# דוגמאות ידידותיות למתחילים במדעי הנתונים

ברוכים הבאים לתיקיית הדוגמאות! אוסף זה של דוגמאות פשוטות ומלוות בהסברים נועד לעזור לכם להתחיל עם מדעי הנתונים, גם אם אתם מתחילים לגמרי.

## 📚 מה תמצאו כאן

כל דוגמה היא עצמאית וכוללת:
- **הערות ברורות** שמסבירות כל שלב
- **קוד פשוט וקריא** שמדגים מושג אחד בכל פעם
- **הקשר מעשי** שיעזור לכם להבין מתי ולמה להשתמש בטכניקות הללו
- **תוצאה צפויה** כדי שתדעו למה לצפות

## 🚀 איך להתחיל

### דרישות מוקדמות
לפני הרצת הדוגמאות, ודאו שיש לכם:
- Python 3.7 או גרסה גבוהה יותר מותקנת
- הבנה בסיסית של איך להריץ סקריפטים ב-Python

### התקנת ספריות נדרשות
```bash
pip install pandas numpy matplotlib
```

## 📖 סקירת דוגמאות

### 1. שלום עולם - בסגנון מדעי הנתונים
**קובץ:** `01_hello_world_data_science.py`

תוכנית מדעי הנתונים הראשונה שלכם! תלמדו איך:
- לטעון מערך נתונים פשוט
- להציג מידע בסיסי על הנתונים שלכם
- להדפיס את הפלט הראשון שלכם במדעי הנתונים

מושלם למתחילים שרוצים לראות את התוכנית הראשונה שלהם בפעולה.

---

### 2. טעינה וחקר נתונים
**קובץ:** `02_loading_data.py`

למדו את היסודות של עבודה עם נתונים:
- קריאת נתונים מקבצי CSV
- צפייה בשורות הראשונות של מערך הנתונים שלכם
- קבלת סטטיסטיקות בסיסיות על הנתונים שלכם
- הבנת סוגי נתונים

זהו לרוב השלב הראשון בכל פרויקט מדעי נתונים!

---

### 3. ניתוח נתונים פשוט
**קובץ:** `03_simple_analysis.py`

בצעו את ניתוח הנתונים הראשון שלכם:
- חישוב סטטיסטיקות בסיסיות (ממוצע, חציון, שכיח)
- מציאת ערכים מקסימליים ומינימליים
- ספירת הופעות של ערכים
- סינון נתונים על פי תנאים

ראו איך לענות על שאלות פשוטות לגבי הנתונים שלכם.

---

### 4. יסודות ויזואליזציה של נתונים
**קובץ:** `04_basic_visualization.py`

צרו את הוויזואליזציות הראשונות שלכם:
- יצירת תרשים עמודות פשוט
- יצירת גרף קו
- יצירת תרשים עוגה
- שמירת הוויזואליזציות שלכם כתמונות

למדו איך לתקשר את הממצאים שלכם בצורה חזותית!

---

### 5. עבודה עם נתונים אמיתיים
**קובץ:** `05_real_world_example.py`

חברו הכל יחד עם דוגמה מלאה:
- טעינת נתונים אמיתיים מהמאגר
- ניקוי והכנת הנתונים
- ביצוע ניתוח
- יצירת ויזואליזציות משמעותיות
- הסקת מסקנות

דוגמה זו מראה לכם תהליך עבודה מלא מתחילתו ועד סופו.

---

## 🎯 איך להשתמש בדוגמאות הללו

1. **התחילו מההתחלה**: הדוגמאות ממוספרות לפי רמת הקושי. התחילו עם `01_hello_world_data_science.py` והתקדמו לפי הסדר.

2. **קראו את ההערות**: כל קובץ מכיל הערות מפורטות שמסבירות מה הקוד עושה ולמה. קראו אותן בעיון!

3. **נסו לשנות**: נסו לשנות את הקוד. מה קורה אם תשנו ערך? תשברו דברים ותתקנו אותם - כך לומדים!

4. **הריצו את הקוד**: הריצו כל דוגמה וצפו בפלט. השוו אותו למה שציפיתם.

5. **בנו על זה**: ברגע שתבינו דוגמה, נסו להרחיב אותה עם רעיונות משלכם.

## 💡 טיפים למתחילים

- **אל תמהרו**: קחו את הזמן להבין כל דוגמה לפני שתעברו לבאה
- **כתבו את הקוד בעצמכם**: אל תעתיקו-הדבק. כתיבה עוזרת ללמוד ולזכור
- **חפשו מושגים לא מוכרים**: אם אתם רואים משהו שלא ברור לכם, חפשו אותו באינטרנט או בשיעורים המרכזיים
- **שאלו שאלות**: הצטרפו ל-[פורום הדיונים](https://github.com/microsoft/Data-Science-For-Beginners/discussions) אם אתם צריכים עזרה
- **תרגלו באופן קבוע**: נסו לקודד קצת כל יום במקום מפגשים ארוכים פעם בשבוע

## 🔗 צעדים הבאים

לאחר שתסיימו את הדוגמאות הללו, אתם מוכנים:
- לעבוד דרך שיעורי הלימוד המרכזיים
- לנסות את המשימות בכל תיקיית שיעור
- לחקור את מחברות Jupyter ללמידה מעמיקה יותר
- ליצור פרויקטים משלכם במדעי הנתונים

## 📚 משאבים נוספים

- [תוכנית הלימודים המרכזית](../README.md) - קורס מלא של 20 שיעורים
- [למורים](../for-teachers.md) - שימוש בתוכנית הלימודים בכיתה
- [Microsoft Learn](https://docs.microsoft.com/learn/) - משאבי לימוד מקוונים חינמיים
- [תיעוד Python](https://docs.python.org/3/) - מדריך רשמי ל-Python

## 🤝 תרומות

מצאתם באג או יש לכם רעיון לדוגמה חדשה? נשמח לקבל תרומות! אנא ראו את [מדריך התרומות](../CONTRIBUTING.md).

---

**למידה נעימה! 🎉**

זכרו: כל מומחה היה פעם מתחיל. קחו את זה צעד אחד בכל פעם, ואל תפחדו לעשות טעויות - הן חלק מתהליך הלמידה!

---

**כתב ויתור**:  
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור הסמכותי. למידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אנושי. איננו נושאים באחריות לאי-הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.