1. NAYA College
www.naya-college.co.il
‫הנדיב‬ '‫רח‬17,‫הרצליה‬ ,‫הנדיב‬ ‫בית‬
:‫טל‬310-4456622|:‫פקס‬310-4456271
Data Analyst & Scientists
‫כ‬ :‫המסלול‬ ‫משך‬-6‫השעות‬ ‫בין‬ ‫בשבוע‬ ‫פעמיים‬ | ‫לימוד‬ ‫חודשי‬03:71-00:71
240‫פרויקט‬ ‫(הכוללות‬ ‫אקדמיות‬ ‫שעות‬-)‫התמחות‬
‫ההכשרה‬ ‫תיאור‬
‫ובאנושות‬ ‫בארגונים‬ ‫שנאספות‬ ‫המידע‬ ‫כמויות‬ .‫ארגון‬ ‫כל‬ ‫של‬ ‫העתיד‬ ‫הם‬ ‫וחיזוי‬ ‫מידע‬ ,‫נתונים‬ ,‫היום‬ ‫של‬ ‫העסקי‬ ‫בעולם‬
‫כולה‬‫לבצע‬ ‫נדרשים‬ ‫בעולם‬ ‫התוכנה‬ ‫יישומי‬ ‫רוב‬ .‫פעם‬ ‫מאי‬ ‫לחשובה‬ ‫הופכת‬ ‫בהם‬ ‫והשליטה‬ ‫מסחרר‬ ‫בקצב‬ ‫גדלות‬
‫לעולם‬ ‫הכניסה‬ ‫כרטיס‬ ‫הינו‬ ,‫זה‬ ‫הכשרה‬ ‫מסלול‬ .‫הנתונים‬ ‫והצגת‬ ‫דיווח‬ ,‫,חיזוי‬ ‫ניתוח‬ ,‫אחסון‬ ,‫עיבוד‬ ‫של‬ ‫קריטיות‬ ‫פעולות‬
‫של‬ ‫המרתק‬Data Analysis & Science.‫לעסקים‬ ‫טכנולוגיה‬ ‫בין‬ ‫המשלב‬
‫ת‬‫י‬‫אור‬‫תפקיד‬Data Analyst & Scientists
‫תפקיד‬Data Analyst & Scientists‫דורש‬‫מ‬ ‫ידע‬ ‫להפיק‬ ‫יכולת‬‫ו‬ ‫נתונים‬‫מידע‬.‫זהו‬‫הארגון‬ ‫בין‬ ‫המתווך‬ ‫תפקיד‬
‫למחלקת‬‫ה‬-IT,,‫אסטרטגיה‬ ,‫מידע‬ ‫מערכות‬ ,‫זה‬ ‫ניתוח‬ ‫בסיס‬ ‫על‬ ,‫ולתכנן‬ ‫בארגון‬ ‫קיים‬ ‫מצב‬ ‫לנתח‬ ‫הוא‬ ‫המרכזי‬ ‫תפקידו‬
‫ועוד‬ ‫יעדים‬.
‫מסלול‬‫וייחודי‬ ‫מקצועי‬,‫זה‬‫לתפקיד‬ ‫מכשיר‬‫של‬‫ו‬ ‫אנליסט‬( ‫נתונים‬ ‫מדען‬Data Analyst & Scientists),‫במסגרת‬‫ו‬,
‫אנליסטים‬‫כישוריהם‬ ‫את‬ ‫ליישם‬ ‫מסוגלים‬‫וחיזוי‬ ‫ניתוח‬ ,‫אחסון‬ ,‫בעיבוד‬‫ב‬ ‫נתונים‬‫תוצאות‬ ‫של‬ ‫רחב‬ ‫מגוון‬ ‫להשיג‬ ‫כדי‬
‫הארגון‬ ‫עבור‬ ‫עסקיות‬,‫כן‬ ‫כמו‬ .‫נרכשת‬‫חזותיים‬ ‫פרטים‬ ‫לייצר‬ ‫יכולת‬‫ל‬ ,‫המידע‬ ‫את‬ ‫לנתח‬ ,‫השונים‬ ‫המידע‬ ‫במקורות‬ ‫טפל‬
.‫החלטות‬ ‫לקבלת‬ ‫הרלוונטי‬ ‫הידע‬ ‫את‬ ‫להנהלה‬ ‫ולהציג‬
‫להן‬ ‫עדים‬ ‫שאנו‬ ‫והטכנולוגי‬ ‫העסקי‬ ‫השוק‬ ‫למגמות‬ ‫עונה‬ ‫זה‬ ‫ייחודי‬ ‫הכשרה‬ ‫במסלול‬ ‫הנרכשות‬ ‫היכולות‬ ‫של‬ ‫המכלול‬
.‫אחרונות‬ ‫בשנים‬

2. NAYA College
www.naya-college.co.il
‫הנדיב‬ '‫רח‬17,‫הרצליה‬ ,‫הנדיב‬ ‫בית‬
:‫טל‬310-4456622|:‫פקס‬310-4456271
‫אחרונות‬ ‫בשנים‬,‫מקימים‬‫רבים‬ ‫ארגונים‬‫ומערכות‬ ‫נתונים‬ ‫מחסני‬BI‫כיצד‬ ‫יודעים‬ ‫אינם‬ ‫מרביתם‬ ,‫זאת‬ ‫עם‬ ‫אך‬
‫בשלבים‬ ‫הנדרשים‬ ,‫מגוונות‬ ‫ומיומנויות‬ ‫רבים‬ ‫כלים‬ ‫כולל‬ ‫זה‬ ‫הכשרה‬ ‫מסלול‬ .‫אגרו‬ ‫אשר‬ ‫בנתונים‬ ‫בתבונה‬ ‫להשתמש‬
‫בארגון‬ ‫הנתונים‬ ‫עם‬ ‫העבודה‬ ‫של‬ ‫השונים‬–‫ה‬ ‫ברמת‬ ‫שאילתות‬ ‫מביצוע‬ ‫החל‬-SQL‫שליטה‬ ‫דרך‬ ,‫בכלי‬BI‫בשכיחים‬
‫כגון‬ ,‫בשוק‬ ‫היום‬ ‫ביותר‬SSIS,SSRS,SSAS‫הכלים‬ ,‫ולדיווח‬ ‫לאינטגרציה‬ ‫מתקדמים‬.
,‫מזו‬ ‫יתרה‬‫ה‬ ‫עולם‬-BI‫החדש‬‫שופע‬‫היום‬‫המאפשרים‬ ‫מתקדמים‬ ‫בכלים‬Self-Service BI,‫ו‬‫תופס‬ ‫האנליסט‬ ‫תפקיד‬
‫יותר‬ ‫מקום‬‫משמעותי‬ ‫ויותר‬‫אנשי‬ ‫על‬ ‫להסתמך‬ ‫נדרש‬ ‫אינו‬ ‫הוא‬ ‫שכן‬IT‫ו‬-BI‫שהוא‬ ‫המודלים‬ ‫את‬ ‫לבנות‬ ‫בכדי‬ ‫מסורתי‬
.‫צריך‬‫ד‬ ‫שמנו‬ ‫לכן‬‫גש‬‫הכשרה‬ ‫מסלול‬‫כלי‬ ‫על‬‫ה‬-Self-Service BI‫בעולם‬ ‫החזק‬–Excel BI‫ו‬-Power BI.
.‫וגובר‬ ‫הולך‬ ‫שרק‬ ‫השניים‬ ‫של‬ ‫ולשילוב‬ ,‫והטכנולוגי‬ ‫העסקי‬ ‫בעולם‬ ‫המתרחשים‬ ‫לשינויים‬ ‫עדים‬ ‫אנחנו‬‫ו‬,‫למעשה‬‫ניתוח‬
‫יכולת‬ ‫בעלי‬ ‫להיות‬ ‫אנליסטים‬ ‫של‬ ‫הבא‬ ‫הדור‬ ‫על‬ .‫מספיקים‬ ‫אינם‬ ‫בדיעבד‬ ‫לקחים‬ ‫והפקת‬ ‫נתונים‬,‫מגמות‬ ,‫תחזיות‬ ‫להציג‬
‫לדעת‬ ‫היא‬ ‫החוכמה‬ ‫אולם‬ ,‫בארגונים‬ ‫השונות‬ ‫במערכות‬ ‫כיום‬ ‫קיימים‬ ‫אמנם‬ ‫הנתונים‬ .‫מתאימה‬ ‫לפעולה‬ ‫והצעות‬ ‫תובנות‬
.‫לעתיד‬ ‫הצפויה‬ ‫המגמה‬ ‫את‬ ‫לנבא‬‫ליישם‬ ‫אנליסט‬ ‫של‬ ‫יכולת‬ ‫ביטוי‬ ‫לידי‬ ‫באה‬ ‫וכאן‬‫של‬ ‫אלגוריתמים‬Machine
Learning‫ו‬-Data Mining‫ולחיזוי‬ ‫עסקי‬ ‫לניתוח‬.‫ביצועים‬‫ב‬ ‫העקרונות‬ ‫את‬ ‫נפנים‬ ‫תחילה‬-Excel‫נראה‬ ‫מכן‬ ‫ולאחר‬ ,
‫יותר‬ ‫הרבה‬ ‫חזק‬ ‫בכלי‬ ‫שימוש‬ ‫לעשות‬ ‫כיצד‬–‫שפת‬R.
‫יעד‬ ‫קהל‬
‫המסלול‬‫המחשב‬ ‫הניהול/כלכלה/סטטיסטיקה/מתמטיקה/מדעי‬ ‫בתחומי‬ ‫לאקדמאים‬ ‫מיועד‬/‫ו‬‫רקע‬ ‫בעלי‬ ‫למועמדים‬ ‫או‬
.‫מוכח‬ ‫ועסקי‬ ‫טכנולוגי‬
‫קדם‬ ‫דרישות‬
‫הכרות‬‫טובה‬‫אקס‬ ‫עם‬‫ל‬-‫חובה‬
‫נתונים‬ ‫ניתוח‬ ‫בתחום‬ ‫מעשי‬ ‫נסיון‬-‫יתרון‬
‫סילבוס‬
Part 0: Preparatory Module
‫לשפת‬ ‫מכינה‬ ‫שיעורי‬SQL.‫מעשי‬ ‫תרגול‬ ‫הכוללים‬ ‫נתונים‬ ‫במסדי‬ ‫ביותר‬ ‫בסיסיים‬ ‫ולמושגים‬
 Setting up development environment
o Introducing SQL server Management Studio
 Querying Data Using T-SQL Language
o Basic Concepts of Databases
o SQL Server Data Types
o Retrieving Data: SELECT Statement
o Filtering Data: WHERE, Logical Operators and Expressions
o Organizing Retrieved Data: ORDER BY, GROUP BY, TOP
o Using System Supplied Scalar Functions
o Multiple Table Access: JOINs
o Using Simple Sub-Queries
o Updating Data Using DML Statements: UPDATE, INSERT, DELETE

3. NAYA College
www.naya-college.co.il
‫הנדיב‬ '‫רח‬17,‫הרצליה‬ ,‫הנדיב‬ ‫בית‬
:‫טל‬310-4456622|:‫פקס‬310-4456271
Part 2: Database Desgin & Advanced T-SQL Programming
‫בסיסית‬ ‫הבנה‬ ‫לתלמידים‬ ‫מקנה‬ ‫זה‬ ‫חלק‬‫בשפת‬ ‫בשימוש‬ ‫וכן‬ ,‫שלהם‬ ‫הפיזית‬ ‫התצורה‬ ‫ובהגדרות‬ ‫נתונים‬ ‫מסדי‬ ‫בהקמת‬
SQL‫אובייקטים‬ ‫של‬ ‫ליצירה‬.
 Data Modeling Basics and Data Objects
o RDBMS Modelling Basics: Relations and Normalizations
o SQL Server Data Types
o Creating Schemas, Tables, Keys and Constraints
o DDL - Data Definition Language: Create, Drop, Alter & Truncate
o Indexes Overview
‫מקנה‬ ,‫זה‬ ‫חלק‬‫בשפת‬ ‫התכנות‬ ‫בעקרונות‬ ‫בסיסית‬ ‫הבנה‬ ‫לתלמידים‬T-SQL‫לעיבוד‬ ‫תוכניות‬ ‫של‬ ‫כתיבתה‬ ‫לצורך‬
.)‫פונקציות‬ ,‫פרוצדורות‬ ,‫לולאות‬ ,‫(תנאים‬ ‫נתונים‬
 T-SQL Programming and Implementing Code Objects:
o Basic T-SQL Programing: Variables, IF function, Loops
o Basic Analytic Functions.
o Code Objects: Views, Stored procedures, Functions
Part 3: Data Warehouse & BI Fundamentals
‫עסקית‬ ‫לבינה‬ ‫מבוא‬–‫העקרונות‬ ‫את‬ ‫להציג‬ ‫המיועד‬ ‫חלק‬‫ועיצוב‬ ‫בתכנון‬ ‫הבסיסים‬‫מחסן‬.‫נתונים‬
o Business Intelligence and Data Warehousing
o Defining Data Warehouse Concepts and Terminology
o Planning and Managing the Data Warehouse Project
o Designing Dimensional Model
Part 4: Integration Services 2014 (SSIS)
‫זה‬ ‫חלק‬‫מתמקד‬‫בסיסי‬ ‫בלימוד‬‫תהליכי‬ ‫של‬ ‫והקמה‬ ‫בתכנון‬ETL‫מבוססים‬SSIS‫להעביר‬ ,‫לגזור‬ ‫נלמד‬ ‫זה‬ ‫במודול‬ .
.‫בסיסית‬ ‫ברמה‬ ‫הנתונים‬ ‫מחסן‬ ‫אל‬ ‫שונות‬ ‫ממערכות‬ ‫נתונים‬ ‫ולטייב‬
o Introduction to ETL architecture
o Introduction to Microsoft SQL Server Integration Services.
o Basic Data Flow Task Transformations.
Part 5: Reporting Services 2014 (SSRS)
‫דוחות‬ ‫לייצר‬ ‫נלמד‬ ,‫זה‬ ‫בחלק‬BI‫מבוססי‬ ‫למנהלים‬Reporting Services‫לפורטל‬ ‫הדוחות‬ ‫את‬ ‫לפרסם‬ ‫נלמד‬ ,‫כן‬ ‫כמו‬ .
‫הדוחות‬-Report Manager‫בעזרת‬ ‫אותם‬ ‫ולערוך‬Report Builder.
o Introduction to Microsoft SQL Server Reporting Services
o Creating a Report with Report Designer
o Grouping and Aggregating Data in a Report
o Showing Data Graphically
o Filtering Reports By Using Parameters
o Overview of Managing Report Manager
o Introduction to Report Builder

4. NAYA College
www.naya-college.co.il
‫הנדיב‬ '‫רח‬17,‫הרצליה‬ ,‫הנדיב‬ ‫בית‬
:‫טל‬310-4456622|:‫פקס‬310-4456271
Part 6: Analysis Services 2014 (SSAS)
( ‫ממדיות‬ ‫רב‬ ‫קוביות‬ ‫להקים‬ ‫נלמד‬ ,‫זה‬ ‫בחלק‬OLAP Cube)‫ממדיות‬ ‫רב‬ ‫קוביות‬ .‫הקוביה‬ ‫ותחקור‬ ,‫בסיסית‬ ‫ברמה‬
.‫ממדיים‬ ‫רב‬ ‫נתונים‬ ‫מודלי‬ ‫של‬ ‫ועיצוב‬ ‫ניתוח‬ ‫לבצע‬ ‫מאפשרות‬
o Introduction to Microsoft SQL Server Analysis Services
o Creating Data Sources and Data Source Views
o Creating an OLAP Cube
o Configuring Dimensions & Hierarchies
o Importing a OLAP Cube to Excel and creating Dashboards, including Slicers,
Timelines, Conditional Formatting, Data bars, and Sparklines
o Analyzing OLAP Cube Data Using PivotTables and Pivot Charts
o Using Cubes Key Performance Indicators and Calculated Measures
Part 7: Excel 2016 Advanced
.‫באקסל‬ ‫מתקדמים‬ ‫נושאים‬ ‫על‬ ‫חזרה‬ ‫שיעור‬
o Advanced Excel for Data Analyst
o Working with tables in Excel: Functions: sorting, filters, conditional formatting
o V-lookup
o Working with pivot table
Part 8: PowerPivot & Power BI
Power BI‫פלטפורמת‬ ‫הינה‬BI.‫מיקרוסופט‬ ‫מבית‬ ‫מהפכנית‬‫המרכיבים‬ ‫את‬ ‫נלמד‬ ,‫זה‬ ‫בחלק‬‫של‬ ‫השונים‬Power BI‫ו‬-
Excel BI‫באמצעות‬ ‫ומגוונים‬ ‫שונים‬ ‫ממקורות‬ ‫נתונים‬ ‫למשוך‬ ‫נלמד‬ ,‫ביניהם‬ ‫והקשר‬POWER QUERY‫מבנה‬ ‫להקים‬ ,
‫בעזרת‬ ‫טבולרי‬ ‫נתונים‬PowerPivot‫בעזרת‬ ‫אינטראקטיביים‬ ‫דוחות‬ ‫הקצה‬ ‫למשתמש‬ ‫ולהציג‬PowerView‫ו‬-Power
BI.
 Connecting to various Data sources using Power Query For Excel
o Pulling data from Sql Server, CSV Files, The internet and more
o Data cleansing
o Data mashups
o Advanced topics : Join, Union and Functions
 Creating a Tabular Data Model by Using Power Pivot for Excel
o Creating and Managing Table Relationships
o Data Modelling
o Hierarchies
o Using PivotTables and PivotCharts
o Using Slicers
o Best practice with the vertipaq engine
 DAX Fundamentals
o Introduction to DAX
o Evaluation contexts and CALCULATE
o Advanced DAX functions
 Building BI Dashboards With Power BI
o What Is Power BI
o Power BI Desktop ingredients (Looks familiar ?)
o Building interactive reports and Dashboards with POWER BI

5. NAYA College
www.naya-college.co.il
‫הנדיב‬ '‫רח‬17,‫הרצליה‬ ,‫הנדיב‬ ‫בית‬
:‫טל‬310-4456622|:‫פקס‬310-4456271
o Advanced Power BI Topics: Power BI Service, Custom vis and more
Part 9: IBM Cognos Software
‫מערכת‬ ‫בעזרת‬ ‫נתונים‬ ‫וניתוח‬ ‫דוחות‬ ‫פיתוח‬BI‫חברת‬ ‫של‬IBM–Cognos.
o Introduction to IBM Cognos Software
o Introduction to Framework Manager
o Capabilities of Cognos Connection
o Building basic reports with Query Studio
o Advanced Query Studio
o Overview of Analysis Studio
o Building basic reports with Report Studio
Part 10: Introduction to BigData, Hadoop & MapReduce
‫עולם‬ ‫בין‬ ‫הקשר‬ ‫מהו‬ ‫נבין‬ ‫זה‬ ‫במודול‬Big Data‫ו‬-Data Analyses.
o What is BigData and why it is important to my business?
o Bringing BigData to my organization - concepts and guidelines.
o BigData on relational databases - why do and why not?
o Hadoop and MapReduce Basics
o Introduction to NoSQL
Part 11: Internship Project
‫(סה"כ‬ ‫ההתמחות‬ ‫פרויקט‬ ‫תהליך‬23‫בין‬ ‫אינטגרציה‬ ‫לבצע‬ ,‫המקצועית‬ ‫ההכשרה‬ ‫לבוגרי‬ ‫מאפשר‬ ,)‫משולבות‬ ‫שעות‬
‫מעש‬ ‫ניסיון‬ ‫לצבור‬ ,‫במסלול‬ ‫שנלמדו‬ ‫השונים‬ ‫התכנים‬‫כעובדים‬ ‫דרככם‬ ‫את‬ ‫לבנות‬ ‫כדי‬ ,‫נכונות‬ ‫עבודה‬ ‫דרכי‬ ‫ויקנה‬ ‫י‬
.‫בישראל‬ ‫ההייטק‬ ‫תעשיית‬ ,‫בתחום‬
Part 12: Predictive Analytics
‫ה‬ ‫מעולם‬ ‫שונים‬ ‫מודלים‬ ‫ונסקור‬ ,)‫ועוד‬ ‫סגמנטציה‬ ,‫קלסיפיקציה‬ ,‫חיזוי‬ ,‫(שיערוך‬ ‫החיזוי‬ ‫בעיות‬ ‫סוגי‬ ‫את‬ ‫נכיר‬ ‫זה‬ ‫במודול‬-
Data Mining‫וה‬-Machine Learning‫לפ‬‫גולמיים‬ ‫נתונים‬ ‫מתרגמים‬ ‫כיצד‬ ‫ונראה‬ ‫לחיזוי‬ ‫מודלים‬ ‫לתכנן‬ ‫נלמד‬ .‫תרונן‬
‫ב‬ ‫העקרונות‬ ‫את‬ ‫נפנים‬ ‫תחילה‬ .‫החלטות‬ ‫קבלת‬ ‫של‬ ‫מתוחכמים‬ ‫למנגנונים‬ ‫שונים‬ ‫ממקורות‬-Excel‫נראה‬ ‫מכן‬ ‫ולאחר‬ ,
‫יותר‬ ‫הרבה‬ ‫חזק‬ ‫בכלי‬ ‫שימוש‬ ‫לעשות‬ ‫כיצד‬–‫שפת‬R.
 Introduction
o What is Predictive Analytics?
o Data sources
o Data manipulations
 Problems and Models in Predictive Analytics
o Regression problems
o Forecasting problems
o Classification problems
o Association rules problems
 Predictive Analytics with Excel
o Data Mining add-in
o Analysis ToolPak add-in
 Predictive Analytics with R
o Introduction to R
o Models Implementation