| שם החברה / תחום עיסוק | האוניברסיטה הפתוחה – מחקר על כתיבה מקוונת |
| סוג פעילות | בנק שעות |
| סוג פרויקט | ייעוץ והטמעה של קוד ניתוח תוצאות המחקר עם Generative AI. |
| ייעוץ והטמעה לתוך ענן Azure | |
| ייעוץ והטמעה של ארכיטקטורת ענן נכונה | |
| המצב ההתחלתי | במצב ההתחלתי, קוד הלקוח לא הצליח להתמודד עם קבצים שגדולים מגודל מסוים, מה שיצר אתגר משמעותי בעיבוד וניהול הנתונים. בנוסף, לא היה תהליך מסודר לפריסת האפליקציות שלהם, מה שהקשה על השימוש השוטף והתחזוקה של המערכות. יתר על כן, ללקוח היה חסר הידע הדרוש להקמת תהליך זה, מה שהגביל את היכולת להטמיע את הפתרונות בצורה יעילה בסביבת העבודה הקיימת. |
| מטרת העל | הטמעת סקריפט המאפשר ניתוח תוצאות מחקר גדולות |
| חניכה על תהליכי Deployment וארכיטקטורת הענן של Azure | |
| בניית אסטרטגיה והטמעה בענן של Azure | |
| תיאור כללי של הפרויקט / תהליך | לאחר ניתוח הקשיים, בוצעו מספר צעדים מהותיים כדי להתגבר על הבעיות. תחילה, פוצל הקוד כך שיוכל להתמודד עם קבצים גדולים יותר מבעבר, מה שאפשר את עיבוד הנתונים ביעילות גם עבור קבצים כבדי משקל. נוסף על כך, יושם תהליך פריסה מסודר (Deployment) בסביבת הענן של Azure, שהותאם למבנה האפליקציות של הלקוח. תהליך זה כלל גם אוטומציה לניהול ההפצות ושדרוגים, מה שהקטין את זמן ההפצה ואת התלות בצוות הפיתוח. |
| תוצאות | לאחר הטמעת השינויים, הלקוח נהנה משיפור משמעותי בביצועים ובאמינות של המערכות. תהליך הפריסה האוטומטי הפחית את כמות השגיאות בתהליך ההפצה והגדיל את הזמינות של האפליקציות. כמו כן, ניהול הקבצים הכבדים הפך ליעיל יותר, דבר שהקל על הלקוח להתמודד עם נפחי נתונים גדולים יותר במינימום תקלות. השיפורים הללו העניקו ללקוח ביטחון רב יותר בהמשך השימוש במערכות ושיפרו את היכולת להמשיך ולפתח פתרונות חדשים בצורה חלקה. |
| היקף הפרויקט | 50 שעות |
