ניהול פרויקטים וניתוח מערכות בעולם הBIG DATA & Machine Learning &No Sql db

ניהול פרויקטים

ניהול פרויקטים וניתוח מערכות בעולם הBIG DATA & Machine Learning &No Sql db

מספר הקורס 24256

חשכ"ל

למה ללמוד בג'ון ברייס?

למידה חדשנית ודינמית עם כלים מתקדמים בשילוב סימולציות, תרגול וסביבות מעבדה
מגוון הכשרות טכנולוגיות עם תכנים המותאמים להתפתחות הטכנולוגית ולביקוש בתעשיית ההייטק
מובילים את תחום ההכשרות לעולם ההייטק והטכנולוגיה כבר 30 שנה, עם קהילה של עשרות אלפי בוגרים
אתם בוחרים איך ללמוד: פרונטאלית בכיתה, מרחוק ב- Live Class או בלמידה עצמית

מעניין אותי לשמוע עוד

קורס לקבוצות

הקורס נפתח במתכונת של קבוצה בלבד, בהתאמה אישית לארגונים.
לפרטים נוספים: Muzman@johnbryce.co.il

משך הקורס

שעות אקדמיות:

מתכונת הקורס

הקורסים המוזמנים לארגונים מותאמים באופן אישי ומלא לצרכי הארגון, מערכי הלימוד גמישים וניתן לשלב בהם תכנים רלוונטיים וייעודיים.

ארגונים רבים שוקלים כיום (או שכבר עברו ) לעבור לעולם נתוני עתק ( ה-Big-Data ), במסגרת נסיון זה הם נתקלים במושגים חדשים רבים, מחזורי חיים חדשים, אינספור פלטפורמות חדשות, הגדרות חדשות של בעלי תפקיד , ספקי שירותים מסוגים חדשים וטכנולוגיות חדשות. פערי הידע של הארגונים אינם מתנקזים לכדי נושא אחד אלא מתפרשים על פני כמה תחומים שכל אחד מהם הוא עולם בפני עצמו. לשם כך על המנהלים, מנהלי הפרויקט/ מנתחי המערכות וראשי הצוותים ואנשי צוות רבים נוספים נדרשים לדעת ולהכיר עולם זה, בשלב הראשון יש צורך להבין את היתרונות העסקיים הטמונים בעולם זה, להכיר ברמה גבוהה את המרכיבים של עולם זה. מידע זה נדרש כיום לכל מי שעוסק בתחום המחשוב הארגוני

האתגרים העיקריים הניצבים כיום בפני ארגונים השוקלים או נמצאים בתהליך של מעבר והבנת והערך העסקי בעולם Big data

בראש ובראשונה ישנם מספר נקודות המעסיקות את הארגון : האם המעבר מתאים לארגון שלנו ועוד יותר משמעותי – מה יצא לי מזה , ובנוסף כמה זמן יקח , השקעה , משאבים וכדומה
בקורס זה נעסוק בשאלות אלו , ובנוסף :

הבנה מה הן מושגים והמונחים המרכיבים את עולם ה Big-Data
מהו מחזור חיים המתאים לעולמות תוכן אלו
מהי חלוקת התפקידים בין אנשי הצוות : מנהל הפרויקט, מנתח המערכות, המתכנת, איש הבדיקות ועוד.
אפיון הרכיבים המשתייכים לעולם זה לעומת אילו היכולים להיעזר בסביבות המסורתיות
איתור, איסוף וניקוי המידע
אחסון, המידע הרב והלא מובנה בבסיסי נתונים מהסוג החדש
ניתוח ועיבוד מידע לא-מובנה ורב (non-structured data)
הצגתו בכלים פשוטים ובעלי משמעות אסטרטגית לארגון
היכולת לבצע ניתוחים סטטיסטים , כריית נתונים וביצוע למידה חישובית ( Machine learning ) מסוגים שונים

מבנה הקורס :

מבוא הבנת הקשר וההבדל בין עולם ה BI לעולם ה BIG DATA
שלביו של פרויקט BIG DATA מסוגיו השונים , כולל התייחסות ל SDLC הן בגישת מפל המים והן בגישה הספיראלית וכמובן בעולם ה AGILE
הקורס מתבסס על פרויקט מעשי, עליו עובדים המשתתפים בקורס לאורך כל שלביו, משלב הייזום ועד להצגת המתווה לפרויקט (כמצגת) בשעור האחרון.
הפרויקט מתבצע ומוצג בקבוצות של מספר תלמידים העובדים יחדיו, על בסיס תבנית המועברת לתלמידים בשעורים הראשונים.

בסיום הקורס החניכים יוכלו:

לדעת מתי נכון להכנס לפרוייקט BIG DATA
להגדיר דרישות עסקיות לפרויקט big data
להגדיר את הצוות הנדרש ותוכנית עבודה עקרונית לפרויקט
יכולת איתור מקורות המידע אפשריים, כולל מתודולוגיה והכלים לאיסוף הנתונים ממקורות מידע אלו
חקירת איכות הנתונים וכלים לביצוע חקריה כזאת
שיקולים לבחירת בסיס נתונים ( SQL / NoSql) ומידול מודל הנתונים
יכולת הבנת הצורך בניתוחים סטטיסטים, כריית נתונים וביצוע למידה ממוחשבת (Machine learning)
סוג ה machine learning שכדאי להשתמש
הבנה היכולת ניתוח ועיבוד מידע לא-מובנה ורב (non-structured data)
היכרות וכלים פשוטים להצגת הנתונים ובעלי משמעות אסטרטגית לארגון

כלים:

תבניות אפיון וניהול ככלי עזר למנהל הפרוייקט ומנתח המערכות
תרגול והדגמת machine learning בעזרת ORANGE
כלי ניהול משימות בעולם נתוני עתק כדוגמת TRELLO

הסילבוס המלא

PDF להורדה

שיעור	נושא המפגש	נושאים שיידונו במהלך המפגש
1	מבוא לעולם ה Big data	מבוא לעולם ה Big Data , מדוע ארגונים רוצים לעשות פרויקטים מסוג זה מחזור חיים פרוייקט BI / BIG DATA בעלי תפקידים (מנהל הפרויקט, מנתח המערכת, מפתח, איש הבדיקות) בעלי תפקידים חדשים : ארכיטקט נתונים, מדען נתונים סימנים ל Big Data – 3V ארכיטקטורה קלאסית בעולם ה BI בקצרה ארכיטקטורה של BIG DATA הגדרת הדרישות הפונקציונאליות וכיצד מנהלים אותם . מה ההבדל בין איסוף דרישות רגיל להיבטים של ניהול דרישות לעולם ה BI , ולעולם ה Big Data
2	כדאיות עיסקית ומחזור חיים ניהול הפרוייקט BIG DATA	הגדרת הצורך , למי זה מתאים עלויות וכדאיות כלכלית מחזור חיים (מפל מים, יחידות מסירה, אג’ייל) הרחבה של מפל והרחבה על אגייל כולל טקסים תפקידו של מנהל הפרויקט תפקידו של מנתח המערכות
	כדאיות עיסקית ומחזור חיים ניהול הפרוייקט BIG DATA	פרוייקט BIG DATA מה קורה כאשר יש “יותר מדי נתונים” – מדוע אנו עושים פרויקטים כאלו פרויקטי BD – אתגרים עיקריים אתגרים עיקריים בפרויקט למידת מכונה מחזור חיים של פרויקט ML – CRISP אנשי צוות בפרויקט וחלוקת תפקידים ביניהם
	אפיון הדרישות BIG DATA	זיהוי הלקוחות והמשתמשים בעולם ה Big Data ההבדל בין איסוף דרישות רגיל להיבטים של ניהול דרישות לעולם ה ה Big Data הגדרות ראשוניות של אבני הבניין הגדרת התועלות העיסקיות – מה ירוויח הארגון מהשימוש במערכת הפלטים של המערכת: דוחות, גרפים , לוחות מחוונים זיהוי מקורות הנתונים הפנימים והחיצונים, הן המסודרים , החצי מסודרים והבלתי מסודרים הבנת עומק איכות הנתונים והתנהלות בהתאם. זיהוי הדרישות שאינן פונקציונאליות כדרישות למהירות העיבוד , תזמונים ועיבוד במקביל הגדרת דרישות טכניות (לא פונקציונאליות) לדוגמה: ארכיטקטורה, אבטחת מידע , גיבוי , שחזור , זמינות המידע, ביצועים. הגדרת הפלטים בהתאמה לסוגי המשתמשים השונים ובחירת כלי תצוגה. הגדרת המדדים (KPI (Matrix כולל סוג נתון ולאיזה דרישה עסקית הוא שייך, מידת הדיוק נדרשת , גראנולאריות, היסטוריה נדרשת ועומק היסטורי Visualization סוגי גרפים Dashboards KPI
3	Hadoop : hdfs, map reduce sparx	מה זה Hadoop כיצד עובדת Distributed System – מה האתגרים Master/Slave Architectual HDFS : HADOOP DISTRIBUTED FILE SYSTEM Map Reduce Hadoop-EcoSystem
4	Hadoop נושאים מתקדמים + תרגול	המשך נושאים מתקדמים התלמידים יתנסו בקליטת קובץ ויצפו כיצד מפרק ה Hadoop את הקובץ לבלוקים וכיצד משכפל את הבלוקים. התלמידים יתנסו בבניית שאילתות לשליפת נתונים
5	NoSql db מבוא והכרות	הכרות עם בסיסי נתונים בעולם ה NO SQL כולל דוגמאות על הפופלארים שבינהם גם אם ארגון לא יעבור ל big data באופן מלא , ארגונים רבים חלו לאמץ בסיס נתונים שאינם רלציונים כדוגמת mongo db או redis מנתח המערכות/ מנהל הפרוייקט נידרש להכיר את היכולות/ היתרונות והחסרונות בשימוש בבסיס נתונים אלו. רוב עולם מערכות המידע משתמש בסוג אחד של בסיס נתונים RDB העולם החדש משתמש כבר ב 4 סוגים עיקריים : Key value db Document db Column db Graph db
6	NoSql db תרגול מעשי – בניית ERD	Data modeling in Big data world – NoSql db Key value db Document db Column db Graph db
7	Machine Learning מבוא והכרות	מחזור חיים בפרוייקט machine learning מבוא ל machine learning מהי “למידה” – סוגים שונים של למידת מכונה (מוכוונת, לא מוכוונת, חוזרת, עמוקה ) מהו נתון, כולל סוגים שונים (רציף, בדיד, מדורג, בינארי) מהי מטרה מהו מידע “מתוייג” אלגוריטמים נפוצים כיצד מודדים הצלחה של למידה הגדרת מדדי הצלחה ללמידה כיצד מעריכים את היכולת שלנו לבצע אותה חקירה מקדמית של הנתונים כמות עמודות כמות נתונים בעמודות כמה נתונים ריקים עומק היסטורי שלהם מושגי בסיס : ממוצע, שונות, תוחלת התפלגות מרחקים ואופן מדידתם
8	Machine learning העמקה ותרגול (orange)	אסטרטגיות של השלמות נתונים אסטרטגיות של עיבודים של נתונים דוגמה למדידה מכוונת בעזרת רגרסיה לינראית שפוטה דוגמה של ללמידה בעזרת “עץ” דוגמה של למידה לא מכוונת דוגמה של למידה חוזרת דוגמה של למידה “עמוקה”
9	Data visualization	Why you should always start with questions How to choose the right chart type The ins and outs of creating effective views How to design useful and engaging dashboards The importance and tips for perfecting your work
10	השלמות ומצגות סיום	כל קבוצה מציגה מצגת עם הפרוייקט שעבדה עליו כל הקורס

תנאי קבלה

ניסיון של מעל שנתיים בעולם מערכות המידע