byMorVaknin1
 
PDF
מבוא למדעי הנתונים שבוע 2
byIgor Kleiner
 
PDF
Molecular Dynamics Computer Experiment (Hebrew)
byInon Sharony
 
PDF
מערכות לומדות פגישה 1 חלק 4: סילבוס
byIgor Kleiner
 
PDF
בוטקאמפ תכנות
byMuhammad Waqas
 
PDF
הסתברות ותהליכים סטוכסטיים :שרשרת מרקוב בזמן בדיד
byIgor Kleiner
 
PDF
מערכות לומדות פגישה 1 חלק 3 מהי למידה
byIgor Kleiner
 
PDF
Predictive analytics
byOptimum - Strategic IT Consulting
 
PDF
10 istm bi and dw-amn
byAmnon Elbee אמנון אלבי
 
PPTX
מערכות לומדות פגישה 6
byIgor Kleiner
 
PPTX
מערכות לומדות פגישה 4 חלק 2 לוגית
byIgor Kleiner
 
PDF
סיכום הקורס בבינה מלאכותית
bycsnotes
 
PDF
מערכות לומדות פגישה 1 חלק 5, האם אפשר ללמוד מנתונים
byIgor Kleiner
 
PDF
01 02 istm - is and the business strategy
byAmnon Elbee אמנון אלבי
 
PDF
סיכום הקורס בבינה מלאכותית
bycsnotes
 
PDF
מערכות לומדות פגישה 1 חלק 1 דוגמאות
byIgor Kleiner
 
מדע נתונים - למידה מכונות
byIgor Kleiner
 
Clash of clans data structures
byRan Silberman
 
מהפיכת המידע מאבטחת איכות סטטיסטית לאיכות עם ביג דטה Quality.pdf
byEdith Ohri
 
רשתות בייסיאניות אופטימליות
byAndrew Kreimer
 
14333771.ppt
byMorVaknin1
 
מבוא למדעי הנתונים שבוע 2
byIgor Kleiner
 
Molecular Dynamics Computer Experiment (Hebrew)
byInon Sharony
 
מערכות לומדות פגישה 1 חלק 4: סילבוס
byIgor Kleiner
 
בוטקאמפ תכנות
byMuhammad Waqas
 
הסתברות ותהליכים סטוכסטיים :שרשרת מרקוב בזמן בדיד
byIgor Kleiner
 
מערכות לומדות פגישה 1 חלק 3 מהי למידה
byIgor Kleiner
 
Predictive analytics
byOptimum - Strategic IT Consulting
 
10 istm bi and dw-amn
byAmnon Elbee אמנון אלבי
 
מערכות לומדות פגישה 6
byIgor Kleiner
 
מערכות לומדות פגישה 4 חלק 2 לוגית
byIgor Kleiner
 
סיכום הקורס בבינה מלאכותית
bycsnotes
 
מערכות לומדות פגישה 1 חלק 5, האם אפשר ללמוד מנתונים
byIgor Kleiner
 
01 02 istm - is and the business strategy
byAmnon Elbee אמנון אלבי
 
סיכום הקורס בבינה מלאכותית
bycsnotes
 
מערכות לומדות פגישה 1 חלק 1 דוגמאות
byIgor Kleiner
 

More from Igor Kleiner

PDF
Анализ данных просто и доступно - урок 1
byIgor Kleiner
 
PDF
מדעי נתונים לכל אחד
byIgor Kleiner
 
PDF
תכנות דינמי הרצאה 3
byIgor Kleiner
 
PDF
תכנות דינמי הרצאה 4
byIgor Kleiner
 
PDF
שאלות לתרגול עצמי
byIgor Kleiner
 
PDF
פתרון תרגיל 3
byIgor Kleiner
 
PDF
מבוא לתכנות מדעי: פייתון הרצאה 13
byIgor Kleiner
 
PDF
תכנות מדעי פייתון: הרצאה 12: סיבוכיות
byIgor Kleiner
 
PDF
מבוא לתכנות מדעי: פייתון: הרצאה 11: דבגינג + תכנות דינמי
byIgor Kleiner
 
PDF
תכנות מדעי: פייתון: הרצאה 10: : תחום הכרעה
byIgor Kleiner
 
PDF
מבוא לתכנות מדעי: פייתון: הרצאה 9: 2017
byIgor Kleiner
 
PDF
תכנות מדעי: פייתון: הרצאה 8: 2017
byIgor Kleiner
 
PDF
תכנות מדעי: פייתון : הרצאה 7: 2017
byIgor Kleiner
 
PDF
תכנות מדעי: פייתון: הרצאה 6: קבצים, רשימות
byIgor Kleiner
 
PDF
מבוא לתכנות מדעי: פייתון: הרצאה 5: 2017
byIgor Kleiner
 
PDF
מבוא לתכנות מדעי: פייתון: הרצאה 4: 2017
byIgor Kleiner
 
PDF
מבוא לתכנות מדעי: פייתון: הרצאה 3: לולאות
byIgor Kleiner
 
PDF
מבוא לתכנות מדעי: פייתון: הרצאה 2: 2017
byIgor Kleiner
 
PDF
פייתון: הרצאה 1
byIgor Kleiner
 
PPTX
למידה ממוכנת פגישה 8
byIgor Kleiner
 
Анализ данных просто и доступно - урок 1
byIgor Kleiner
 
מדעי נתונים לכל אחד
byIgor Kleiner
 
תכנות דינמי הרצאה 3
byIgor Kleiner
 
תכנות דינמי הרצאה 4
byIgor Kleiner
 
שאלות לתרגול עצמי
byIgor Kleiner
 
פתרון תרגיל 3
byIgor Kleiner
 
מבוא לתכנות מדעי: פייתון הרצאה 13
byIgor Kleiner
 
תכנות מדעי פייתון: הרצאה 12: סיבוכיות
byIgor Kleiner
 
מבוא לתכנות מדעי: פייתון: הרצאה 11: דבגינג + תכנות דינמי
byIgor Kleiner
 
תכנות מדעי: פייתון: הרצאה 10: : תחום הכרעה
byIgor Kleiner
 
מבוא לתכנות מדעי: פייתון: הרצאה 9: 2017
byIgor Kleiner
 
תכנות מדעי: פייתון: הרצאה 8: 2017
byIgor Kleiner
 
תכנות מדעי: פייתון : הרצאה 7: 2017
byIgor Kleiner
 
תכנות מדעי: פייתון: הרצאה 6: קבצים, רשימות
byIgor Kleiner
 
מבוא לתכנות מדעי: פייתון: הרצאה 5: 2017
byIgor Kleiner
 
מבוא לתכנות מדעי: פייתון: הרצאה 4: 2017
byIgor Kleiner
 
מבוא לתכנות מדעי: פייתון: הרצאה 3: לולאות
byIgor Kleiner
 
מבוא לתכנות מדעי: פייתון: הרצאה 2: 2017
byIgor Kleiner
 
פייתון: הרצאה 1
byIgor Kleiner
 
למידה ממוכנת פגישה 8
byIgor Kleiner
 

מבוא למדעי הנתונים הרצאה 1

  • 1.
    ‫הנתונים‬ ‫למדעי‬ ‫מבוא‬ ‫א‬‫הנתונים‬ ‫למדעי‬ ‫מבוא‬' ‫שבוע‬1
  • 2.
    ‫הנתונים‬ ‫מדעי‬:‫מבוא‬ ‫מעניינות‬ ‫דוגמאות‬ ‫למידה‬‫מהי‬ ‫נתונים‬ ‫מדע‬ ‫מהו‬? ‫נתונים‬ ‫מדען‬ ‫מיהו‬?
  • 3.
  • 4.
    ‫נתונים‬ ‫של‬ ‫כוחם‬–‫מקום‬‫בכל‬ ‫נתונים‬ •‫בשנת‬2020‫תהיה‬ ‫בעולם‬ ‫נתונים‬ ‫כמות‬ ‫בערך‬40 zettabytes https://techjury.net/stats-about/big-data-statistics/
  • 5.
    ‫נתונים‬ ‫של‬ ‫כוחם‬–‫מקום‬‫בכל‬ ‫נתונים‬ •‫בשנת‬2020‫תהיה‬ ‫בעולם‬ ‫נתונים‬ ‫כמות‬ ‫בערך‬40 zettabytes •‫ב‬ ‫שיש‬ ‫מידע‬ ‫לכמות‬ ‫שווה‬ ‫זה‬:300 000 000 000 ‫גבוהה‬ ‫באיכות‬ ‫וידאו‬ ‫סרטי‬HD https://techjury.net/stats-about/big-data-statistics/
  • 6.
    ‫נתונים‬ ‫של‬ ‫כוחם‬–‫בכל‬‫נתונים‬ ‫מקום‬ •90%‫אחרונות‬ ‫בשנתיים‬ ‫נוצרו‬ ‫מהנתונים‬
  • 7.
    ‫נתונים‬ ‫של‬ ‫כוחם‬–‫בכל‬‫נתונים‬ ‫מקום‬ •‫מערכי‬ ‫בקצב‬ ‫נוצרים‬ ‫חדשים‬ ‫נתונים‬
  • 8.
    ‫נתונים‬ ‫של‬ ‫כוחם‬–‫בכל‬‫נתונים‬ ‫מקום‬ •‫כ‬ ‫לקח‬ ‫פעם‬ ‫אנושי‬ ‫גנום‬ ‫פענוח‬-10‫שנים‬ •‫בשבוע‬ ‫זה‬ ‫לעשות‬ ‫אפשר‬ ‫היום‬–‫למה‬?
  • 9.
    ‫נתונים‬ ‫מדעי‬–‫זה‬ ‫מה‬? •‫מדע‬‫ואמנות‬‫להשתמש‬‫איך‬‫בנתונים‬‫כדי‬ ‫לבנות‬‫מודלים‬‫יותר‬ ‫החלטות‬ ‫לקבל‬ ‫שיעזרו‬ ‫ולתת‬ ‫טובות‬‫רווח‬:‫לחברות‬,‫וקהילה‬ ‫אנשים‬
  • 10.
    ‫נתונים‬ ‫מדעי‬–‫זה‬ ‫מה‬? •‫מדע‬‫ואמנות‬‫להשתמש‬‫איך‬‫בנתונים‬‫כדי‬ ‫לבנות‬‫מודלים‬‫יותר‬ ‫החלטות‬ ‫לקבל‬ ‫שיעזרו‬ ‫ולתת‬ ‫טובות‬‫רווח‬:‫לחברות‬,‫וקהילה‬ ‫אנשים‬
  • 11.
    ‫נתונים‬ ‫מדעי‬–‫זה‬ ‫מה‬? •‫מדע‬‫ואמנות‬‫להשתמש‬‫איך‬‫בנתונים‬‫כדי‬ ‫לבנות‬‫מודלים‬‫יותר‬ ‫החלטות‬ ‫לקבל‬ ‫שיעזרו‬ ‫ולתת‬ ‫טובות‬‫רווח‬:‫לחברות‬,‫וקהילה‬ ‫אנשים‬
  • 12.
  • 13.
    ‫נתונים‬ ‫מדעי‬ ‫ללמוד‬‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬)
  • 14.
    ‫נתונים‬ ‫מדע‬ ‫ללמוד‬‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ ‫מכון‬ ‫של‬ ‫הערכות‬ ‫לפי‬‫קינזי‬:‫בשנת‬2019‫יהי‬ ‫נתונים‬ ‫במדעני‬ ‫החוסר‬ ‫הברית‬ ‫בארצות‬ ‫כ‬-150‫איש‬ ‫אלף‬
  • 15.
    ‫נתונים‬ ‫מדע‬ ‫ללמוד‬‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ •‫שלך‬ ‫בתחום‬ ‫במחקר‬ ‫להצליח‬ ‫כדי‬
  • 16.
    ‫נתונים‬ ‫מדע‬ ‫ללמוד‬‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ •‫שלך‬ ‫בתחום‬ ‫במחקר‬ ‫להצליח‬ ‫כדי‬ •‫ללמוד‬ ‫כדי‬"‫לדבר‬"‫מחשב‬ ‫עם‬
  • 17.
    ‫נתונים‬ ‫מדע‬ ‫ללמוד‬‫כדאי‬ ‫למה‬? •‫תואר‬ ‫לסגור‬ ‫כדי‬(‫ברירה‬ ‫אין‬) •‫ומבוקש‬ ‫חדש‬ ‫מקצוע‬ ‫ללמוד‬ ‫כדי‬ •‫שלך‬ ‫בתחום‬ ‫במחקר‬ ‫להצליח‬ ‫כדי‬ •‫ללמוד‬ ‫כדי‬"‫לדבר‬"‫מחשב‬ ‫עם‬ •‫ופורצות‬ ‫חדשות‬ ‫טכנולוגיות‬ ‫ללמוד‬ ‫כדי‬ ‫דרך‬ •... •...
  • 18.
    ‫סיכום‬ ‫נתונים‬ ‫המון‬ ‫מייצרים‬‫אנו‬ ‫היום‬ ‫נתונים‬ ‫יש‬ ‫חברות‬ ‫להמון‬,‫עם‬ ‫לדבר‬ ‫שיודעים‬ ‫אנשים‬ ‫חסרים‬ ‫אבל‬ ‫נתונים‬:‫נתונים‬ ‫מדען‬ ‫איך‬ ‫נלמד‬ ‫אנו‬ ‫בקורס‬"‫לדבר‬"‫מעניינות‬ ‫דוגמאות‬ ‫ונראה‬ ‫נתונים‬ ‫עם‬ ‫שונים‬ ‫מתחומים‬ ‫שיודע‬ ‫מי‬"‫להקשיב‬"‫החברה‬ ‫של‬ ‫הרווח‬ ‫את‬ ‫להגדיל‬ ‫יכול‬ ‫לנתונים‬
  • 19.
  • 20.
    ‫נתונים‬ ‫מדע‬ ‫ללמוד‬‫כדאי‬ ‫למה‬? ‫נתונים‬ ‫מדע‬‫נתונים‬ ‫עם‬ ‫לדבר‬ ‫מאפשר‬.‫נתונים‬ ‫עם‬ ‫לדבר‬ ‫שיודע‬ ‫האדם‬ ‫נקראה‬‫מדען‬‫נתונים‬.‫מאוד‬ ‫נדירה‬ ‫מיומנות‬ ‫זאת‬,‫ואלולה‬‫להיות‬ ‫נלמדת‬ ‫או‬ ‫תורשתית‬.‫מחשבים‬ ‫עם‬ ‫לדבר‬ ‫יודע‬ ‫נתונים‬ ‫מדען‬ ‫כל‬ ‫כמעט‬ ‫מיוחדות‬ ‫תוכנות‬ ‫בעזרת‬.
  • 21.
    ‫יותר‬ ‫לדעת‬ ‫רוצים‬? •‫גדולים‬‫מאוד‬ ‫מספרים‬: • https://www.thoughtco.com/bigger-than-a-trillion-1857463 •‫לדמיין‬ ‫שניתן‬ ‫גדול‬ ‫הכי‬ ‫המספר‬:‫מספרי‬‫גריהם‬ • https://www.youtube.com/watch?v=02oE8ox_Zms
  • 22.
  • 23.
  • 24.
  • 25.
    IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬ (‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬ ‫פעם‬) https://en.wikipedia.org/wiki/Deep_Blue_versus_Garry_Kasparov
  • 26.
    IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬(‫פעם‬ ‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬) •Blue Gene‫של‬ ‫במיפוי‬ ‫שעוזר‬ ‫מחשב‬ ‫אנושי‬ ‫גינום‬ https://en.wikipedia.org/wiki/IBM_Blue_Gene
  • 27.
    IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬(‫פעם‬ ‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬) •Blue Gene‫גינום‬ ‫של‬ ‫במיפוי‬ ‫שעוזר‬ ‫מחשב‬ ‫אנושי‬ •‫ב‬-2005‫שיוכל‬ ‫מחשב‬ ‫לבנות‬ ‫החליטו‬ ‫פופולארי‬ ‫במשחק‬ ‫לשחק‬Jeopardy https://en.wikipedia.org/wiki/Jeopardy!
  • 28.
    IBM Watson •‫בחברת‬IBM‫במדע‬ ‫משאבים‬‫המון‬ ‫משקיעים‬ •‫מחשב‬Deep Blue‫שחמט‬ ‫אלוף‬ ‫ניצח‬(‫פעם‬ ‫אפשרי‬ ‫בלתי‬ ‫שזה‬ ‫חשבו‬) •Blue Gene‫גינום‬ ‫של‬ ‫במיפוי‬ ‫שעוזר‬ ‫מחשב‬ ‫אנושי‬ •‫ב‬-2005‫שיוכל‬ ‫מחשב‬ ‫לבנות‬ ‫החליטו‬ ‫פופולארי‬ ‫במשחק‬ ‫לשחק‬Jeopardy https://en.wikipedia.org/wiki/Jeopardy!
  • 29.
  • 30.
  • 31.
    ‫למה‬jeopardy‫קשה‬ ‫משחק‬? •‫שונים‬ ‫מתחומים‬‫השאלות‬ •‫חידה‬ ‫של‬ ‫בצורה‬ ‫השאלות‬ •‫חדשות‬ ‫שאלות‬ ‫מחברים‬ ‫משחק‬ ‫לכל‬ •‫מבחוץ‬ ‫עזרה‬ ‫לקבל‬ ‫אסור‬ •‫זמן‬ ‫הגבלת‬ •‫מתחרים‬ ‫יש‬ •... •...
  • 32.
    ‫נתונים‬ ‫מדע‬ ‫של‬‫הקסם‬–‫של‬ ‫הקסם‬Watson
  • 33.
    ‫נתונים‬ ‫מדע‬ ‫של‬‫הקסם‬–‫של‬ ‫הקסם‬Watson •Watson‫מחשב‬ ‫הוא‬-‫עם‬ ‫על‬3000‫מעבדים‬ •“ Watson‫למד‬"‫דטה‬ ‫המון‬:‫מילונים‬, ‫ספרים‬,‫עיתונים‬,‫אנציקלופדיות‬,UH •‫ושיטות‬ ‫אלגוריתמים‬ ‫בהמון‬ ‫השתמש‬ ‫מתקדמות‬ ‫אופטימיזציה‬ Data ‫אלגוריתמים‬ ‫מתקדמים‬ NLP ‫במשחק‬ ‫ניצחון‬
  • 34.
    Watson‫היום‬ •‫ב‬ ‫משתמשים‬ ‫היום‬-Watson‫בתחומים‬ ‫שונים‬ •‫סרטן‬‫לחולי‬ ‫טוב‬ ‫הכי‬ ‫טיפול‬ ‫למצוא‬ ‫כדי‬ ‫למשל‬ https://www.ibm.com/il-en/marketplace/clinical-decision-support-oncology
  • 35.
    ‫יותר‬ ‫לדעת‬ ‫רוצים‬? •‫עוזר‬‫ובמה‬ ‫משתמשים‬ ‫איך‬Watson‫היום‬? • https://www.ibm.com/watson/ai-stories/
  • 36.
  • 37.
    eHarmony •‫היכרויות‬ ‫אתר‬ •‫ויחסים‬ ‫לאהבה‬‫מדעית‬ ‫גישה‬ •‫בערך‬4-5%‫ב‬ ‫נישואים‬USA-‫הודות‬ ‫ל‬-eHarmony •‫מעל‬ ‫האתר‬ ‫של‬ ‫רווח‬1‫דולר‬ ‫מיליארד‬ https://en.wikipedia.org/wiki/EHarmony
  • 38.
    eHarmony: data •‫משתמש‬ ‫שכל‬‫משאלונים‬ ‫באים‬ ‫נתונים‬ ‫למלא‬ ‫חייב‬ •‫שאלות‬ ‫מאות‬ ‫כמה‬ ‫יש‬ ‫בשאלון‬
  • 39.
    eHarmony: data •‫תוצאות‬ ‫סמך‬‫על‬ ‫זיווג‬ ‫מבצע‬ ‫האתר‬ ‫מתקדמים‬ ‫אלגוריתמים‬ ‫ביצעו‬ (‫סודיים‬)‫משתמש‬ ‫נתוני‬ ‫של‬ ‫לאנליזה‬ •‫באתר‬ ‫מחפש‬ ‫לא‬ ‫המשתמש‬
  • 40.
    eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬
  • 41.
    eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬
  • 42.
    eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?
  • 43.
    eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬
  • 44.
    eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?
  • 45.
    eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?‫לא‬!
  • 46.
    eHarmony: ‫אופטימיזציה‬ ‫בעיית‬ •‫צריך‬‫שאלונים‬ ‫של‬ ‫אנליזה‬ ‫אחרי‬ ‫אופטימיזציה‬ ‫בעיית‬ ‫לפתור‬–‫איך‬ ‫למקסם‬ ‫כדי‬ ‫לזוגות‬ ‫אנשים‬ ‫לחלק‬ ‫התאמות‬ ‫יותר‬ ‫טוב‬ ‫אפשר‬ ‫האם‬?‫לא‬!‫למה‬?
  • 47.
  • 48.
    eHarmony: beware •‫של‬ ‫שגישה‬‫הטוענים‬ ‫חוקרים‬ ‫יש‬ eHarmony‫מדעית‬ ‫לא‬ https://www.laweekly.com/ucla-professors-say-eharmony-is-unscientific- and-its-customers-are-duped-heres-why/
  • 49.
    ‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ •‫נאס‬‫בתולדות‬ ‫משמעותי‬ ‫אסון‬"‫א‬ •‫החלל‬ ‫מעברת‬ ‫באוויר‬ ‫התפוצצה‬‫צ‬'‫לנג‬'‫ר‬ 73‫שהמריאה‬ ‫אחרי‬ ‫שניות‬ https://en.wikipedia.org/wiki/Space_Shuttle_Challenger_disaster
  • 50.
    ‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ https://www.youtube.com/watch?v=fSTrmJtHLFU •24‫בהצלחה‬‫הסתיימו‬ ‫קודמות‬ ‫המראות‬ •‫כל‬ ‫אם‬ ‫לקראות‬ ‫יכול‬ ‫אסון‬5O-ring ‫מתקלקלים‬ ‫במעבורת‬ •‫שבהן‬ ‫המראות‬ ‫היו‬1-3O-ring‫התקלקלו‬ •‫קר‬ ‫היה‬ ‫הגורלית‬ ‫המראה‬ ‫ביום‬:‫מינוס‬1 ‫צלזיוס‬ ‫מעלות‬(30‫פרנהייט‬) •‫לבצע‬ ‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬
  • 51.
    ‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ https://www.youtube.com/watch?v=fSTrmJtHLFU •‫לבצע‬‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬
  • 52.
    ‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ •‫לבצע‬‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬ •‫המראות‬ ‫כל‬ ‫על‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫אבל‬ ‫שהיו‬
  • 53.
    ‫החלל‬ ‫מעבורת‬ ‫אסון‬‫צ‬'‫לנג‬'‫ר‬ •‫לבצע‬‫מותר‬ ‫האם‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫לא‬ ‫כאלו‬ ‫בתנאים‬ ‫המראה‬ •‫המראות‬ ‫כל‬ ‫על‬ ‫מעבר‬ ‫נתונים‬ ‫היו‬ ‫אבל‬ ‫שהיו‬ •‫לא‬ ‫אבל‬"‫דיברו‬"‫אסון‬ ‫ולכן‬ ‫הנתונים‬ ‫עם‬ ‫קרא‬
  • 54.
    ‫נתונים‬ ‫מדע‬ ‫של‬‫הקסם‬ Data logistic regression
  • 55.
    ‫סיכום‬ ‫בנתונים‬ ‫לשימוש‬ ‫שונות‬‫דוגמאות‬ ‫ראינו‬ ‫כסף‬ ‫לחסוך‬ ‫או‬ ‫חיים‬ ‫להציל‬ ‫יכול‬ ‫בנתונים‬ ‫נכון‬ ‫שימוש‬
  • 56.
  • 57.
    Today data and datascientist computer
  • 58.
  • 59.
    ‫נתונים‬ ‫מדעי‬ ‫מהם‬?‫מסחרי‬‫מבט‬ •‫נתונים‬ ‫של‬ ‫ענקית‬ ‫כמות‬ ‫קיימת‬ ‫היום‬: •‫מאינטרנט‬ ‫נתונים‬:Google, Yahoo, Facebook •‫קניות‬ ‫נתוני‬:Amazon, Shufersal •‫בנקאיות‬ ‫נתוני‬:‫הלוואות‬,‫תשלומים‬ •‫חישוב‬ ‫כוח‬(‫מחשבים‬)‫זול‬ ‫ויותר‬ ‫חזק‬ ‫יותר‬ •‫מתחרים‬ ‫המון‬,‫להפסיד‬ ‫לא‬ ‫חשוב‬
  • 60.
    •‫נתונים‬ ‫של‬ ‫ענקית‬‫כמות‬ ‫קיימת‬ ‫היום‬: •‫בחלל‬ ‫בלוויין‬ ‫חיישנים‬ •‫רציף‬ ‫באופן‬ ‫נתונים‬ ‫ואוספים‬ ‫שעבדים‬ ‫טלסקופים‬ •‫ביולוגיים‬ ‫נתונים‬ •‫מדעיות‬ ‫סימולציות‬ •‫לחוקרים‬ ‫עוזר‬ ‫נתונים‬ ‫מדע‬: •‫השארות‬ ‫לבדוק‬ •‫חדשות‬ ‫השארות‬ ‫למצוא‬ •‫גדולים‬ ‫נתונים‬ ‫של‬ ‫מהיר‬ ‫איבוד‬ ‫נתונים‬ ‫מדעי‬ ‫מהם‬?‫מדעי‬ ‫מבט‬
  • 61.
    ‫נתונים‬ ‫מדעי‬ ‫מהם‬?‫הגדרות‬ •‫יחידה‬‫הגדרה‬ ‫אין‬ •‫מנתונים‬ ‫חדש‬ ‫מידע‬ ‫קבלת‬ •‫נתונים‬ ‫של‬ ‫אוטומטית‬ ‫אנליזה‬ ‫חשובות‬ ‫תבניות‬ ‫למצוא‬ ‫במטרה‬
  • 62.
  • 63.
    ‫סיכום‬ ‫נתונים‬ ‫למדעי‬ ‫אחת‬‫הגדרה‬ ‫אין‬ ‫בנתונים‬ ‫עוסקים‬ ‫נתונים‬ ‫מדעי‬:‫איסוף‬,‫עיבוד‬,‫אנליזה‬,‫קבלת‬ ‫החלטות‬ ‫מדע‬ ‫וגם‬ ‫אומנות‬ ‫גם‬ ‫הם‬ ‫נתונים‬ ‫מדעי‬ ‫חיים‬ ‫להציל‬ ‫או‬ ‫להרוויח‬ ‫מאפשרים‬ ‫נתונים‬ ‫מדעי‬
  • 64.
  • 65.
  • 66.
    •‫מדע‬ ‫איש‬ ‫הוא‬‫נתונים‬ ‫מדען‬: •‫העולם‬ ‫את‬ ‫להבין‬ ‫מנסה‬ •‫חדשים‬ ‫דברים‬ ‫לגלות‬ ‫אוהב‬ •‫נתונים‬ ‫לאיסוף‬ ‫חדשות‬ ‫שיטות‬ ‫ממציא‬ •‫התוצאות‬ ‫את‬ ‫להבין‬ ‫מנסה‬ •‫טעויות‬ ‫להכיל‬ ‫יכולים‬ ‫שנתונים‬ ‫יודע‬ •‫לתובנות‬ ‫מספרים‬ ‫הופך‬ ‫מיהו‬/‫י‬‫מדענ‬/‫ית‬‫נתונים‬
  • 67.
    •‫חשובות‬ ‫שאלות‬ ‫שתי‬: •‫בעיה‬‫בהינתן‬–‫שיעזרו‬ ‫נתונים‬ ‫מהם‬ ‫אותה‬ ‫לפתור‬ •‫נתונים‬ ‫בהינתן‬–‫שאלות‬ ‫אילו‬ ‫לפתור‬ ‫אפשר‬ ‫מעניינות‬ ‫מיהו‬/‫י‬‫מדענ‬/‫ית‬‫נתונים‬
  • 68.
    ‫נתונים‬ ‫על‬ ‫מעניינות‬‫שאלות‬ •‫סקרן‬ ‫אדם‬ ‫בן‬ ‫הוא‬ ‫נתונים‬ ‫מדען‬ •‫הנתונים‬ ‫על‬ ‫שאלות‬ ‫לשאול‬ ‫היא‬ ‫נתונים‬ ‫מדען‬ ‫של‬ ‫ממיומנויות‬ ‫אחת‬ •‫מעניינים‬ ‫נתונים‬ ‫של‬ ‫דוגמה‬ ‫נראה‬ ‫הבא‬ ‫בתרגיל‬,‫הדוגמה‬ ‫על‬ ‫תחשבו‬ ‫ורשמו‬5‫דאטה‬ ‫על‬ ‫שאלות‬
  • 69.
    Internet Movie Database(IMDB) •IMDB‫סרטים‬ ‫על‬ ‫מידע‬ ‫מאגר‬ ‫הוא‬ •‫מ‬ ‫יותר‬ ‫על‬ ‫רשומות‬ ‫מכיל‬ ‫האתר‬-3.5 ‫סרטים‬ ‫מיליוני‬ •‫שלו‬ ‫פרמטרים‬ ‫על‬ ‫מידע‬ ‫יש‬ ‫סרט‬ ‫לכל‬ •‫על‬ ‫מפורט‬ ‫מידע‬ ‫מכיל‬ ‫גם‬ ‫האתר‬ ‫שחקנים‬ https://www.imdb.com/
  • 70.
    Internet Movie Database(IMDB) https://www.imdb.com/ Movie Data
  • 71.
    Internet Movie Database(IMDB) https://www.imdb.com/ Movie Data ‫הנתונים‬ ‫מדעי‬ ‫איך‬ ‫מראה‬ ‫הסרט‬ ‫בספורט‬ ‫לעזור‬ ‫יכולים‬–‫מומלץ‬ ‫לצפייה‬
  • 72.
    Internet Movie Database(IMDB) https://www.imdb.com/ Actor Data
  • 73.
  • 74.
    Internet Movie Database(IMDB) •‫מעניינות‬ ‫שאלות‬:
  • 75.
    Internet Movie Database(IMDB) •‫מעניינות‬ ‫שאלות‬: •‫חדש‬ ‫מסרט‬ ‫מרוצים‬ ‫יהיו‬ ‫אנשים‬ ‫כמה‬ ‫לנבות‬ ‫אפשר‬ ‫האם‬? •‫חדש‬ ‫סרט‬ ‫של‬ ‫רווח‬ ‫יהי‬ ‫מה‬? •‫מסוים‬ ‫בסרט‬ ‫שחקנים‬ ‫של‬ ‫גיל‬ ‫מתפלג‬ ‫איך‬? •‫אחרים‬ ‫מאנשים‬ ‫יותר‬ ‫חיים‬ ‫קולנוע‬ ‫שחקני‬ ‫האם‬? •‫הרבה‬ ‫הכי‬ ‫מרוויח‬ ‫שחקן‬ ‫איזה‬? •‫הסרט‬ ‫את‬ ‫יאהב‬ ‫מסוים‬ ‫שצופה‬ ‫סיכוי‬ ‫להעריך‬ ‫אפשר‬ ‫האם‬? •...
  • 76.
  • 77.
    ‫בניו‬ ‫מוניות‬ ‫נתוני‬‫מאגר‬-‫יורק‬ •‫וניתן‬ ‫באינטרנט‬ ‫נמצאים‬ ‫הנתונים‬ ‫עצמאי‬ ‫באופן‬ ‫אותם‬ ‫להוריד‬ https://data.cityofnewyork.us/Transportation/2018-Yellow-Taxi- Trip-Data/
  • 78.
    ‫בניו‬ ‫מוניות‬ ‫נתוני‬‫מאגר‬-‫יורק‬ •‫וניתן‬ ‫באינטרנט‬ ‫נמצאים‬ ‫הנתונים‬ ‫עצמאי‬ ‫באופן‬ ‫אותם‬ ‫להוריד‬ •‫נסיעות‬ ‫על‬ ‫מידע‬ ‫מכילים‬ ‫הנתונים‬: ‫מרחק‬,‫זמן‬,‫תשלום‬,‫קיבל‬ ‫נהג‬ ‫האם‬ ‫וכו‬ ‫טיפ‬' https://data.cityofnewyork.us/Transportation/2018-Yellow-Taxi- Trip-Data/
  • 79.
    ‫בניו‬ ‫מוניות‬ ‫נתוני‬‫מאגר‬-‫יורק‬ •‫מעניינות‬ ‫שאלות‬:
  • 80.
    ‫בניו‬ ‫מוניות‬ ‫נתוני‬‫מאגר‬-‫יורק‬ •‫מעניינות‬ ‫שאלות‬: •‫לילה‬ ‫במשמרת‬ ‫נהג‬ ‫של‬ ‫רווח‬ ‫מה‬? •‫נסיעה‬ ‫אורך‬ ‫מתפלג‬ ‫איך‬? •‫העומס‬ ‫בשעות‬ ‫ממוצעת‬ ‫מהירות‬ ‫מהי‬? •‫טיפ‬ ‫יותר‬ ‫מקבלים‬ ‫זריזים‬ ‫נהגים‬ ‫האם‬? •‫לנוסע‬ ‫לחכות‬ ‫כדאי‬ ‫איפה‬? •...
  • 81.
    ‫סיכום‬ ‫מחקר‬ ‫השאלת‬ ‫על‬‫לענות‬ ‫כדי‬ ‫צריך‬ ‫נתונים‬ ‫אילו‬ ‫לדעת‬ ‫חשוב‬ ‫אפשר‬ ‫שעליכן‬ ‫שאלות‬ ‫מהן‬ ‫לדעת‬ ‫חשוב‬ ‫נתונים‬ ‫מאגר‬ ‫בהינתן‬ ‫לענות‬
  • 82.
    ‫נתונים‬ ‫מדען‬ ‫עובד‬‫איך‬? •‫נראה‬ ‫לא‬ ‫הנתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ ‫כך‬
  • 83.
    ‫נתונים‬ ‫מדען‬ ‫עובד‬‫איך‬? •‫מורכב‬ ‫הוא‬ ‫נתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ ‫שלבים‬ ‫מספר‬ ‫ומכיל‬ ‫יחסית‬ •‫המקובלים‬ ‫תהליכים‬ ‫מספר‬ ‫קיים‬ ‫נתונים‬ ‫עם‬ ‫לעבודה‬ •‫אחד‬ ‫תהליך‬ ‫נלמד‬ ‫אנו‬:DM-CRISP
  • 84.
    CRISP-DM •‫תהליך‬DM-CRISP‫עם‬ ‫לעבוד‬ ‫מאפשר‬ ‫ויעיל‬‫מסודר‬ ‫באופן‬ ‫נתונים‬ •‫התהליך‬ ‫את‬ ‫נכיר‬ ‫רק‬ ‫היום‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining
  • 85.
    CRISP-DM •‫תהליך‬DM-CRISP‫עם‬ ‫לעבוד‬ ‫מאפשר‬ ‫ויעיל‬‫מסודר‬ ‫באופן‬ ‫נתונים‬ •‫התהליך‬ ‫את‬ ‫נכיר‬ ‫רק‬ ‫היום‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
  • 86.
    CRISP-DM: ‫העסק‬ ‫הבנת‬ •‫ראשון‬‫שלב‬ ‫זה‬ ‫כלל‬ ‫בדרך‬ ‫העסק‬ ‫הבנת‬ •‫חשוב‬ ‫זה‬ ‫בשלב‬‫להבין‬‫של‬ ‫עסקיות‬ ‫מטרות‬ ‫עסק‬: •‫הוצאות‬ ‫להקטין‬ •‫רווח‬ ‫להגדיל‬ •‫לקוחות‬ ‫של‬ ‫נשירה‬ ‫אחוז‬ ‫למזער‬ •... https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
  • 87.
    CRISP-DM: ‫דאטה‬ ‫הבנת‬ •‫בתהליך‬‫שני‬ ‫שלב‬ ‫דאטה‬ ‫הבנת‬ •‫ראשוני‬ ‫מידע‬ ‫איסוף‬ •‫המידע‬ ‫תיור‬ •‫המידע‬ ‫הבנת‬ •‫המידע‬ ‫איכות‬ ‫וידוא‬ •‫יש‬ ‫עסקיות‬ ‫דרישות‬ ‫על‬ ‫עונה‬ ‫לא‬ ‫דאטה‬ ‫אם‬ ‫קודם‬ ‫לשלב‬ ‫לחזור‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
  • 88.
    CRISP-DM: ‫דאטה‬ ‫הכנת‬ •‫בתהליך‬‫שלישי‬ ‫שלב‬ •‫שינותח‬ ‫דאטה‬ ‫בחירת‬ •‫הנתונים‬ ‫ניקוי‬ •‫חסרים‬ ‫בערכים‬ ‫טיפול‬ •‫לניתוח‬ ‫נוח‬ ‫לפורמט‬ ‫נתונים‬ ‫העברת‬ •‫חריגים‬ ‫בערכים‬ ‫טיפול‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
  • 89.
    CRISP-DM: ‫מודלים‬ ‫והפעלת‬‫בניית‬ •‫רביעי‬ ‫שלב‬–modeling •‫לנתונים‬ ‫מתאים‬ ‫מדול‬ ‫מודל‬ ‫בחירת‬ •‫לנתונים‬ ‫המודל‬ ‫התאמת‬ •‫שנצטרך‬ ‫ייתכן‬ ‫מתאים‬ ‫מודל‬ ‫נמצא‬ ‫לא‬ ‫אם‬ ‫קודם‬ ‫לשלב‬ ‫לחזור‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
  • 90.
    CRISP-DM: ‫תוצאות‬ ‫של‬‫הערכה‬ •‫חמישי‬ ‫שלב‬–evaluation •‫שבנינו‬ ‫המודלים‬ ‫איכות‬ ‫בדיקת‬ •‫טובה‬ ‫מספיק‬ ‫איכות‬ ‫האם‬? •‫לחזור‬ ‫צורך‬ ‫יש‬ ‫טובה‬ ‫מספיק‬ ‫לא‬ ‫איכות‬ ‫אם‬ ‫קודמים‬ ‫לשלבים‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
  • 91.
    CRISP-DM: ‫במודל‬ ‫שימוש‬ •‫שישי‬‫שלב‬–deployment •‫או‬ ‫עסקיות‬ ‫למטרות‬ ‫שבנינו‬ ‫במודל‬ ‫שימוש‬ ‫מחקריות‬: •‫ניבוי‬ •‫אופטימיזציה‬ •‫השארות‬ ‫בדיקת‬ •... https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫שימוש‬ ‫במודל‬ ‫דאטה‬
  • 92.
    CRISP-DM ‫סיכום‬: •‫פשוט‬ ‫איננו‬‫נתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ •‫שלבים‬ ‫ממספר‬ ‫מורכב‬ ‫התהליך‬ •‫קודמים‬ ‫לשלבים‬ ‫חוזרים‬ ‫וצורך‬ ‫במידה‬ •‫התהליך‬ ‫למעשה‬‫האמיתי‬‫יותר‬ ‫מורכב‬ ‫הינו‬ https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬ ‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬
  • 93.
  • 94.
    ‫אוכל‬ ‫הכנת‬ ‫הבנת‬ ‫העסק‬ ‫הבנת‬ ‫דאטה‬ ‫הכנת‬ ‫דאטה‬ ‫והפעלת‬ ‫בניית‬ ‫מודלים‬ ‫של‬‫הערכה‬ ‫תוצאות‬ ‫במודל‬ ‫שימוש‬ ‫דאטה‬ ‫הבנת‬ ‫צורך‬ ‫איזה‬ ‫יש‬ ‫מוצרים‬ ‫הכנת‬ ‫מוצרים‬ ‫אוכל‬ ‫הכנת‬ ‫איכות‬ ‫בדיקת‬ ‫אוכל‬ ‫של‬ ‫אכילה‬ ‫דאטה‬
  • 95.
    ‫סיכום‬ ‫פשוט‬ ‫לא‬ ‫הוא‬‫נתונים‬ ‫עם‬ ‫עבודה‬ ‫תהליך‬ CRISP-DM‫באופן‬ ‫נתונים‬ ‫עם‬ ‫לעבוד‬ ‫המאפשר‬ ‫פרוטוקול‬ ‫ואמין‬ ‫מסודר‬ CRISP-DM‫משלבים‬ ‫מורכב‬,‫במידה‬ ‫לשלב‬ ‫משלב‬ ‫לחזור‬ ‫ניתן‬ ‫הצורך‬
  • 96.
  • 97.
  • 98.