20 שעות אקדמיות
לימודי ערב פעמים בשבוע
4 מפגשים
קורס טאבלו - לנתח, להציג, ולהשפיע – בצורה יעילה וחכמה
בעולם מונחה דאטה, המידע קיים – אבל הערך האמיתי מגיע מיכולת ההצגה שלו.
בקורס מקצועי וממוקד תלמדו איך להפוך טבלאות לאינסייטים, ודאטה יבש לסיפורים ויזואליים ברורים – בעזרת הכלי המוביל בתחום: Tableau.
תרשימים, פילטרים, דשבורדים אינטראקטיביים, חישובים, חיבורים בין מקורות וניתוחים מורכבים – הכל במקום אחד, והכל פרקטי.
שליטה מלאה ב־Tableau – מהבסיס ועד חישובים מתקדמים
מהתחברות לדאטה ועד בניית דשבורדים אינטראקטיביים – כולל פילטרים, פרמטרים ו־LOD.
יכולת לתרגם נתונים מורכבים לוויזואליזציות חכמות וברורות
תלמדו איך להציג נתונים בצורה שמייצרת תובנות, הבנה – ואפילו פעולה.
תרגול מעשי על תרחישים מהתעשייה
הקורס כולל תרגול שיטתי עם דוגמאות שמבוססות על שימושים אמיתיים מהעולם העסקי.
שימוש בפיצ’רים מתקדמים – כולל אנליטיקה, חישובים, ומפות
תלמדו איך לבצע ניתוחים וסטטיסטיקות בתוך הוויזואל – בלי לכתוב שורת קוד.
יכולת לבנות דשבורד שמסכם תובנות בצורה אפקטיבית
גם לסמנכ"ל, גם לצוות – תדעו לבנות מצגת אינטראקטיבית שעושה סדר.
יתרון בשוק העבודה ובקריירה
הביקוש למי שמכיר Tableau רק הולך וגדל – הקורס הזה שם אתכם בדיוק במקום הנכון.
ללמוד ממי שחי ונושם דאטה
הצוות שמוביל את הקורסים שלנו לא מגיע רק מהכיתה – אלא גם מהשטח. הם חיים את עולם הדאטה ביום-יום, מלמדים מתוך ניסיון אמיתי, ויודעים להסביר את הדברים הכי מורכבים בצורה הכי ברורה. בקיצור – אתם בידיים טובות.
רם קדם – חי את עולם ה-Data כבר למעלה מ-15 שנה, הוביל פרויקטים מגוונים, ניהל מקצועית מכללות מובילות, הדריך עשרות אלפי אנשים , וכתב ספרות בתחום ה-Data אשר נמכרת ברחבי העולם
גדי כרוסט הוא ראש צוות אנליזה בחברת Plarium. פלאריום היא אחת מחברות הסושיאל גיימינג הגדולות בעולם עם למעלה מ-400 מליון יוזרים. גדי בעל נסיון טכני ועסקי רב שנים, וכחלק מעבודתו ראיין עשרות אנליסטים.
מיכאל ווינר – פרינסיפל דאטה-סיינטיסט בסטארטאפ Yess. בנוסף, עבד והוביל יוזמות וצוותי דאטה סיינס ב AppsFlyer ו Digital Turbine. מעל 7 שנות ניסיון כמדען נתונים וכמנהל צוות בתחום, ו-10 שנות נסיון בתחום הדאטה.
דותן ענטין הוא אנליסט ומפתח BI בחברת Applied Materials, חברה המפתחת ומייצרת מערכות המהוות תשתית של תעשיית השבבים העולמית.
דותן מביא עימו נסיון וידע רב, וכחלק מעבודתו עוסק בטכנולוגיות BI מגוונות.
אביב גלפנד דאטה סאיינטיסט בחברת הטק Darrow AI. בוגר תואר ראשון בסטטיסטיקה ובמדעי הנתונים מהאוניברסיטה העברית. כותב תזה בתחום מודלי השפה ושיטות לחסוך זמן ריצה וזיכרון בהן, במסגרת התואר השני באוניברסיטה העברית.
עומר ביבר הוא ראש תחום BI בחברת Superplay, אחת מחברות הסטארט-אפ הצומחות ביותר בעולם בתחום ה-Gaming. עומר מביא איתו נסיון רב בעולמות ה-BI מחברות כמו Playtika ו-HiBob.
מאות אנשי דאטה לומדים איתנו מדי שנה
כך זה נשמע כשלמידה באמת עושה הבדל.
בונים יכולות דאטה – יחד עם הארגונים המובילים במשק
כל מה שצריך לדעת על הקורס
- Introduction and Data Preparation – This section introduces the basics of data analysis and visualization. It covers the initial steps necessary to prepare data for analysis, such as understanding data sources, importing data into a tool, and basic data formatting.
- Data Cleansing and Splitting Columns – Data often comes in a raw format that needs cleaning. This section focuses on techniques to clean data, such as removing duplicates, handling missing values, and transforming data formats. It also covers how to split columns to create more useful data structures.
- Data Connections and Workbook Management – Managing data connections is crucial for efficient data analysis. This section explains how to connect to various data sources and manage these connections within a workbook. It also covers organizational techniques for maintaining workbooks.
- Extract vs Live Connections – There are two main types of data connections in tools like Tableau: extract and live. This section discusses the differences between the two, including performance implications, use cases, and best practices for choosing the right type of connection.
- Saving and Managing Workbooks with Tableau Public – Tableau Public is a free platform for sharing visualizations online. This section covers how to save workbooks to Tableau Public, manage privacy settings, and best practices for sharing and publishing visualizations.
- Grouping Data – Grouping data involves categorizing data points into sets to simplify analysis. This section explores different methods for grouping data, such as creating hierarchies, bins, and sets.
- Sorting Data – Sorting data helps in organizing it in a meaningful order. This section covers various sorting techniques, such as ascending/descending order and custom sorting based on specific criteria.
- Aggregates and Data Visualization Basics – Aggregation is the process of summarizing data to show totals, averages, counts, etc. This section introduces basic data visualization principles and how to use aggregates to create meaningful visual representations.
- Using Aggregates – This section goes into detail about how to use aggregate functions like sum, average, min, max, and count to summarize data. It covers practical examples and applications in data analysis.
- Creating Crosstabs and Heat Maps – Crosstabs (cross-tabulations) and heat maps are powerful tools for visualizing data relationships. This section explains how to create and interpret these visualizations to uncover patterns and trends in data.
- Introduction to Filters – Filters are used to refine data views by excluding certain data points. This section introduces the concept of filters and how to apply them in data analysis tools to focus on specific subsets of data.
- Discrete Date Filtering – This section covers filtering data based on discrete date values, such as specific days, months, or years. It explains when and how to use discrete date filters to analyze time-specific data.
- Continuous Date Filtering – Continuous date filtering involves filtering data over a continuous range of dates. This section discusses techniques for applying continuous date filters to analyze trends over time, such as date ranges and time intervals.
- Filtering Measures – This section focuses on techniques for filtering quantitative data, such as applying filters to measures (numerical data) to refine and focus analyses.
- Pre-Filtering Data – This section covers the concept of pre-filtering, which involves applying filters before the data is loaded into the visualization tool to improve performance and manageability.
- Interactive Filtering Controls – This section explains how to create interactive filters that allow end-users to dynamically adjust the data displayed in visualizations.
- Relative Filtering – This section discusses relative filters, which are used to filter data relative to the current date or other reference points, such as showing the last 7 days or the next 3 months.
- Advanced Filtering Techniques – This section delves into more complex filtering methods, such as using calculated fields, context filters, and advanced filter configurations to create sophisticated data views.
- Creating and Using Hierarchies – This section explains how to create and use hierarchies to organize data into levels of detail, enabling drill-down capabilities in visualizations.
- Using Dual Axis in Tableau – This section covers the use of dual axes to create layered visualizations, such as combining different chart types (e.g., bar and line charts) on the same axis.
- Using Formulas in Tableau – This section introduces the use of calculated fields and formulas to perform custom calculations and enhance data analysis within Tableau.
- Creating a Scatter Plot – This section explains how to create scatter plots to visualize relationships between two numerical variables and identify patterns or correlations.
- Number and Date Formatting – This section covers techniques for formatting numerical and date values to improve readability and presentation in visualizations.
- Setting Up Maps in Tableau – This section explains how to create and configure map visualizations, including setting up geographic data and customizing map views.
- Interactive Dashboards with Actions – This section introduces the concept of dashboard actions, which allow users to interact with and navigate between different views and sheets within a dashboard.
- Adding Filters to Your Dashboard – This section covers how to add and configure filters within dashboards to allow users to refine the data displayed according to their needs.
- Text Based Functions – This section introduces text-based functions used for manipulating string data, such as concatenation, trimming, and case conversion.
- Numerical Based Functions – This section covers numerical functions used for performing calculations on numerical data, such as mathematical operations and statistical functions.
- Date Functions – This section explains date functions used for manipulating and analyzing date and time data, such as extracting parts of dates or performing date calculations.
- If Functions in Tableau – This section covers the use of if-else logic to create conditional statements and control the flow of data in visualizations.
- Using the CASE Function – This section introduces the CASE function, which is used for conditional logic similar to if-else but often more efficient for multiple conditions.
- Special Logic Functions in Data Analysis – This section discusses advanced logic functions and their applications in data analysis, such as nested conditions and boolean logic.
- Quick Table Calculations – This section introduces quick table calculations, which are predefined calculations that can be applied to data with minimal configuration.
- Difference Quick Table Calculation – This section explains how to use the difference quick table calculation to compute the difference between consecutive data points.
- Percent of Total Quick Table Calculation – This section covers the percent of total quick table calculation, which shows each data point as a percentage of the total.
- Using the Rank Function – This section introduces the rank function, used to assign ranks to data points based on their values.
- Using the Percentile Function – This section explains how to use the percentile function to determine the relative standing of data points within a dataset.
- Unions – This section covers the concept of data unions, which combine data from multiple tables into a single dataset, expanding the rows of data.
- Wild Card Union – This section introduces wildcard unions, which use wildcard characters to dynamically union tables based on their names or patterns.
- Exploring Join Methods vs Relationships – This section explores different methods of combining data from multiple tables, comparing joins (which merge data horizontally) and relationships (which maintain separate tables).
- Using Parameters for Dynamic Calculations – This section explains how to use parameters to create dynamic calculations and control data views interactively.
- Parameter Usage with Custom List Values – This section covers the use of parameters with custom list values, allowing users to choose from predefined options to influence visualizations.
- String Parameters for Dynamic Calculations – This section introduces string parameters, which allow for dynamic text-based inputs to control calculations and visualizations.
- Combining String Parameters – This section explains how to combine multiple string parameters to create more complex and flexible dynamic calculations.
- Basic Concept of Level of Detail and Granularity – This section explains the foundational concepts of LOD and granularity, detailing how these expressions can define the level at which data is aggregated, regardless of the view's structure.
- Fixed LOD – This segment provides a practical example of a Fixed LOD expression, demonstrating how to create a fixed aggregation that remains constant regardless of filters applied to the view.
- Exclude LOD – This section introduces the Exclude LOD expression, explaining how it can be used to remove specific dimensions from the aggregation level, providing a way to simplify or focus the data analysis.
- Include LOD – This segment covers the Include LOD expression, showing how it can be used to add additional dimensions to the aggregation level, allowing for more detailed and granular data analysis.
- Constant Line Setup and Formatting – This segment covers how to set up and format constant lines in Tableau, which can be used to add reference lines that remain static across the visualization, providing a baseline or target marker.
- Multiple Constant Lines, Average, Min, Max, Second Formatting Method – This section explains how to add multiple constant lines, as well as average, minimum, and maximum lines to visualizations. It also introduces an alternative method for formatting these lines.
- Median with Quartiles and Confidence Intervals – This segment covers how to add and interpret median lines with quartiles and confidence intervals, providing a deeper understanding of data distribution and variability.
- Recalculated Aggregate Lines – This section explains the concept of recalculated aggregate lines and how to toggle them on or off, allowing users to control whether aggregate lines adjust dynamically based on filters and other changes.
- Median vs Average – This segment compares the median and average, discussing their differences, use cases, and how to decide which measure is more appropriate for different types of data analysis.
- Median with Quartiles – This section provides a detailed look at how to set up median lines with quartiles, helping users visualize data spread and identify outliers.
- Box Plots – This segment covers how to create and interpret box plots, which are useful for visualizing data distribution, central tendency, and variability.
במהלך ההכשרה, כל סטודנט יקבל גישה למערכת ניהול הלמידה, אשר נועדה להעשיר את חוויית הלמידה ולסייע בהשגת יעדי הקורס.
המערכת מציעה מגוון רחב של כלים ומשאבים המאפשרים למידה יעילה ונוחה:
- חומרי הלימוד: כל התכנים הנדרשים לקורס, כולל מצגות, הקלטות שיעורים, קבצי תרגול ועוד, זמינים באמצעותה.
- פורום דיונים: אפשרות לתקשר עם המרצים ועמיתים לקורס, לשאול שאלות ולקבל תשובות והבהרות.
- הגשת מטלות: הגשה מקוונת של משימות ומבחנים בצורה פשוטה ונוחה.
- מעקב אחר הישגים: צפייה בציונים ובנתוני ההתקדמות האישית לאורך הקורס.
הקורס מתאים גם למי שחדש ב־Tableau, אך כדאי להגיע עם רקע בסיסי בעבודה עם נתונים. כדי להפיק את המקסימום מהקורס, מומלץ שברשותכם:
היכרות בסיסית עם אקסל או כלי עבודה דומים
הבנה כללית במבני דאטה – טבלאות, עמודות, שורות, ערכים
ניסיון קודם בעבודה עם נתונים (באקסל, SQL, BI או כלי ניתוח אחרים) – יתרון
אנגלית טכנית בסיסית – הממשק של Tableau באנגלית
אין צורך בידע קודם ב־Tableau או בכתיבת קוד.
כדי להיות זכאים לתעודת גמר הקורס, יש לעמוד בדרישות הבאות:
- השתתפות בלפחות 80% מהמפגשים.
- השלמה מוצלחת של משימות
- הגשת פרויקטים כנדרש.
אני לא מכיר/ה Tableau – זה הקורס בשבילי?
בהחלט. הקורס מתחיל מהבסיס – נכיר את הממשק, נלמד איך מתחברים לדאטה, ונבנה ויזואליזציות צעד אחר צעד.
האם צריך לדעת קוד בשביל ללמוד Tableau?
ממש לא. Tableau הוא כלי ויזואלי – לא נדרש ניסיון בתכנות. תבנו דשבורדים מורכבים בלי לכתוב אפילו שורת קוד.
מה ההבדל בין הקורס הזה לבין ללמוד לבד ביוטיוב?
הקורס בנוי במסלול לימוד מדורג עם תרגול מודרך, פידבק, שאלות פתוחות, ועבודה עם דוגמאות אמיתיות מהתעשייה. חוסך לכם שעות של ניסוי וטעייה.
האם הקורס כולל תרגול מעשי?
בוודאי. בכל שיעור תבנו גרפים, פילטרים, דשבורדים ותעבדו על נתונים מגוונים – תלמדו דרך הידיים.
לא עובד/ת כאנליסט – עדיין רלוונטי לי?
אם את/ה עובד/ת עם מידע, מקבל/ת החלטות, מציג/ה נתונים – הקורס הזה יתן לך כלים להצגה אפקטיבית של כל דאטה.
מה קורה אם אני מפספס/ת שיעור?
לא דואגים. כל השיעורים מוקלטים וניתן לצפות בהם עד שלושה חודשים לאחר סיום הקורס.