קורס חדש במדעי הנתונים לכלכלנים
סילבוס מדעי הנתונים.pdf
"אני שמח לשמוע שהמחלקה מבקשת לחשוף את הסטודנטים לגישות וטכנולוגיות חדשות כבר בתואר הראשון. אני חושב שזה צעד מתבקש כדי לאפשר לבוגרים ראייה ביקורתית ומגוון אפשרויות של תעסוקה ושכלכלנים יכולים להיות מדעני נתונים מצוינים ללא הרבה הכשרה ייעודית." (עידו מינץ, בוגר המחלקה ומדען נתונים בחברת Intuit)
תחום המידע ועיבוד המידע בעולם הפכו בשנים האחרונות לגורם מכריע בתהליך קבלת ההחלטות התפעוליות והאסטרטגית בארגונים השונים והם מהווים נתח הולך וגדל מהתוצר בשנים האחרונות. כמות הנתונים המיוצרת כיום בעולם עולה על 2.5 EB ליום, יכולות התקשורת גדלות בכ- 30% בשנה וכמות המידע הנאגר בכ- 20% בשנה. בהתאם, התרחבו מאוד גם יישומי המחשב מבוססי הנתונים והמידע בכל התחומים, והשימוש בהם מתרחב בכל הסקטורים, כולל הסקטור הפיננסי, הציבורי והעסקי. עם התרחבות טכנולוגית אדירה זו עלה באופן טבעי גם הביקוש ליכולות ומיומנויות בניתוח ועיבוד נתונים. בישראל לדוגמה גדל מספר המועסקים בענף זה (שירותי מידע) ב 24.5% בשנת 2016 (לעומת גידול של כ- 2.5% במספר המועסקים במשק, ופחות מ- 1% בסקטור התעשייה ככלל) ועמד על 5,600 עובדים (למ"ס).
עיבוד נתונים דורש מספר מיומנויות הכוללות בעיר היכרות טובה עם: (1) סטטיסטיקה ושיטות מחקר (2) יישומי מחשב ושפות תכנות ייעודיות (3) תיאוריות לגבי קשרים בין משתנים כלכליים כלכליים במציאות אותה מנתחים. חלק ניכר ממיומנויות אלה נרכשות לימודי הכלכלה.
מטרת הקורס החדש "מדעי הנתונים לכלכלנים" היא להקנות לכלכלנים את הכלים הבסיסיים להשתלבות בתעשיית ניתוח הנתונים כבר בשלב מוקדם בקריירה שלהם. הוא יכלול נושאים מרכזיים כגון תכנות בסיסי ב-R, היכרות עם שפת SQL, ויזואליזציה ב-R, מודלים ליניארים, ליניארים מוכללים (GLM), מודלים היררכיים, שיטות למידה מונחית (Supervised Learning: SVM, Decision Trees, Random Forest), נושאים בלמידה בלתי מונחית (הורדת מימד, clustering), יצירת דוחות אוטומטים (knitr, bookdown, Shiny), ועוד.
עוד על הקשר בין כלכלה מדעי הנתונים:
Liran Einav ו- Jonathan Levin מבהירים את חשיבותו הרבה של תחום הכלכלה והמודלים עליהם הוא נשען בניתוח נתונים במאמרם (2014), "Economics in the age of big data" בו הם כותבים:
"Economic theory plays an important role in the analysis of large data sets with complex structure. It can be difficult to organize and study this type of data (or even to decide which variables to construct) without a simplifying conceptual framework, which is where economic models become useful: http://science.sciencemag.org/content/346/6210/1243089
ניתן למצוא תימוכין רבים לטענה כי כלכלנים יכולים להיות מדעני נתונים מצוינים. כך לדוגמה, גם Matúš Lupták ,איש מדע נתונים מאוניברסיטת Edinburgh מעלה על הכתב בבלוג שלו (Medium) מספר סיבות לכך שכלכלנים יכולים להפוך למדעני נתונים מצוינים:
https://medium.com/@metjush/4-reasons-why-economists-make-great-data-scientists-and-why-no-one-tells-them-524478845ec2
