❤️ הרצאה 8: מחקר פרמינגהם ורגרסיה לוגיסטית | מבוא למדעי הנתונים

❤️ הרצאה 8: מחקר פרמינגהם ורגרסיה לוגיסטית | מבוא למדעי הנתונים ברוכים הבאים להרצאה השמינית בקורס הפופולרי **„מבוא למדעי הנתונים”**! 📊 בהרצאה זו נכיר את *מחקר הלב של פרמינגהם* — אחד המחקרים החשובים והמפורסמים ביותר בתחום בריאות הלב. המחקר עקב במשך שנים אחר אלפי אנשים ובדק כיצד גורמים כמו גיל, לחץ דם, עישון, כולסטרול וסוכרת קשורים לסיכון לפתח מחלות לב. נלמד כיצד חוקרי נתונים משתמשים במידע כזה כדי לזהות גורמי סיכון, לנתח קשרים בין משתנים ולבנות מודל שמנסה להעריך את ההסתברות לאירוע לבבי. החלק המרכזי של ההרצאה מוקדש ל־**רגרסיה לוגיסטית** — מודל שמאפשר לחזות תוצאה בינארית, למשל: ✅ האם קיים סיכון למחלת לב? ❌ או שאין סיכון משמעותי? נבין מה ההבדל בין רגרסיה לינארית לרגרסיה לוגיסטית, כיצד מפרשים הסתברויות, מהו סף החלטה, ואיך בודקים האם המודל באמת מצליח לזהות מקרים בסיכון. והבדיחה של היום: הלב אולי לא תמיד פועל בצורה לינארית — ולכן מזל שיש לנו רגרסיה לוגיסטית 😄 ❓שאלה לדיון: איזה משתנה לדעתכם משפיע יותר על הסיכון למחלות לב — גיל, עישון, לחץ דם או כולסטרול? כתבו בתגובות ונבדוק יחד מה הנתונים מספרים. מילות מפתח: מבוא למדעי הנתונים, הרצאה 8, מחקר פרמינגהם, מחקר הלב של פרמינגהם, רגרסיה לוגיסטית, ניתוח נתונים, מדעי הנתונים, למידת מכונה, חיזוי בינארי, הסתברות, מחלות לב, גורמי סיכון, לחץ דם, כולסטרול, עישון, סוכרת, מודל סיווג, logistic regression, Framingham Heart Study, data science האשטגים: #מדעיהנתונים #ניתוחנתונים #רגרסיהלוגיסטית #למידתמכונה #מחקרפרמינגהם #בריאותהלב #DataScience #LogisticRegression #MachineLearning #FraminghamHeartStudy