דאטה ומסדי נתונים

Cloud & Big Data Engineering with AI

מספר הקורס 9299

לצפייה בסילבוס המלא

למה ללמוד בג'ון ברייס?
  • חטיבת ההדרכה של מטריקס, חברת שירותי הטכנולוגיה הגדולה והמובילה בישראל
  • המבחן של המדינה קבע: ג’ון ברייס היא המכללה שמשלבת הכי הרבה בוגרים בעולם ההייטק
  • מובילים את תחום ההכשרות לעולם ההייטק והטכנולוגיה כבר 30 שנה, עם עשרות אלפי בוגרים בתעשיה
  • מרכז הדרכה רשמי של החברות הבינלאומיות המובילות: Microsoft, Google, AWS, SAP, Cisco ועוד

המועדים הקרובים

calendar-1.svg 24/07/2024
קורס ערב
calendar-1.svg 18/11/2024
קורס ערב
calendar-1.svg 24/07/2024
קורס ערב
calendar-1.svg 18/11/2024
קורס ערב
calendar-1.svg 24/07/2024
קורס ערב
calendar-1.svg 18/11/2024
קורס ערב
הקורס נפתח גם במתכונת Live class –  למידה און ליין בכיתות אינטראקטיביות עם מיטב המרצים והתכנים של ג’ון ברייס /המי”ל.ניתן לפתוח קורס בהתאמה אישית לארגונים במועד שיתואם עימנו

משך הקורס

שעות אקדמיות:

380

מספר מפגשים:

קורס ערב:

56

קורס ערב:

56

המבחן של המדינה קבע שג'ון ברייס היא המכללה שמשלבת הכי הרבה בוגרים בעבודה בהייטק

על הקורס בקצרה

קורס זה תוכנן בקפידה על מנת להכין את הסטודנטים להתמחות בתחום הביג דאטה וסביבת הענן בתחום. בעוד ארגונים מתמודדים עם נפחי נתונים הולכים וגדלים, הדרישה לטיפול בנתונים ופתרונות אנליטיים חדשניים מעולם לא הייתה מתבקשת יותר. קורס זה עונה על הצורך הזה על ידי למידה והעמקה של מגוון רחב של טכנולוגיות, לרבות מסדי נתונים יחסיים ו-NoSQL, הנדסת ענן, לינוקס, פייתון וסביבות מתקדמות כמו Apache Spark ו-AI.

 

קורס Cloud & Big Data Engineering with AI הוא קורס מקיף המכשיר אתכם להצלחה בעולם הנתונים הדינמי ונועד לאפשר לכם לרכוש את המיומנויות הנדרשות בעולם של הנדסת נתונים ומחשוב ענן. בקורס זה תלמדו את התכנים הבאים:

  • מסדי נתונים: נלמד לעומק את עולם בסיסי הנתונים הרלציונים ונהפוך אתכם למומחים בתחום, תוך התמקדות בשפת SQL, אופטימיזציה של ביצועים וניהול נתונים יעיל בפלטפורמות שונות.
  • לינוקס ופייתון: נרכוש שליטה ביסודות לינוקס ופייטון, שתי טכנולוגיות תשתית קריטיות בעולם הנתונים, המאפשרות עבודה יעילה בסביבות מורכבות.
  • Cloud Engineering: נכיר לעומק את עולמות ה-Cloud תוך מיקוד באמזון וגוגל קלאוד וכל שירותי הענן החשובים ל- Data Engineer.
  • Apache Spark ו :Big Data-נתמקד בטכנולוגיות Apache Spark ו Big Data-וכן נלמד כיצד להתמודד עם אתגרים של טיפול במערכי נתונים עצומים, תוך הטמעת פתרונות חכמים באמצעות למידת מכונה ועיבוד נתונים בזמן אמת.
  • טיפול בנתונים בזמן אמת ו-ETL: נלמד את היסודות של Kafka, RabbitMQ ושירותי סטרימינג בענן תוך התמקדות ב-Data Flows. עוד נחש לפיתוח מיומנות בעולם ETL, כלים ושיטות עבודה מומלצים כדי להבטיח טרנספורמציה ותנועה יעילה של נתונים.
  • פרויקט מתגלגל: הקורס ילווה על ידי משימות ופרויקט מתגלגל לאורך המפגשים, בהתאם לחומר הנלמד, שבו נשתמש בידע ובניסיון שרכשנו כדי לפרוס פתרונות טכנולוגיים מתקדמים בתרחישים מציאותיים. תוכלו לדמות תרחישים בעולם האמיתי, מאיסוף וניתוח נתונים ועד ליישום למידת מכונה במערכות שונות.

למי מיועד הקורס?

הקורס מיועד למי שמעוניין להשתלב בתחום הנדסת נתונים וענן, וביניהם:

  • אנשי מקצוע בעלי הבנה בסיסית במסדי נתונים ו-SQL.
  • בעלי ניסיון בתכנות המחפשים להתמחות בתחום הביקוש הגבוה של הנדסת ענן וביג דאטה
  • אנשים המעוניינים להתמקצע בתחום תוך שימוש בעולמות ה-Spark ו-AI לניתוח ועיבוד נתונים

מה תרוויחו מהקורס?

  • הבנה מעמיקה של עולם הנדסת נתונים ומחשוב ענן
  • מיומנות מעשית בעבודה עם טכנולוגיות מובילות
  • יכולת לפתח, לנהל ולייעל מערכות נתונים מדרגיות
  • הכנה לקראת קריירה בתחום Cloud and Big Data Engineer

הצטרפו אלינו ותקבלו את כל הכלים הדרושים לכם כדי להפוך למובילים בתחום הנדסת נתונים וענן!

אנו מאמינים כי הלמידה הטובה ביותר מתבצעת דרך עבודה מעשית ולפיכך חלקים נרחבים בקורס עתידים להתנהל כמעבדה מתמשכת באמצעות פלטפורמת ענן ייחודית שפותחה על ידינו ובה כל תלמיד יכול לגשת לסביבות עבודה לתרגול. ניתן לגשת למעבדות ישירות מהדפדפן ולתרגל מצבי אמת בסט של תרחישים אשר פותחו על ידי מומחים בתחום בכדי לדמות משימות בארגונים שונים. 

מטרות הקורס

הכשרת אנשי Data Engineer/DataOps תוך שימת דגש על כלים פרקטיים בארגונים ובענן כך שבוגרי הקורס יוכלו להשתלב בתחום בסיום המסלול באופן מיידי.

קהל היעד [אחד מהבאים]

תואר אקדמי במדעים או הנדסה. תארים רלוונטיים: מדעי מחשב, מערכות מידע, הנדסה, מדעים מדויקים, מדעי החיים, סטטיסטיקה/ מתמטיקה, תעשיה וניהול

בעלי רקע קודם במסדי נתונים ו-SQL

בעלי רקע בשפת תכנות מודרנית

בעלי רקע בAnalysis ,BI - Data - פיתוח מסדי נתונים ומערכות מידע

תכנית הלימודים

הסילבוס המלא

Details

Main Topic    

  • §  Open-Source Databases – MySQL and PostgreSQL
  • §  SQL Language from A to Z + Advanced Databases topics
  • §  SQL Performance tuning and Best Practice

Relational Databases – RDBMS

  • §  Linux Distributions
  • §  Shell Commands
  • §  Permission – Groups and Users
  • §  Directories, files, and permissions
  • §  Storage – Disks and File System
  • §  Network – Public and Private IP, DNS, Load balancers .
  • §  Security – Firewall, IPtables, SELinux, Apparmor
  • §  Shell Scripting
  • §  Crontab – Job scheduling
  • System Monitoring

Linux

  • §  Data Types and variables
  • §  Python Libraries
  • §  Input output command
  • §  Flow Control (Condition and Loops )
  • §  Functions
  • §  Lists , Dictionary, tuple, and Sets
  • §  Object Oriented Language
  • §  Modules and packages
  • §  Config and output files
  • §  Databases , ORM and SQLAlchemy
  • §  Exception handling
  • §  Numpy Arrays
  • §  Pandas
  • §  Lambda

Python

  • §  Managing Your Source code and releases
  • §  Popular Source Controls
  • §  Release Strategies Using Git Branching
  • Git Commands

Git Version Control

  • §  Docker and containers and commands
  • §  Dockers usage in data world
  • §  Docker Hub
  • §  Installing and running MySQL Docker
  • §  What is Kubernetes?
  • §  Kubernetes Architecture
  • K8S usage in data world

Dockers and Kubernetes (K8S)

  • §  NoSQL Database Types – key value, document ,in memory, columnar, search engines, TTL, Master vs Masterless
  • §  NoSQL Limitations 
  • §  NoSQL Data Model Guidelines  
  • §  Redis – In memory , key value database
  • §  MongoDB – Document NoSQL Database 
  • §  Elasticsearch – ELK – NoSQL Search Engine 
  • §  Cassandra – Columnar NoSQL database – Self Practice 
  • §  Replication and Consistency level

NoSQL Databases

  • §  Cloud management console (AWS + GCP)
  • §  Cloud Storage  (S3 + GCS)
  • §  Cloud Virtual Machines (EC2 and Compute Engine)
  • §  Cloud Disk Types 
  • §  Virtual Machine vs Managed Services  vs Serverless
  • §  Managed Database Service (RDS and Cloud SQL)
  • §  Cloud Functions (AWS Lambda GCP Cloud Function) 
  • §  Backup and Recovery using snapshots.
  • §  Data pipeline development using PostgreSQL RDS or Cloud SQL

Cloud Engineering – Amazon AWS and Google GCP

  • §  Cloud Big Data databases 
  • Amazon Athena, Google Big Query and Redshift 
    • §  On Prem – Community Big Data Databases
  • Hadoop Ecosystem , architecture, and services 

Big Data Cloud Engineering – Amazon AWS and Google GCP

  • §  Kafka 
  • §  Rabbit MQ 
  • §  Cloud Streaming using Amazon Kinesis and Google Pub Sub
  • §  Data Pipeline Development + GBQ / Athena / redshift 

Real Time Data Streams and Message Queues

  • §  Source to target Design. 
  • §  Staging Area 
  • §  Incremental Load 
  • §  ETL vs ELT
  • §  Realtime Streaming  
  • §  Modularity 
  • §  Logging 
  • §  Alerts 
  • §  DQA
  • §  Documentations

ETL Concepts, Tools, and Best Practices

  • §  Architecture overview , advantages, and components 
  • §  Developing data pipelines using Apache Airflow 

Apache Airflow

  • §  Spark Architecture and use cases. 
  • §  Cluster Types 
  • §  Installing Spark Standalone 
  • §  Spark Batch vs Streaming 
  • §  Spark Context , SQL Context and Spark Session  
  • §  RDD (Resilient Distributed Datasets
  • §  Spark SQL and  Dataframes 
  • §  Developing Batch and Streaming Data Pipelines  

Apache Spark

  • §  Simulating data collection ,Analysis and Machine Learning   of one of the following systems
  • IOT – Internet of Things – Time Series 
  • Gaming 
  • Ad System 
  • Ecommerce / Trading Systems 

Final Project

תנאי קבלה
  • ראיון אישי / ייעוץ מקצועית
זכאות לתעודת סיום

תנאי זכאות לתעודת גמר, מטעם ג’ון ברייס הדרכה:

  • נוכחות ב- 80% מן המפגשים לפחות
  • הגשת תוצרי כל הפרויקטים לאורך הקורס
מתכונת הקורס
  • 380 שעות לימוד:

230 שעות לימוד פרונטליות

כ- 50 למידה עצמית באמצעות קורסים מקוונים של John Bryce Online Academy

כ- 100 שעות עבודה עצמית על משימות ופרויקטים

  • לימודי ערב מ- 17:30 עד 21:45, שני מפגשים שבועיים
  • לימודי בוקר בין השעות 9.00-16.30, פעמיים בשבוע
  • הלימודים אינם מתקיימים בחגים ומועדים
  • המכללה שומרת לעצמה את הזכות להעביר עד 20% משעות הלימוד בקורס במסגרת למידה מקוונת

(Live sessions)

 

המכללה שומרת לעצמה את הזכות לערוך שינויים בתנאים הנוגעים לקורס על מנת להתאים את הלימודים לנסיבות שאינן בשליטתה. לרבות באמצעות שינוי מקום הלימוד, שינוי מועד פתיחת הקורס,  החלפת מתכונת הלימוד ללימודים מקוונים, ו/או הקפאת הלימודים בקורס והמשכם לאחר חלוף הנסיבות שדרשו זאת ו/או כל שינוי אחר שיידרש לאור נסיבות שאינן בשליטת המכללה כאמור. בקרות נסיבות כאמור, המכללה תבחר ותיישם כל שינוי שידרש בהתאם למיטב שיקוליה המקצועיים.

 

שעון
מתכונת הקורס

פרויקט ומשימות Hands - on

הקורס משולב במשימות Hands-on רבות וכן פרויקט מתגלגל המסכם את הכלים והמתודולוגיות הנלמדות בקורס.

 

ליווי מקצועי

אלון אלדי,
CEO & Founder of SeaData LTD and Expoint.co | Cloud & Big Data

  • קורס זה מתקיים בהובלתו המקצועית של אלון אלדי, מנכ”ל ובעלים של חברת SeaData LTD
  • הקורס נבנה בשיתוף פעולה של צוות מקצועי המורכב מטובי המומחים
    בתחום ה-Data , בעלי ניסיון מקצועי רב שנים בהדרכה
  • הגישה החדשנית של SeaData בקורס מבטיחה לסטודנטים מיומנויות ותובנות מעשיות רלוונטיות לתעשייה
  • בזכות שיתוף פעולה זה,הקורס מתעדכן כל העת בחידושים האחרונים בתחום ה-Data

Schedule Appointment

Fill out the form below, and we will be in touch shortly.

לא הצלחנו לאתר את הטופס.

בודק...