Data Scientist Professional

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.

לצפייה בוובינר מקצועי בנושא Date Science: 

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, 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-statsmodels. 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:

בחלקו הרביעי של המסלול נרחיב את היריעה במספר נושאים “חמים” בשוק, ונראה כיצד ניתן ליישם את הכלים שלמדנו בהקשרים ספציפיים יותר. בין הנושאים שניגע בהם: עבודה בסביבת Big Data באמצעות Spark, יישום מערכות המלצה (Recommending systems), יסודות text mining ו-NLP.

מסלול הכשרה זה מלווה בלפחות 50% תרגול מעשי במהלך השיעורים, ובמקביל הסטודנטים יקבלו משימות ופרויקטים לכל נושא רלוונטי, במסגרתם יוכלו לממש את הידע הנרכש במהלך השיעורים. תוצרים של הפרויקטים יוצגו במפגשי סיום לכל נושא, 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 ואת יכולות הארגון בתחום תחקור הנתונים.

  • יעוץ עם גורם מקצועי
  • ניסיון בעבודה מול טבלאות נתונים
  • היכרות וניסיון בעבודה עם מסדי נתונים רלציונים
מורן אלקובי מרצהעמית הינו Data Scientist בחברת נאיה טכנולוגיות, מנהל תחום Data Science בנאיה אקדמי ומרצה בכיר ומוביל בתחום. עמית בוגר הטכניון בתואר הנדסת חשמל ופיזיקה ובעל ניסיון רב בהובלת פרויקטים טכנולוגית עתירי מידע
  • 25/10/2019 מועד פתיחה
  • ג' 17:30-21:30 + ו' 09:00-13:00daysימים ושעות
  • 275academic hours שעות אקדמיות
  • מעמיק ומעשיcourse levelרמת הקורס
  • עבריתlanguageשפת הדרכה
  • לבדיקת התאמה לקורס
  • [current_url]

    השאירו פרטים ונחזור אליכם בהקדם!