הקורסים החמים ביותר והנדרשים ביותר עכשיו באונליין-לייב עם הנחות חסרות תקדים

חייגו עכשיו: 073-2865544

Practical Data Science

מסלול הכשרה ייחודי הבונה בסיס איתן לעבודה בתחום Machine Learning ומבוסס שפת תכנות הפופולרית - Python
תיאור הקורס:

הצורך להתמודד עם כמויות גדולות של מידע הוליד בשנים האחרונות תפקידים רבים והתמחויות שונות כגון ה-Data Analyst, ה-Business Intelligence וה-Big Data. עם זאת, היכולת לשלב בין כל אלו ולהוסיף עליהם נדבך ייחודי של חיזוי, נותרה נחלתם של מעטים, ובשנים האחרונות ביסס עצמו ה-Data Scientist/מדען נתונים כ”מקצוע הנחשק ביותר של המאה ה-21″.

לקורס Data Science למנהלים לחצו כאן

תפקידו של מדען הנתונים הינו לבצע מחקרי מידע מעמיקים בכדי להפיק תובנות עסקיות לארגון, להפעיל אלגוריתמים שונים של מידול, כריית מידע ו- Machine Learning על המידע, לסייע בבניית תהליכי הכנת המידע ואופטימיזציה של האלגוריתמים השונים.

הכישורים הנדרשים מ-Data Scientist רבים ומגוונים ומתמקדים ב-4 שלבים עיקריים של עבודה עם המידע:

  • השגת המידע – אינטגרציה של המידע ממספר מקורות, עם יכולת עבודה עם כמויות גדולות של מידע (Big Data), ויכולות של עיבוד מידע לא מובנה (Unstructured) .
  • חקר נתונים – יכולות תכנות, יכולת ניתוח סטטיסטי, בניית מודל לתחקור.
  • ניתוח אנליטי של המידע – יכולות של חיזוי, כריית מידע, אופטימיזציה, עיבוד מידע טקסטואלי ואנליזה של נתונים גדולים.
  • הצגת המידע – יכולות של הצגת תוצרי התחקור ויכולות ויזואליזציה שונות.

כל זאת מלווה בחשיבה אנליטית, אינטואיציה עסקית, ומעל לכול סקרנות ויצירתיות. זוהי גם הסיבה שלא קיים כיום רקע אחיד לכל העוסקים בתחום ונראה כי רקע מגוון דווקא תורם ליכולת לשים לב לפרטים וקשרים שונים ומפתיעים.

קבלו טעימה מאחד השיעורים של הקורס, בהדרכה של דרור גבע, Data Scientist מוביל בנאיה טכנולוגיות. השיעור עוסק במבוא ל-Machine Learning:

בתאריך 01/06/20 קיימנו מפגש מקצועי נוסף – ערב הסברה לתחום Date Science עם עמית רפל, מנהל תחום Data Science בנאיה קולג’. מוזמנים לצפות במפגש הזה:

מבנה מסלול ההכשרה

מסלול זה מקנה את הכלים הנדרשים לכל שלב ושלב בעבודתו של ה-Data Scientist עם דגש על פרקטיקה ויכולות תכנות מתקדמות. מעבר לתרגול השוטף שיתבצע כחלק מתהליך הלימוד של כל נושא, יינתנו במהלך המסלול פרויקטים “אמיתיים”, כך שבסוף המסלול יהיה ברשות הסטודנט תיק עבודות מכובד שילווה אותו בהמשך דרכו.

  • שלב תכנות

בחלקו הראשון של המסלול נלמד לתכנת ב-Python (מועבר בגרסת Python3), שהיא השפה המובילה כיום לתחקור הנתונים, ונרכוש כלים לעבודה עם נתונים ממקורות שונים ולהצגתם. נפתח מאפס קוד בסביבה מונחית-עצמים (Object-Oriented), שהיא המתודה הסטנדרטית כיום בפיתוח תוכנה ונבין לעומק את היתרונות הגלומים במתודה זו. בנוסף, נכיר את ספריית המודולים העשירה של השפה ונדע כיצד להיעזר בה.

  • שלב עבודה על נתונים:

בחלקו השני של המסלול נסקור את משפחת החבילות מ- PyData, המהוות את סט הכלים המושלם לעבודה עם נתונים בכלל ונתונים טבלאיים בפרט. ראשית נכיר לעומק את חבילת ה-pandas, דרכה ניחשף לעקרונות שונים בהכנה ובויזואליזציה של נתונים ולחבילות נוספות כגון numpy, matplotlib ו-seaborn. לאחר מכן נתוודע לפורמטים נפוצים (כגון JSON ו-HTML) ולמקורות נפוצים של נתונים, כגון בסיסי נתונים ורשת האינטרנט. בעזרת הכלים הללו נתנסה במגוון שיטות של Exploratory Data Analysis – EDA.

  • שלב Machine Learning:

בחלקו השלישי של המסלול נצלול לפרקטיקה היומיומית של ה-Data Scientist, ובאמצעות use-case-ים שונים ניחשף באופן שיטתי והדרגתי לעולם אינסופי של כלים, שיטות, אתגרים, עקרונות, וכמובן – מודלים סטטיסטיים. נתוודע ל-CRISP-DM, המתודולוגיה המקובלת לפיתוח בעולם ה-Data Science, נבין את השלבים השונים שלה, וניישם אותם בפועל על אוסף רחב של בעיות עסקיות מעולמות תוכן שונים. נכיר לעומק את החבילה הנפוצה ביותר בעולם ה-Machine Learning, הלא היא Scikit-Learn.

  • שלב העשרה ופרויקט מסכם:

את חלקו הרביעי של המסלול נקדיש לעבודה בפועל על פרויקט אישי מסכם, בו יוכל כל סטודנט להתנסות בטכניקות וברעיונות שנלמדו בקורס מול בעיה עסקית אמיתית. במהלך מפגשי הפרויקט הסטודנטים יסבירו את הבעיה העסקית שנבחרה ואת הנתונים המלווים אותה, ידגימו את תהליכי ה-pre-processing וה-feature engineering שלהם, ויציגו את המודלים שבהם בחרו להשתמש בסופו של דבר.

מסלול הכשרה זה מלווה בלפחות 50% תרגול מעשי במהלך השיעורים, ובנוסף הסטודנטים יקבלו משימות ופרויקטים לכל נושא רלוונטי, במסגרתם יוכלו לממש את הידע הנרכש במהלך השיעורים. תוצרים של הפרויקטים יוצגו במפגשי סיום לכל נושא (4 פרויקטי ביניים ופרויקט מסכם אחד), יועלו לחשבון GitHub של כל סטודנט ובכך ייצרו תיק עבודות עשיר ומקצועי להצגה בפני המעסיקים בהמשך.

בעלי רקע ב-Data Analysis, BI, פיתוח, מסדי נתונים ומערכות מידע, המעוניינים להעשיר את יכולותיהם בתחום תחקור הנתונים.

  • בעלי נסיון מאחד או יותר תחומים המתוארים להלן:
    • רקע בתכנות בשפה כלשהי (שפות OOP, שפות סקריפטיות – SQL, POWERSHELL, BASH, R ועוד)
    • נסיון בניתוח נתונים (אקסל מתקדם, SQL, כלי BI)
    • דרישות קדם בקרב מפתחים: נסיון בפיתוח תוכנה בסביבה של מוצרי דאטה, עם נסיון בממשק מול אנשי דאטה
    • תארים רלוונטיים: מדעי מחשב, מערכות מידע, הנדסה, פיזיקה, תארי מדעי החיים, סטטיסטקיה/מתמטיקה, תעשיה וניהול.
  • יעוץ עם גורם מקצועי + מעבר מבדקת התאמה הבוחן יכולות אנליטיות של המועמד/ת
  • שליטה טובה בשפה האנגלית
  • 80% נוכחות מינימום
  • הגשת כל הפרויקטים במהלך הקורס
איתי מרגוליןאיתי עובד כ-Data Scientist בחברת PayPal ומשמש כמרצה מוביל בנאיה קולג' לקורסים בתחום Data Science ופייתון. איתי עוסק בתחום מאז שנת 2010, ושימש כ- Data Scientist בחברות מובילות ובאקדמיה. עבודתו כוללת את כל ההיבטים של מדעי הנתונים המשמשים לפתרון בעיות עסקיות בעולם עיבוד הנתונים. עדי הוא בעל תואר שני עם התמחות ב-Business Analytics & Machine Learning מאוניברסיטת תל אביב ותואר ראשון בהנדסת תעשיה וניהול.
  • 21/06/2020 מועד פתיחה
  • א+ד | 17:30-21:30daysימים ושעות
  • 335academic hours שעות אקדמיות
  • מעמיק ומעשיcourse levelרמת הקורס
  • עבריתlanguageשפת הדרכה
  • לבדיקת התאמה לקורס
  • [current_url]

    השאירו פרטים ונחזור אליכם בהקדם!

  דילוג לתוכן