ML-For-Beginners/translations/he

🌐 תמיכה רב-לשונית

נתמך באמצעות GitHub Action (אוטומטי ותמיד מעודכן)

ערבית | בנגלית | בולגרית | בורמזית (מיאנמר) | סינית (מפושטת) | סינית (מסורתית, הונג קונג) | סינית (מסורתית, מקאו) | סינית (מסורתית, טאיוואן) | קרואטית | צ'כית | דנית | הולנדית | אסטונית | פינית | צרפתית | גרמנית | יוונית | עברית | הינדי | הונגרית | אינדונזית | איטלקית | יפנית | קנאדה | חמרית | קוריאנית | ליטאית | מלאית | מלאיאלאם | מרטהי | נפאלית | פידג'ין ניגרי | נורווגית | פרסית (פרסית) | פולנית | פורטוגזית (ברזיל) | פורטוגזית (פורטוגל) | פונג'אבי (גורמוכי) | רומנית | רוסית | סרבית (קירילית) | סלובקית | סלובנית | ספרדית | סווהילית | שבדית | טגלוג (פיליפינית) | טמילית | טלוגו | תאית | טורקית | אוקראינית | אורדו | וייטנאמית

מעדיפים לשכפל מקומית?

מאגר זה כולל מעל 50 תרגומים לשפות השונות מה שמגדיל משמעותית את גודל ההורדה. כדי לשכפל ללא תרגומים, השתמשו בבחירת Checkout דלילה:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

זה נותן לכם הכל כדי להשלים את הקורס עם מהירות הורדה מהירה יותר.

הצטרפו לקהילה שלנו

יש לנו סדרת למידה ב-Discord עם AI שמתנהלת כרגע, למדו עוד והצטרפו אלינו ב-סדרת למידה עם AI מ-18 עד 30 ספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot למדעי הנתונים.

למידת מכונה למתחילים - תוכנית לימודים

🌍 סעו סביב העולם תוך כדי חקר למידת מכונה באמצעות תרבויות העולם 🌍

הפעילים של הענן במיקרוסופט שמחים להציע תוכנית לימודים בת 12 שבועות ו-26 שיעורים העוסקת כולה בלמידת מכונה. בתוכנית זו תלמדו על מה שלעיתים נקרא למידת מכונה קלאסית, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, שמכוסה בתוכנית ה-AI למתחילים שלנו. שלבו את השיעורים האלו עם תוכנית ה-'מדעי הנתונים למתחילים' שלנו!

נסעו איתנו סביב העולם כשאנחנו מיישמים את הטכניקות הקלאסיות האלה על נתונים מאזורים שונים בעולם. כל שיעור כולל חידונים לפני ואחרי השיעור, הוראות כתובות לביצוע השיעור, פתרון, משימה ועוד. הפדגוגיה מבוססת הפרויקטים שלנו מאפשרת ללמוד תוך כדי בנייה, שיטה מוכחת שגורמת לכישורים להישאר.

✍️ תודה חמה למחברים שלנו ג'ן לופר, סטיבן הוול, פרנצ'סקה לזרי, טומומי אימורה, קסי ברוויו, דמיטרי סושניקוב, כריס נורינג, אנירבן מוכרג'י, אורנלה אלטוניאן, רות יאקובו ואיימי בויד

🎨 תודה גם למאיירים שלנו טומומי אימורה, דאסאני מדיפאלי וג'ן לופר

🙏 תודה מיוחדת 🙏 למחברי, בוחני ותורמי התוכן שלנו, שגרירי הסטודנטים של מיקרוסופט, בייחוד רישיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן ראג', אלכסנדרו פטרסקו, אבישק ג'איסוואל, נאורין טבסום, יואן סמויאלה וסניגדה אגרוואל

🤩 תודה נוספת לשגרירי הסטודנטים של מיקרוסופט אריק ואנג'ו, ג'סלין סונדי ווידושי גופטה עבור שיעורי ה-R שלנו!

התחלה

עקבו אחרי הצעדים הבאים:

1. פיצול המאגר (Fork): לחצו על כפתור "Fork" בפינה הימנית העליונה של העמוד.
2. שכפול המאגר (Clone): git clone https://github.com/microsoft/ML-For-Beginners.git

מצא את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

🔧 זקוק לעזרה? בדקו את מדריך פתרון הבעיות שלנו לפתרונות לבעיות נפוצות בהתקנה, בהגדרה והפעלת שיעורים.

סטודנטים, כדי להשתמש בתוכנית לימודים זו, פיצלו את כל המאגר לחשבון ה-GitHub שלכם ושלמו את התרגילים בעצמכם או עם קבוצה:

• התחילו בחידון חימום לפני ההרצאה.
• קראו את ההרצאה ושלמו את הפעילויות, עצרו והרהרו בכל בדיקת ידע.
• נסו ליצור את הפרויקטים על ידי הבנת השיעורים במקום להפעיל את קוד הפתרון; עם זאת, הקוד זמין בתיקיות /solution בכל שיעור מבוסס פרויקט.
• עברו את חידון אחר ההרצאה.
• שלמו את האתגר.
• שלמו את המטלה.
• לאחר השלמת קבוצת שיעורים, בקרו בלוח הדיונים ו"למדו בקול רם" על ידי מילוי טופס PAT המתאים. 'PAT' הוא כלי הערכת התקדמות שהוא טופס שממלאים כדי להעמיק את הלמידה. תוכלו גם להגיב על PATים אחרים כדי שנוכל ללמוד יחד.

ללימוד נוסף, אנו ממליצים לעקוב אחרי מודולים ונתיבי למידה ב-Microsoft Learn.

מורים, כלולנו הצעות כיצד להשתמש בתוכנית הלימודים.

---

סיורים וידאו

חלק מהשיעורים זמינים כסרטוני וידאו קצרים. תוכלו למצוא את כולם בקווים בשיעורים, או ברשימת ההשמעה ML for Beginners ביוטיוב של מיקרוסופט דבולופר על ידי לחיצה על התמונה למטה.

---

הכירו את הצוות

GIF מאת Mohit Jaisal

🎥 לחצו על התמונה למעלה לסרטון על הפרויקט והאישים שיצרו אותו!

---

פדגוגיה

בחרנו שני עקרונות פדגוגיים בזמן בניית תוכנית זו: להבטיח שהיא מבוססת פרויקטים מעשיים וכוללת חידונים תכופים. בנוסף, לתוכנית יש נושא משותף שמעניק לה חיבוריות.

על ידי הבטחת התאמה בין התוכן לפרויקטים, התהליך נעשה יותר מעורב לסטודנטים והחזקת המושגים תוגבר. בנוסף, חידון נמוך סיכון לפני השיעור מכוון את כוונת הלומד ללמידת הנושא, בעוד שבחידון שני לאחר השיעור מבטיח חיזוק נוסף. תוכנית זו עוצבה להיות גמישה ומהנה וניתן לקחת אותה בשלמותה או לחלקים. הפרויקטים מתחילים קטנים והופכים יותר מורכבים לקראת סוף מחזור 12 השבועות. לתוכנית כלולה גם תוספת יישומים בעולם האמיתי של למידת מכונה, שניתן להשתמש בה כקרדיט נוסף או כבסיס לדיון.

מצאו את קוד ההתנהגות שלנו, ההנחיות לתרומה, התרגומים, וההנחיות לפתרון בעיות. נשמח לקבל את המשוב הבונה שלכם!

כל שיעור כולל

• הערת סקיצה אופציונלית
• וידאו משלים אופציונלי
• סיור וידאו (בחלק מהשיעורים בלבד)
• חידון חימום לפני ההרצאה
• שיעור כתוב
• בשיעורים מבוססי פרויקט, מדריכים שלב-אחר-שלב לבניית הפרויקט
• בדיקות ידע
• אתגר
• קריאה משלים
• מטלה
• חידון לאחר ההרצאה

הערה לגבי שפות: השיעורים האלה נכתבים בעיקר בפייתון, אך רבים מהם זמינים גם ב-R. כדי להשלים שיעור ב-R, עבור לתיקיית /solution וחפש שיעורים ב-R. הם כוללים סיומת .rmd שמייצגת קובץ R Markdown שניתן להגדירו כפשוטו כהטמעת קטעי קוד (של R או שפות אחרות) ו-כותרת YAML (שמאליה כיצד לעצב פלטים כמו PDF) בתוך מסמך Markdown. מכיוון שכך, הוא משמש כמסגרת כתיבה לדוגמה במדעי הנתונים שכן הוא מאפשר לך לשלב את הקוד שלך, הפלט שלו, ומחשבותיך באמצעות הכתיבה ב-Markdown. בנוסף, ניתן להמיר קבצי R Markdown לפורמטים כמו PDF, HTML או Word.

הערה לגבי חידונים: כל החידונים נמצאים בתוך תיקיית Quiz App, הכוללת סך הכל 52 חידונים כשכל אחד כולל שלוש שאלות. הם מקושרים מתוך השיעורים אך ניתן להפעיל את אפליקציית החידונים מקומית; יש לעקוב אחרי ההוראות בתיקיית quiz-app לארח מקומית או לפרוס ל-Azure.

מספר שיעור	נושא	קבוצת שיעורים	יעדי הלמידה	שיעור מקושר	המחבר
01	מבוא ללמידת מכונה	הקדמה	ללמוד את המושגים הבסיסיים מאחורי למידת מכונה	שיעור	מוחמד
02	היסטוריה של למידת מכונה	הקדמה	ללמוד את ההיסטוריה שמאחורי תחום זה	שיעור	ג'ן ואיימי
03	הוגנות ולמידת מכונה	הקדמה	מהם הנושאים הפילוסופיים החשובים סביב הוגנות שעל תלמידים לשקול בעת בנייה ויישום מודלים של למידת מכונה?	שיעור	טומומי
04	טכניקות ללמידת מכונה	הקדמה	אילו טכניקות משתמשים חוקריי למידת מכונה לבניית מודלים?	שיעור	כריס וג'ן
05	מבוא לרגרסיה	רגרסיה	להתחיל עם פייתון ו-Scikit-learn למודלי רגרסיה	Python • R	ג'ן • אריק ונג'או
06	מחירי דלעות בצפון אמריקה 🎃	רגרסיה	להמחיש ולנקות נתונים כהכנה ללמידת מכונה	Python • R	ג'ן • אריק ונג'או
07	מחירי דלעות בצפון אמריקה 🎃	רגרסיה	לבנות מודלים רגרסיה ליניארית ופולינומית	Python • R	ג'ן ודמיטרי • אריק ונג'או
08	מחירי דלעות בצפון אמריקה 🎃	רגרסיה	לבנות מודל רגרסיה לוגיסטית	Python • R	ג'ן • אריק ונג'או
09	אפליקציית רשת 🔌	אפליקציית רשת	לבנות אפליקציית רשת לשימוש במודל המאומן שלך	Python	ג'ן
10	מבוא לסיווג	סיווג	לנקות, להכין, ולהמחיש את הנתונים שלך; מבוא לסיווג	Python • R	ג'ן וקסי • אריק ונג'או
11	מטעמים אסייתיים והודיים טעימים 🍜	סיווג	מבוא לממייני סיווג	Python • R	ג'ן וקסי • אריק ונג'או
12	מטעמים אסייתיים והודיים טעימים 🍜	סיווג	ממיינים נוספים	Python • R	ג'ן וקסי • אריק ונג'או
13	מטעמים אסייתיים והודיים טעימים 🍜	סיווג	לבנות אפליקציית רשת להמלצות תוך שימוש במודל שלך	Python	ג'ן
14	מבוא לאשכולות	אשכולות	לנקות, להכין, ולהמחיש את הנתונים; מבוא לאשכולות	Python • R	ג'ן • אריק ונג'או
15	חקר הטעמים המוזיקליים הניגריים 🎧	אשכולות	לחקור את שיטת האשכולות K-Means	Python • R	ג'ן • אריק ונג'או
16	מבוא לעיבוד שפה טבעית ☕️	עיבוד שפה טבעית	ללמוד את היסודות של NLP על ידי בניית בוט פשוט	Python	סטיבן
17	משימות NLP נפוצות ☕️	עיבוד שפה טבעית	להעמיק את הידע ב-NLP על ידי הבנת משימות נפוצות הנדרשות בטיפול במבני שפה	Python	סטיבן
18	תרגום וניתוח סנטימנט ♥️	עיבוד שפה טבעית	תרגום וניתוח סנטימנט עם ג'יין אוסטן	Python	סטיבן
19	בתי מלון רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח סנטימנט עם חוות דעת על בתי מלון 1	Python	סטיבן
20	בתי מלון רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח סנטימנט עם חוות דעת על בתי מלון 2	Python	סטיבן
21	מבוא לחיזוי סדרות זמן	סדרות זמן	מבוא לחיזוי סדרות זמן	Python	פרנצ'סקה
22	⚡️ שימוש בחשמל העולם ⚡️ - חיזוי סדרות זמן עם ARIMA	סדרות זמן	חיזוי סדרות זמן עם ARIMA	Python	פרנצ'סקה
23	⚡️ שימוש בחשמל העולם ⚡️ - חיזוי סדרות זמן עם SVR	סדרות זמן	חיזוי סדרות זמן עם רגסור וקטור תמיכה	Python	אנירבן
24	מבוא ללמידה מחזקת	למידה מחזקת	מבוא ללמידה מחזקת עם Q-Learning	Python	דמיטרי
25	עזור לפיטר להימנע מהזאב! 🐺	למידה מחזקת	למידת מחזקת עם Gym	Python	דמיטרי
פרוספקט	תרחישים ויישומים בעולם האמיתי של למידת מכונה	ML בעולם האמיתי	יישומים מעניינים ומאירי עיניים של למידת מכונה קלאסית בעולם האמיתי	שיעור	צוות
פרוספקט	איתור באגים במודלים של למידת מכונה עם לוח בקרה RAI	ML בעולם האמיתי	איתור באגים במודלים של למידת מכונה באמצעות רכיבי לוח בקרה Responsible AI	שיעור	רות יקובו

מצא את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

גישה לא מקוונת

ניתן להפעיל תיעוד זה באופן לא מקוון באמצעות Docsify. צרו עותק של המאגר, התקינו את Docsify על המכונה המקומית שלכם, ואז בתיקיית השורש של המאגר הזה, הקלידו docsify serve. האתר יוגש בפורט 3000 על הכתובת localhost: localhost:3000.

קבצי PDF

מצא קובץ PDF של התכנית עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדקו:

LangChain

Azure / Edge / MCP / סוכנים

---

סדרת AI יוצרת

---

למידה בסיסית

---

סדרת Copilot

קבלת עזרה

אם אתה נתקל בבעיות או יש לך שאלות לגבי בניית אפליקציות AI. הצטרף ללומדים נוספים ומפתחים מנוסים לדיונים על MCP. זו קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות.

אם יש לך משוב על המוצר או שגיאות בעת הבנייה, בקר ב:

טיפים ללמידה נוספת

• עיין במחברות לאחר כל שיעור להבנה טובה יותר.
• תרגל יישום אלגוריתמים בעצמך.
• חקור מערכי נתונים מהעולם האמיתי באמצעות המושגים שלמדת.

---

כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. למרות שאנו שואפים לדיוק, יש להיות מודעים לכך שתרגומים אוטומטיים עלולים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפת המקור שלו הוא המקור הסמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי של אדם. איננו נושאים באחריות על כל אי-הבנות או פירושים שגויים הנובעים משימוש בתרגום זה.