נקודות זכות באוניברסיטה העברית: 2

תואר: מוסמך

היחידה האקדמית שאחראית על הקורס: חינוך

סמסטר: סמסטר א'

שפת ההוראה: עברית

קמפוס: הר הצופים

מורה אחראי על הקורס (רכז): ד"ר מאיר ברנרון

דוא"ל של המורה האחראי על הקורס: meir.barneron@mail.huji.ac.il

שעות קבלה של רכז הקורס:

מורי הקורס:
ד"ר מאיר ברנרון

תאור כללי של הקורס:
ככלל, הקורס פתוח לתלמידים אשר למדו את הקורס "מבוא לעיבוד נתונים בעזרת R". הקורס מניח שליטה טובה במונחי יסוד ב-R, הכרה עם האובייקטים העיקריים, ועם הפונקציות העיקריות של base R ושל החבילה tidyverse.
כמו כן, הקורס מניח כי יש לסטודנטים ידע תיאורטי מספק בסוגיות הסטטיסטיות הבאות, או שהם ישלימו אותו במהלך הסמסטר בעזרת קורס מקביל:
- t-test (independent, paired)
- ANOVA (between & within subjects, mixed designs)
- Correlation
- Linear regression (single variables, multiple variables, interaction)
- Logistic regression
- Mediation
- Mixed Effect Models

מטרות הקורס:
המטרה הכללית של הקורס היא להקנות לחוקרים כמותניים כלים תיאורטיים ופרקטיים מתקדמים לעיבוד נתונים בעזרת R. במהלך הקורס, אנו נלמד מגוון רחב של פעולות הנדרשות בהליך עיבוד הנתונים ועל הדרך לבצע אותם באופן יעיל. כמו כן, הקורס יקנה ידע על האופן שבו ניתן לבצע מבחנים סטטיסטיים טיפוסיים בעזרת R.

תוצרי למידה :
בסיומו של קורס זה, סטודנטים יהיו מסוגלים:
קרוא ולכתוב קוד R מתקדם לעיבוד נתונים בעזרת R. התלמידים ידעו להשתמש בפונקציות מתקד3מות ב-R, ולבצע את מרבית הפעולות השגרתיות הנדרשות מחוקרים כמותיים. בנוסף, התלמידים ידעו להציג נתונים בעזרת תרשים, ולבצע מגוון מבחנים סטטיסטיים.

דרישות נוכחות (%):

שיטת ההוראה בקורס: הקורס מבוסס על עיקרון הלמידה ההפוכה. כשבוע לפני השיעור, התלמידים יקבלו קישורים לקבצי קוד R בנושאים מסוימים, ולסרטונים נלווים (עד שעתיים). התלמידים יתבקשו לצפות בסרטונים ולעיין בקבצי הקוד. בכיתה אנו נעמיק בנושא הנידון וכן נפתור תרגילים ביחד.

רשימת נושאים / תכנית הלימודים בקורס:
הקורס מחולק לשני חלקים עיקריים: בחלקו הראשון הסטודנטים ילמדו אוסף של פעולות מתקדמות לעיבוד נתונים. בפרט, אנו נעסוק בשלושת הנושאים הבאים:
- פורמטים שונים לייצוג נתונים (למשל, ייצוג לאורך, לרוחב, tidy)
- קישור בין טבלאות (relational data)
- וייצוג גרפי (data visualization)
בחלק השני של הקורס, אנו נלמד כיצד לבצע, ב-R, את המבחנים הסטטיסטיים שהוזכרו לעיל.
להלן רשימת השיעורים והנושאים אשר יילמדו בהם:
Lessons Date Topics Codes & Videos Homeworks
1 Introduction Homework 1
(due date: Lesson 3)
2 Data Representation – Part 1 1—2
3 Data Representation – Part 2 3—6 Homework 2
(due date: Lesson 5)
4 Relational Data –
Part 1 7—9
5 Relational Data –
Part 2 10—13 Homework 3
(due date: Lesson 7)
6 Data Visualization – Part 1 14—24

חומר חובה לקריאה:
קריאה רשות
1. De Vries & Meys (2015). R for Dummies (2nd Edition).
2. Wickham & Grolemund. R for Data Science (1st Edition).

חומר לקריאה נוספת:

מרכיבי הציון הסופי :
הגשת עבודה מסכמת / פרויקט גמר / מטלת סיכום / רפרט % 30
השתתפות פעילה / עבודת צוות % 10
מטלות הגשה במהלך הסמסטר: תרגילים / עבודות / מבדקים / דוחות / פורום / סימולציה ואחרות % 30
מבחני אמצע % 30

מידע נוסף / הערות: