This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
> צילום מאת [Jelleke Vanooteghem](https://unsplash.com/@ilumire) מתוך [Unsplash](https://unsplash.com/s/photos/cloud?orientation=landscape)
כשמדובר בביצוע מדע נתונים עם נתונים גדולים, הענן יכול להיות משנה משחק. בשלושת השיעורים הבאים, נלמד מהו הענן ומדוע הוא יכול להיות מאוד מועיל. בנוסף, נחקור מערך נתונים על אי ספיקת לב ונבנה מודל שיעזור להעריך את ההסתברות של אדם לסבול מאי ספיקת לב. נשתמש בכוחו של הענן כדי לאמן, לפרוס ולצרוך מודל בשתי דרכים שונות. דרך אחת תשתמש רק בממשק המשתמש בגישה של Low code/No code, והדרך השנייה תשתמש ב-Azure Machine Learning Software Developer Kit (Azure ML SDK).
1. [למה להשתמש בענן עבור מדע נתונים?](17-Introduction/README.md)
2. [מדע הנתונים בענן: הדרך של "Low code/No code"](18-Low-Code/README.md)
3. [מדע הנתונים בענן: הדרך של "Azure ML SDK"](19-Azure/README.md)
### קרדיטים
השיעורים נכתבו עם ☁️ ו-💕 על ידי [Maud Levy](https://twitter.com/maudstweets) ו-[Tiffany Souterre](https://twitter.com/TiffanySouterre)
הנתונים עבור פרויקט חיזוי אי ספיקת לב נלקחו מ[
Larxel](https://www.kaggle.com/andrewmvd) ב-[Kaggle](https://www.kaggle.com/andrewmvd/heart-failure-clinical-data). הנתונים מורשים תחת [Attribution 4.0 International (CC BY 4.0)](https://creativecommons.org/licenses/by/4.0/).
---
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). בעוד שאנו שואפים לדיוק, יש להיות מודעים לכך שתרגומים אוטומטיים עשויים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור סמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי אדם. איננו נושאים באחריות לאי הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.
