הנחיות לפרויקטProject Guidelines
השלבים המרכזיים הנדרשים לביצוע הפרויקט.The main stages required for completing the project.
שער ונושא המחקרCover and Research Topic
- שם תלמיד/ה + ת״ז
- Student name + ID
- שם המחקר
- Research title
- שנת לימודים
- School year
- שם המורה
- Teacher name
- הקדמה קצרה ותמונה הקשורה למאגר או לפרויקט
- A short introduction and an image related to the dataset or project
תיאור הנתוניםData Description
- תיאור קצר של מאגר הנתונים
- Short description of the dataset
- מקור הנתונים וקישור למאגר
- Dataset source and link
- סוגי הנתונים במאגר
- Types of data in the dataset
- עמודות שיכולות לשמש כתכונות וכמטרה
- Columns that can serve as features and target
חקר נתוניםData Exploration
- טעינת נתונים, info, describe
- Load data, info, describe
- לפחות 2 פקודות groupby
- At least 2 groupby commands
- לפחות 5 גרפים שונים
- At least 5 different graphs
- הצגת קורלציה עם heatmap
- Present correlation with a heatmap
עיבוד ולמידת מכונהProcessing and Machine Learning
- ניקוי נתונים
- Data cleaning
- איזון תגיות
- Label balancing
- נרמול
- Normalization
- הנדסת מאפיינים
- Feature engineering
- חלוקה ל-Train/Test ואימון לפחות שני אלגוריתמים
- Train/Test split and training at least two algorithms
הסבר מפורט על הפרויקטDetailed Project Explanation
פירוט מלא של הסעיפים והדרישות להגשה.A full breakdown of the sections and submission requirements.
1. שער ונושא המחקר1. Cover and Research Topic
שם תלמיד/ה + ת״ז, שם המחקר, שנת לימודים, שם המורה, הקדמה קצרה על מטרת המחקר ותמונה הקשורה לפרויקט.
Student name + ID, research title, school year, teacher name, a short introduction to the purpose of the research, and an image related to the project.
2. תיאור הנתונים2. Data Description
תיאור המאגר, המקור, טווח זמנים, גרסה, עדכון אחרון, מספר רשומות ועמודות, משמעות העמודות ובחירת מאפייני הקלט והמטרה.
Describe the dataset, source, time range, version, latest update, number of records and columns, column meanings, and the chosen input features and target.
3. חקר נתונים3. Data Exploration
הצגת נתונים, info, describe, כמות מכל סיווג, זיהוי נתונים חסרים, לפחות 2 פקודות groupby, לפחות 5 גרפים, מסקנות והשערות, ו-heatmap לקורלציה.
Show the data, info, describe, class counts, missing values, at least 2 groupby commands, at least 5 charts, conclusions and hypotheses, and a heatmap for correlation.
4. עיבוד נתונים וטיוב4. Data Processing and Improvement
טיפול בערכים חסרים, חריגים, כפילויות, איזון תגיות, נרמול, הנדסת מאפיינים והמרת משתנים קטגוריאליים למספריים.
Handle missing values, outliers, duplicates, label balancing, normalization, feature engineering, and conversion of categorical variables to numeric values.
5. למידת מכונה וביצועים5. Machine Learning and Performance
בחירת מאפייני קלט, חלוקה ל-Train/Test, אימון לפחות שני אלגוריתמים, מטריצת בלבול, Accuracy, Precision, Recall, F1, ניתוח ומסקנות.
Choose input features, split into Train/Test, train at least two algorithms, present a confusion matrix, Accuracy, Precision, Recall, F1, analysis, and conclusions.
6. סיכום וכללי הגשה6. Summary and Submission Rules
יש להגיש קובץ Colab מסודר, עם הסברים ותשובות מילוליות, כותרות ברורות, קוד מתועד, תצוגה קריאה ושילוב תקין של עברית ואנגלית.
Submit an organized Colab file with explanations and written answers, clear titles, documented code, readable presentation, and proper use of Hebrew and English.
מצגות לפי נושאיםSlides by Topic
כל קובצי ה־PDF שמופיעים בפרויקט נפתחים ישירות בלחיצה על הכפתור.All PDF files listed in the project open directly when you click the button.
מאגרי נתוניםDatasets
מקורות מומלצים למציאת datasets לפרויקטים.Recommended sources for finding datasets for projects.
לחקר, ניתוח וסיווגFor exploration, analysis, and classification
מומלץ לבחור מאגר עם תיעוד ברורChoose a dataset with clear documentation
Google Dataset Search
מנוע חיפוש למציאת datasets.
A search engine for discovering datasets.
כניסהVisit