קורסים מקצועיים למתקדמים

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

המועדים הקרובים

קורס לקבוצות

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

ניתן לפתוח את הקורס בהתאמה אישית ומלאה לצרכי הארגון, במועדים ומערכי לימוד גמישים בשילוב תכנים ייעודים.

משך הקורס

שעות אקדמיות:

40

מספר מפגשים:

מתכונת הקורס

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

על הקורס בקצרה​

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

מטרות הקורס

למי מיועד הקורס

תוכנית הלימודים

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
  • 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

Schedule Appointment

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

לא הצלחנו לאתר את הטופס.

בודק...