הכנת הנתונים

בקרת איכות

• חשיבות תהליכי QA לתהליכי ML

• הבנת סוגי משתנים

• טיפול בערכים חסרים / ריקים ושגיאות

• זיהוי וטיפול בערכי קיצון

• בדיקות שכיחות, טווחים והבנת התפלגויות

​

ביצוע Univariate Profiling

• משתנים קטגוריים מול משתנים מספריים (מדדים)

• משתנים בדידים מול משתנים רציפים

• יצירת היסטוגרמות

• ממוצע, חציון, שכיח

• אחוזונים, הטיות ושונות

​

ביצוע Multivariate Profiling

• מתאמים (קורלציות)

• הצגת יחסים בין משתנים מסוגים שונים

• מפות חום
   

למידת מכונה מונחית (Supervised Learning)

מבוא ללמידת מכונה

• מה זה למידת מכונה ומהם העקרונות בבסיסה

• סוגים שונים של למידת מכונה

• דוגמאות ללמידת מכונה בעולם האמיתי
   

סיווג (Classification)

• מהו סיווג

• פיצול נתונים והימנעות מהתאמת יתר

• מודלים נפוצים לסיווג

• KNN

• Naïve Bayes

• עצי החלטה (Decision Trees)

• Random Forest

• רגרסיה לוגיסטית

• Sentiment Analysis

• בחירת מודל מתאים והשוואה בין ביצועי מודלים

• ביצוע אופטימיזציה ו-Parameter Tuning 

• הנדסת תכונות ( Feature Engineerin

​

רגרסיה (Regression)

• מבוא לחיזוי באמצעות רגרסיה

• מקרי שימוש נפוצים

• סוגי רגרסיה שונים

  • רגרסיה לינארית פשוטה (Univariate Linear Regression)

  • רגרסיה לינארית מורכבת (Multiple Linear Regression)

  • רגרסיה בלתי לינארית

  • שימוש ברגרסיה לחיזוי על פני ציר זמן (Time Series)

  •  זיהוי מגמות ועונתיות​​

​

למידת מכונה בלתי-מונחית (Unsupervised Learning)

מבוא ללמידת מכונה בלתי-מונחית

• למידת מכונה מונחית VS בלתי-מונחית

• מקרי שימוש נפוצים

• טכניקות נפוצות

• יצירת מקבצים וסגמנטציה

מבוא ליצירת מקבצים (Clustering)

• K-Means

• קיבוץ היררכי

• איתור תצפיות חריגות

• איתור תצפיות חריגות על סדרת זמן