Star

Big Data

AI Experts| Data Science, Machine Learning and Deep Learning

מספר הקורס 7718

מוכר לפיקדון חיילים משוחררים
440 שעות
* מספר המפגשים והשעות למפגש עשויים להשתנות בין קורס לקורס
calendar-1.svg

המועדים הקרובים

28/05/2024

קורס ערב

סניף

תל אביב

28/05/2024

קורס ערב

סניף

חיפה

28/05/2024

קורס ערב

סניף

ירושלים

06/08/2024

קורס ערב

סניף

תל אביב

06/08/2024

קורס ערב

סניף

חיפה

06/08/2024

קורס ערב

סניף

ירושלים

27/11/2024

ערב

סניף

תל אביב

27/11/2024

ערב

סניף

חיפה

27/11/2024

ערב

סניף

ירושלים

על הקורס בקצרה​

למידת מכונה – Machine Learning הינה מתודולוגיה לפיתוח מערכות שהתנהגותם משתנה כל הזמן בהתאם לנתונים. לדוגמא, תוכנת דואר אלקטרוני שלומדת את התנהגותו של המשתמש ומסננת ספאם, עורך טקסט שלומד את המשתמש ומציע לו השלמת מילים אוטומטית, רובוט לניקוי הבית שלומד איך לעבור על השטח של הדירה בצורה יעילה ועוד. ניתן להגיד שאין היום תוכנה שלא ניתן לאפיין בה מודול של למידה.

בעולם בו כמויות המידע הזורמות לארגון הולכות ומתעצמות, גובר הצורך למצות את היתרון העסקי מחקר הנתונים והפיכתם לתובנות עסקיות את כל הדברים הללו תכלו ללמוד בקורס data science 

מדען הנתונים – Data scientist מתמחה בניתוח נתונים, לשם יצירת יתרון עסקי תחרותי לארגון. לצורך כך הוא נדרש לבקיאות במגוון כלי אנליזה, מודלים סטטיסטיים, אלגוריתמים של למידת מכונה, כריית נתונים וחיזוי.

כחלק מעבודתו, מדען הנתונים נדרש להתמודד עם מגוון רחב של מקורות מידע, מידע גולמי, נתונים מובנים ושאינם מובנים. ביכולתו לחשוף תבניות ודפוסי התנהגות בעלות ערך עסקי לארגון ולתמוך בתהליך קבלת ההחלטות של המנהלים בארגון.

מדען הנתונים מתמודד עם מגוון דרישות ושאלות עסקיות כגון: מהי רמת יעילותו של הארגון? כיצד ניתן לחזות סיכון ותקלות? כיצד ניתן לשמר לקוחות ולחזות נטישת לקוח? מהי רמת ההשפעה של גורמים שונים על הצלחתו של הארגון? ועוד.

שפת Python הפכה את התחום לזמין לכל אחד – בעזרת עשרות חבילות תוכנה שפותחו ב-Python  , משימות של ניתוח נתונים, בניית מודלים לחיזוי ואף משימות אלגוריתמיות רבות הפכו לפשוטות וזמינות לכל אחד. בכתיבת מספר קטן של שורות קוד ניתן לנתח נתונים, לסווג מסמכים, לעבד ולנתח תמונות בקלות וזאת בלי הצורך בידע אקדמי מעמיק.

קורס Data Science and Machine Learning  של מכללת ג'ון ברייס מכין את בוגריו לקראת השתלבות בעולם ה- Data Science, ומקנה ידע נרחב. במהלך הקורס יועברו גם נושאים מתקדמים מתחום ה- AI, פתרון עיות בעיבוד תמונה, ניתוח טקסט, Unstructured Data, וידיאו, זיהוי פנים וטכנולוגיות חכמות מתקדמות.

קורס זה שם דגש רב על הכנה מעשית, ומשלב תרגולים רבים.

hat.png

מטרות הקורס

מטרת הקורס הנה לחשוף את הסטודנטים אל חזית עולם הMachine Learning, תוך שימת דגש על הפן העסקי והפרקטי. הקורס יאפשר לבוגרים לזהות הזדמנויות (use cases) לשימוש ביכולות אלו בארגון ולאפשר יישום את השיטות הנלמדות, הלכה למעשה.

kahal.png

למי מיועד הקורס

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

בעלי רקע בשפת תכנות מודרנית

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

structure.png

תכנית הלימודים

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.


הסילבוס המלא

שעות לימוד

פירוט

נושאי לימוד

10

General introduction

Examples

Tools

Libraries

Data sources

Interesting sites

1.

Data Science and Machine Learning introduction

+ 50

כ-20 שעות למידה באמצעות ערכה מקוונת

Working with data types

Collections

Control structures

Implementing Functions

Error Handling

Working with files and data

OOP

Threads

Python standard library

John Bryce Online Academy –  Basic Python Programming

2.

Python Programming

40

NumPy Basics

Generating Data Using NumPy

Numpy Arrays

Array operations

Filtering Data

Numpy Linear algebra

Working with matrixes

Introduction to SciPy

Statistics

Polynomial operations

Interpolations

Types of matplotlib charts

Basic customizations

Advanced customizations

3d graphing

Pandas package

Seaborn package

3.

Data Analysis and Visualization

100

Initial concepts and business motivation

Reviewing machine learning problems and basic components

CRISP-DM methodology – the typical work cycle of the Machine Learning project

Basic familiarity with the work environment in Python

Data Types

Correlations

Regression

Feature Distribution

Outliers Detection

Data Scaling and Normalization

Feature Selection

Feature Extraction

Generalization

Bias

Variance

Classification

Scikit-learn

train-test-validation

cross validation

overunder-fitting

Confusion Matrix

Accuracy

ROC Curve

Lift Charts

K-NN

Decision Trees

Linear Regression

Logistic Regression

SVM

Naïve Bayes

K-Means and GMM

Association Rules

Hierarchical Clustering

Evaluating Unsupervised methods

Ensemble Methods: Random Forest, Bagging, etc.

4.

Machine Learning

40

Big data basic concepts

Hadoop basics

Spark

Microsoft Azure services

AWS

Google Cloud Platform        

5.

Big Data and cloud

40

Deep Learning intro

Neural networks

Building and training NN

CNN

RNN

SOM

Auto Encoders

Other types

Tensorflow and keras packages

6.

Deep learning 

40

Working with unstructured data

NLP

Unbalanced data

Dimensionality reduction

PCA/LDA

Deployment – web and desktop                 

7.

Advanced topics

Ongoing Project

 

תנאי קבלה
  • ראיון אישי / ייעוץ מקצועי 
  • מבדק הערכת ידע
זכאות לתעודת סיום

זכאות לתעודת גמר, מטעם ג'ון ברייס הדרכה, מותנית:

  • בנוכחות ב- 80% מן המפגשים לפחות
  • בהגשת תוצרי כל הפרויקטים לאורך הקורס
מתכונת הקורס

440 שעות לימוד בהתאם לפירוט הבא:

    • 320 שעות לימוד אקדמיות
    • כ- 20 למידה עצמית באמצעות קורסים מקוונים של John Bryce Online Academy
    • כ- 100 שעות עבודה עצמית על משימות ופרויקטים
    • לימודי ערב בין השעות 17:30-21:30 פעמיים בשבוע

 

או לימודי ערב בימי ג' משולבים עם ימי ו' בשעות הבוקר 09:00-13:00

    • לימודי בוקר בין השעות 09:00-16:30
    • הלימודים אינם מתקיימים בחגים ומועדים
    • חלק מהשיעורים בקורס יכול שיועברו במסגרת למידה מקוונת (live session). המכללה שומרת לעצמה את הזכות להעביר עד 20% משעות הלימוד בקורס במסגרת למידה מקוונת כאמור

 

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 שיידרש בהתאם למיטב שיקוליה המקצועיים.

פרויקט ומשימות Hands - on

על מנת ליצור חווית למידה אפקטיבית והכנה מקיפה לעולם האמיתי, הסטודנטים יעבדו על פרויקט מקיף. הפרויקט יבוצע בזוגות, תוך תרגול פתירת בעיית Machine Learning מקצה לקצה.

הפרויקט בנוי מהשלבים הבאים:

1. בחירת ובחינת בעיה עסקית ומציאת דטה סט מתאים

2. חקר נתונים ראשוני

3. הכנת הנתונים לתהליכי Machine Learning

4. בניית מודלי Machine Learning

5. ולידציה על איכות המודלים

6. פיתוח תהליך מלא כולל deploy של הפתרון

בנוסף לכך, יתבצעו במהלך הקורס, על ידי המנהל המקצועי של המסלול, משימות המדמות אתגרים של אנשי מקצוע בתחום.

John Bryce Online Academy

מציעה לתלמידים מגוון רחב של קורסי Online בלמידה עצמית כהשלמה ממוקדת לתחום הנלמד. כמו כן במהלך הקורס, בנוסף לשעות הלימוד בכיתה, יתקיימו מפגשי תמיכה וליווי המתבצעים מרחוק – Live Sessions. המפגשים מאפשרים לתלמידים לקבל מענה וסיוע ממרצה/מתרגל בנוגע לחומר הנלמד בצורה יעילה וממוקדת, ללא צורך בהגעה למכללה.

 

ליווי מקצועי

קורס ייחודי זה נבנה בשיתוף פעולה של צוות מקצועי המורכב מטובי המומחים בתחום Data Science, בעלי ניסיון מקצועי רב שנים בהדרכה.

לירן בן חיים מנהל מקצועי לתחום Data Science ו- Machine Learning בג'ון ברייס הדרכה. מנכ"ל משותף בחברת בינה – BINA, יעוץ ופיתוח תוכנה בע״מ. בעל 20 שנות ניסיון בניתוח, ניהול ופיתוח פרוייקטי תוכנה עתירי נתונים לחברות בארץ ובחו"ל. מדריך ותיק בג'ון ברייס הדרכה.

Online live Sessions בנושאים מתקדמים – במהלך הקורס יתקיימו מפגשי אונליין עם המנהל המקצועי של המסלול בנושאים מתקדמים

 

Schedule Appointment

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

לא הצלחנו לאתר את הטופס.

בודק...