התואר שייקח אותך רחוק בקריירת ההייטק וניתוח מידע 
תואר שני במערכות מידע (.M.sc) (ללא תזה)
תואר שני במערכות מידע עם התמחות במדעי הנתונים
מה לומדים בתואר שני במערכות מידע עם התמחות במדעי הנתונים?
נתונים מהווים נכס אסטרטגי לארגון וליכולת התחרותית והשרידות שלו בסביבה העסקית הגלובלית. תחום מדעי הנתונים מתמקד בניתוח, עיבוד וניהול של נתוני עתק.
לתחום מדעי הנתונים יישומים רבים בכל תחומי החיים כגון: תחבורה, רפואה, מסחר, כלכלה ועוד. היקף הנתונים הנאגרים במערכות המידע בארגונים וחברות שונות הוא עצום.
באמצעות ניתוח הנתונים הללו, הארגון יכול להפיק ולנתח מידע בעל ערך רב ולייצר תובנות חדשות, ובכך, להתאים את עצמו ואת התהליכים המבוצעים בו לשיפור הביצועים העסקיים ולהתכונן לשינויים עתידיים.
מטרת התואר השני בהתמחות במדעי הנתונים במערכות מידע להעניק לסטודנטים מיומנויות במתודולוגיות וכלים לשימוש בנתוני עתק לצורך קבלת החלטות אסטרטגיות וניהוליות, ובפרט:
- הקניית ידע בתהליכים לאיסוף והבניית נתוני עתק
- הקניית ידע בהבנת המידע הארגוני ובניית מודלים לניתוח
- הקניית ידע תאורטי ויישומי במתודולוגיות וכלים לניתוח נתוני עתק
- הקניית ידע תאורטי ויישומי באלגוריתמים לניתוח מידע
- הקניית ידע בלימוד מכונה (ML), לימוד עמוק (DL) ובינה מלאכותית (AI)
- הקניית ידע תאורטי ויישומי בויזואליזציה והנגשה של נתוני עתק
שם ההתמחות אינו נרשם על גבי תעודת התואר.
מוסמך התואר השני בהתמחות מדעי הנתונים הינו איש מקצוע במערכות מידע אשר יוכל להשתלב בכל תחומי התעשייה, בתוך או מחוץ לתעשייה הטכנולוגית, בהם נדרש ניתוח של נתוני עתק. מוסמכי התוכנית יוכלו להוביל פרויקטים לאיסוף, ניתוח וניהול של נתוני עתק והנגשתם למנהלים לצורך קבלת ההחלטות.
תכנית הלימודים כוללת קורסי ליבה המשותפים לשתי ההתמחויות, וכן קורסי ההתמחות.
להלן פירוט קורסי ההתמחות במסלול מדעי הנתונים:
- אלגוריתמים לכריית מידע + • שלבים עיקריים בכריית מידע ותורת המידע. • דוגמאות של אלגוריתמים קלאסיים ואלגוריתמים בתורת הגרפים וזרימה • רגרסיות וחיזויים בכריית מידע • עצי החלטה • ניתוח אשכולות • KNN • SVM, association rules
- סדנא בלמידה עמוקה בשפת פייתון + • היכרות עם למידת מכונה ורשתות נוירונים. • היכרות סביבות עבודה: conda, Jupyter Notebook והספריות keras, tersorflow ועוד. • שימושים של רשתות נוירונים. היכרות של מודלים לקלסיפיקציות וולידציות שונות. • הערכה של מודלים: אימון, ולידציה, טסטים. צמצום overfitting: רגולריזציה. Dropout. • אימון רשתות נוירונים על ענן. • שימושים בראייה ממוחשבת: רשתות קונבנציונליות ומתקדמות. שכבות Maxpooling.
- סמינר במדעי הנתונים
- חדשנות מבוססת בינה מלאכותית וביג דאטה + • סוגי בינה מלאכותית וההבדלים ביניהם. • ביג דאטה ואלגוריתמים - הזדמנויות ואתגרים. • כלים וטכנולוגיות בשימוש בינה מלאכותית. • ההשפעה של הבינה המלאכותית על האסטרטגיה והתהליכים העסקיים. • בינה מלאכותית כמנוע צמיחה עסקי. • תפקידים בעולם הבינה המלאכותית.
- Data Visualization + • עקרונות מנחים, מטרות, תהליך הויזואליזציה של מידע וסקירת כלים. • מיפוי הנתונים ואיכותם. • אפיון שאלות הנשאלות על נתונים ובניית נרטיב. • פורמטים חזותיים והתאמת סוג המידע לפורמט. • עקרונות עיצוב: צבע, טיפוגרפיה, אסתטיקה, שימוש נכון במרחב. • אנימציה ואינטרקטיביות.
- כלים מתקדמים לדאטה סיינס + • Introduction to Big Data Analysis & Working with Structured Data. • Techniques for Websites Data Collection • Analyzing Massive Graphs • From Unstructured to Structured Text • Working with GEOLocation Data and NoSQL. • Practical Deep-Learning Working with Images. • Distributed Machine Learning Algorithms.
- פרויקט גמר במדעי הנתונים למערכות מידע
התמחויות נוספות בתואר שני במערכות מידע
