סילבוס

תוכן הקורס ומטרתו

היכולת לתכנת מחשב לביצוע משימות היא במקביל מאתגרת, מתסכלת, וגם מעניינת, מספקת, מהנה ומעצימה. הידע כיצד לתכנת היא חיונית לביצוע של ניתוח נתונים בעידן המודרני. בקורס זה תלמדו את יסודות התכנות באמצעות שפת R. R היא שפת תכנות וסביבת עבודה לניתוח נתונים הנמצאת בשימוש נרחב. סקרים ומחקרים שנערכו הראו כי הפופולריות של R גדלה באופן משמעותי ובעשור השני של המאה ה-21 היא השפה המרכזית המשמשת לתכנות סטטיסטי / לימוד-מכונה ומדעני מידע (data scientists). R היא תוכנה חופשית ("קוד פתוח") המופצת תחת רישיון GPL-2. הנושאים שתלמדו בקורס זה יהוו את הבסיס שיאפשר לכם לעבור מתכנות בסיסי לתכנות סטטיסטי בקורסי המשך בתואר (מבוא לסטטיסטיקה, תכנון ניסויים וניתוח שונות, רגרסיה, חישוב סטטיסטי, ועוד).

היכולת לתכנת מהווה יכולת הכרחית לצורך ביצוע של ניתוח סטטיסטי של נתונים (שרבים קוראים לו גם data science).

הנושאים הבאים יסקרו בקורס:


רקע כללי לשפת R, קבלת עזרה ולשימוש ב- RStudio.
יצירת משתנים מסוגים שונים (נומריים, מחרוזות, לוגיים, פונקציות, ועוד), חילוץ והשמת ערכים.
פעולות על משתנים מסוגים שונים (פעולות אלגבריות, אופרטורים על משתנים בינאריים, אלגברה מטריציונית, ועוד).
תצפיות חסרות מסוגים שונים (NA, NULL, NaN).
מבוא לפונקציות ואלגוריתמים (בעיקר להמחשת משפטים בסיסיים מתורת המספרים - מודולו, סדרת פיבונצ'י, מספרים ראשוניים, מחלק משותף מקסימאלי).
בקרת זרימה (תנאי אם-גם, לולאות ולואות מקוננות לעומת פונקציות ווקטוריות)
רקורסיה.
סיבוכיות זמן ריצה (O גדולה).
אלגוריתמי מיון וחיפוש (מיון בחירה, מיון בועה, מיון מנייה, מיון מיזוג, חיפוש בינארי).
רשימות, מאפיינים (שמות, מאפיינים באופן כללי).
מבני משתנים מורכבים (פאקטורים, מטריצות, מסגרות נתונים)
שיטות אגרגציה (sapply, lapply, tapply, apply)


* הערה: הנושאים שיסקרו יועברו ברמה מבואית ולא בדיוק בסדר שבו הם מופיעים (היות והנושאים השונים שזורים האחד בשני ויופיעו בשלבים שונים בהתאם לרמת הידע שתצברו).

כל נושאי הקורס יועברו במצגות מסודרות בשילוב עם שיעורי בית. התלמיד החרוץ מוזמן אף לעיין במקורות הבאים.

מקורות/ספרות נוספים להעשרה:


Guide to Programming and Algorithms Using R -Springer -Verlag London (2013), Özgür Ergül (auth.)
Introduction to Data Technologies - CRC Press Book - https://www.stat.auckland.ac.nz/~paul/ItDT/itdt-2010-11-01.pdf
An Introduction to R - https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf
Cracking the coding interview - by Gayle Laakmann McDowell
R for Data Science - http://r4ds.had.co.nz/