Technion Data Science

בעולם שמייצר כמויות עצומות של נתונים בכל רגע, ארגונים נדרשים לקבל החלטות חכמות המבוססות על מידע. בתחומים כמו רפואה, פיננסים, מדיה חברתית ורכבים חכמים, למומחי ומומחות הנתונים יש את היכולת להפוך מידע גולמי להבנה עמוקה ולייצר פתרונות אמיתיים.

תפקיד ה-Data Scientist  הפך לאחד המבוקשים והמתגמלים בשוק. הוא משלב עבודה עם Big Data, פיתוח מודלי Machine Learning ויצירת תובנות עסקיות שמניעות את הארגון קדימה.

כדי להצליח בתחום נדרשות כמה יכולות מרכזיות:

• אינטגרציה – איסוף ושילוב מידע ממקורות שונים, כולל מידע לא מובנה.

• חקירה וניתוח – תכנות וסטטיסטיקה, יצירת חיבור בין בסיסי נתונים שונים.

• מודלים וחיזוי – כריית מידע, עיבוד מידע טקסטואלי, אופטימיזציה, חיזוי ואנליזה לנתונים.

• הצגה – פרסום תוצאות על בסיס המידע הנאסף.

מטרת התכנית היא להכשיר מומחי ומומחות נתונים בעלי עצמאות מקצועית אמיתית.
במהלך הלימודים תרכשו שליטה מקצה לקצה בכלים ובתהליכים המשתמשים ב-Data Scientist: החל מארגון וטיוב נתונים, דרך בניית מודלים ומחקר סטטיסטי ועד ליישום אלגוריתמים מתקדמים, כולם מבוססי Paython.

כלים ויכולות

בסיום התוכנית, הבוגרים והבוגרות יוכלו להוביל פרויקט Data Science מלא:

• פיתוח מודלים מנבאים: בעזרת כלים ושיטות מתקדמות.

• בקרת איכות וניתוח: לאורך שלבי הפרויקט.

• הכנת נתונים לאנליזה: סיפוק נתונים נקיים ומוכנים.

• כתיבת פרוטוקול מחקר: מסודר ומקצועי לפני תחילת העבודה.

• הצגה והטמעה: כתיבת דו"ח מסכם המסביר את המתודולוגיה, מודלים והדרכת משתמשי קצה.

• מיקוד טכנולוגי: עבודה מעשית עם Python והספריות המובילות בתעשייה: SKlearn, PyTorch, Pandas, Transformers -(HuggingFace). 

• למידה מבוססת תרגול: דגש רב על פתרון בעיות ויישום בפועל.

• פרויקט גמר אישי: על בעיה אמיתית מהתעשייה.

• ליווי אישי: של מרצי התכנית לאורך כל הדרך.

• שלב רקע: Python וכלי בסיס
  NumPy, Pandas, Matplotlib, Jupyter, יסודות תכנות.

• מודול 1: סטטיסטיקה והסתברות:
  הסקה סטטיסטית, מבחני השערות, משתנים מקריים.

• מודול 2: למידה סטטיסטית (Pandas, SKlearn):
  EDA, ניקוי נתונים, Kaggle, Ensemble Methods, SVM, Feature Engineering,

  Imputation Challenge.

• מודול 3: למידת מכונה  Machine Learning
  מודלי ניבוי (SVM),  תחקור נתונים (EDA), טיפול בערכים חסרים  (Imputation), ושיעור תחרותי עם אתגר  Kaggle ופתירתו עם מודלי Machine Learning.

• מודול 4: Deep Learning (PyTorch, Transformers)
  רשתות נוירונים (RNN, CNN, LSTM), ראייה ממוחשבת (יישומי Computer Vision), Diffusion Models & Text to Image.

• פרויקט מסכם: פרויקט גמר אישי על בעיה אמיתית מהעולם, בליווי המרצים.

תכנית הלימודים

• הלימודים מתקיימים בימי ראשון ורביעי בין השעות 17:30-21:30 

• הלימודים נמשכים כ 8 חודשים, 255 שעות אקדמיות.

• הלימודים מתקיימים בקמפוס הטכניון בתל אביב, מתחם שרונה.

זכאות לתעודה

תעודת גמר מבית הספר ללימודי המשך של הטכניון תוענק לבוגרים שיעמדו בתנאים:

• נוכחות של 80% לפחות

• עמידה בכל מטלות החובה

• תואר ראשון בתחומים ריאליים/טכנולוגיים:  מערכות מידע, כימיה, הנדסת תעשייה וניהול, הנדסה ביו-רפואית, כלכלה, מנהל עסקים, פיזיקה, מתמטיקה.

• רקע בתכנות- חובה.

• אוריינטציה טכנולוגית.

• מתאים לבוגרי קורס BI של ביה"ס ללימודי המשך בהתאם לקריטריונים.

• ראיון אישי

• שלב רקע חובה ב Python: המהווה חלק מהתוכנית ומעניק את הבסיס הנדרש ללימודים.

*שלב הרקע הוא חלק אינטגרלי מהתכנית וכל משתתף נדרש להשלים אותו.

ד"ר אריאל מנצורה, ראש התכנית.
בעל תואר שלישי בסטטיסטיקה ומדע הנתונים, עם מעל ל-8 שנות ניסיון בהוראה של קורסי Data Science. ד"ר מנצורה מביא שילוב של ניסיון אקדמי ומעשי בפיתוח שיטות אנליטיות בתחומי הכלכלה והמימון ומכוון את הסטודנטים והסטודנטיות לרמה מקצועית גבוהה המותאמת לשוק.