Data Drivens Podcast

מה ג'וניור דאטה-אנאליסט צריך לדעת לקראת המשרה שלו? אילו שאלות שואלים? מה חברות מחפשות? אילו תכונות אופי צריך, אילו כישורים טכניים? מה זה אומר בכלל להיות ג'וניור דאטה-אנאליסט ואיך היומיום נראה?בכל פרק, אנחנו נראיין קודקוד אחר מהתעשייה שלנו, וננסה לתת לג'וניורים דגשים שיקלו עליהם להכנס אל המשרה הראשונית.מוזמנים להצטרף אל הקבוצה שלנו - https://www.facebook.com/groups/DataAnalysisIsrael

Data Drivens Podcast is a technology podcast hosted by Ram Kedem & Gadi Chrust, with 37 episodes on record and a Required Pod Score of 80. PitchCentric scores this show on Booking Probability, Listen Score, and live audience signals refreshed every 24 hours.

Ram Kedem & Gadi Chrust hosts Data Drivens Podcast, a technology show with 37 episodes published.

Our AI reads these to draft pitches. Use them as grounding for a pitch that cites a real guest and a specific topic.

• 

  Data Drivens Podcast

  המהפכה הסמנטית בעולם האנליטיקס

  Jun 11, 202649 min

  המהפכה הסמנטית בעולם האנליטיקס ברגע שמחברים AI לדאטה-בייס, הוא יודע לייצר SQL ולהחזיר מספרים – אבל בלי הנחיה מסודרת, הוא לא באמת מבין מה הם אומרים. בפרק הזה שוחחנו - עמית טננבאום (מנהל גילדת האנליטיקס במכבי שירותי בריאות) יוני לייטרסדורף (מייסד חברת Solid) ורם קדם, לשיחה מרתקת על הנושא החם ביותר בעולם הדאטה: השכבה הסמנטית (Semantic Layer) . על מה דיברנו בפרק? * מהי שכבה סמנטית, למה היא הפכה לקריטית דווקא עכשיו , ואיך היא מייצרת את ה-"Company Brain" שכולנו שואפים אליו.* למה קטלוגים של דאטה (Data Catalogs) מסורתיים נכשלו שוב ושוב.* הגישות השונות לבניית השכבה: מקובצי יאמל (YAML) פשוטים בגיט, דרך כלים כמו Cortex/Cucu של סנופלאק, ועד לאוטומציה מלאה.* איך משתנה תפקידו של האנליסט בעקבות כניסת ה-AI, והאם נמשיך לכתוב קוד בעוד מספר שנים?* איך ארגונים יכולים "ללכלך את הידיים" ולהתחיל לבנות שכבה סמנטית כבר מחר בבוקר – גם בלי תקציבי עתק. האזנה נעימה! --- קישורים https://www.ycombinator.com/rfs https://docs.google.com/spreadsheets/d/19RYy5cFFE3odEe-2CAzD0D4jcm3BLXL5/edit?usp=sharing&ouid=107968675294649425547&rtpof=true&sd=true https://share.google/XrIX5gmElfjcaxwLs

  ListenShow Notes
• 

  Episode #1

  כשהמשחק מאבד שחקנים - מה הדאטה מספר לנו ?

  Oct 30, 202529 minS4

  <p>בפרק הזה רם וגדי חוזרים מאחורי המיקרופון כדי לצלול לעומק של אחת השאלות הכי קלאסיות בעולם האנליטיקה - מה עושים כשפתאום יש ירידה במספר המשתמשים הפעילים היומיים (DAU)?<br>דרך יוזקייס מעולם הגיימינג, הם מפרקים את הבעיה לגורמים, שואלים את השאלות הנכונות, ומראים איך לגשת לתעלומות דאטה בצורה מתודית, בלי להיבהל מהגרפים.</p><p>נדבר על איך מזהים את הגורם לירידה, האם זו בעיה שיווקית, שינוי תקציב, עלייה ב-CPI, או אולי נטישה של משתמשים קיימים - ואיך כל זה מתחבר לחשיבה אנליטית שעוזרת לנו להבין לא רק מה קרה, אלא למה זה קרה.</p><p><br></p><p>קישור למצגת המלווה של הפרק</p><p>https://docs.google.com/presentation/d/1PrvGvR6r1v8fS4dkSx_KplNayTW2bS3S2AEPZPLN4Yk/edit?slide=id.g39e71db9e50_0_93#slide=id.g39e71db9e50_0_93</p><p><br></p>

  ListenShow Notes
• 

  Data Drivens Podcast

  המודל לכניסה אל תחום המשין-לרנינג

  Jan 30, 202552 minS0

  <p>איך נכנסים לתחום הדאטה סיינס? פרק חמישי ואחרון בסדרת ה Machine Learning עם מיכאל ווינר</p><p>בפרק האחרון שלנו, סגרנו את המעגל ודיברנו על כל מה שחשוב לדעת כשמתחילים</p><p>✅איך להתחיל ללמוד ואילו כישורים כדאי לפתח</p><p>✅ מהם הכלים החשובים ביותר לג׳וניורים בתחום</p><p>✅ טעויות נפוצות שעושים כשנכנסים לתוך התחום, ואיך להימנע מהם</p><p>✅ איך בונים פרויקטים אישיים </p><p>✅ ואיך ביומיום - מזהים בעיות עסקיות ומתרגמים אותן למודלים של למידת מכונה</p><p>תודה לגדי ומיכאל שתרמו מזמנם, תודה לכל מי שהאזין, נתראה בפרקים הבאים בנושאים חדשים שמתבשלים להם אז-ווי-ספיק :)</p>

  ListenShow Notes
• 

  Data Drivens Podcast

  למידה ללא פיקוח - כשנותנים למכונות להסתדר לבד

  Jan 9, 202545 minS0

  <p>בפרק זה צללנו לעומק עולם הלמידה הלא מפוקחת, המתמקדת בזיהוי דפוסים ומבנים פנימיים מתוך דאטה לא מתויג. דיברנו על ההבדלים המרכזיים בין למידה מפוקחת ללמידה לא מפוקחת, סקירה של סוגי אלגוריתמים כמו קלאסטרינג (Clustering) ודחיסת נתונים (Dimensionality Reduction), והצגנו מקרי שימוש בתעשייה כמו שיווק ממוקד, ניתוח גנטי וחקר רשתות חברתיות.</p><p>בנוסף, דנו באתגרים ויתרונות של למידה לא מפוקחת, דרכים להעריך ביצועי מודלים, והאם זו הגישה המתאימה לכל פרויקט.</p><p>לקינוח, התעמקנו בפילוסופיה של התחום וסקירה של העתיד הצפוי ללמידה לא מפוקחת, כולל הכיוונים העדכניים והמשמעותיים ביותר בתחום.</p>

  ListenShow Notes
• 

  Data Drivens Podcast

  רגרסיות, יערות רנדומליים ומה שבינהם

  Jan 2, 202545 minS0

  <p>בפרק זה נצלול לעומקו של עולם הלימוד המפוקח ונכיר את השיטות המרכזיות שבהן מחשבים "לומדים" מנתונים כדי לקבל החלטות. נדבר על אלגוריתמים מובילים כמו רגרסיה לינארית, עצי החלטה, Random Forest ו-Gradient Boosting, ונבין כיצד הם פועלים ומהם היתרונות והחסרונות של כל אחד מהם. בנוסף, נסקור את האתגרים המרכזיים בלימוד מפוקח, כמו Overfitting ו-Underfitting, ונציג דרכים להתמודד איתם. הפרק יספק לכם תובנות מעשיות וכלים שיעזרו לבחור באלגוריתם המתאים ביותר לכל בעיה.</p>

  ListenShow Notes

Recent guests on Data Drivens Podcast. Study who booked and why before you pitch.

Based on semantic analysis of episode topics and host coverage, this show is a strong guest fit for executives in:

Industry fit is computed by PitchCentric using vector embeddings of the show's episode catalog.