ML-For-Beginners/translations/he

🌐 תמיכה בריבוי שפות

נתמך באמצעות GitHub Action (אוטומטי ותמיד מעודכן)

ערבית | בנגלית | בולגרית | בורמזית (מיאנמר) | סינית (פשוטה) | סינית (מסורתית, הונג קונג) | סינית (מסורתית, מקאו) | סינית (מסורתית, טייוואן) | קרואטית | צ'כית | דנית | הולנדית | אסטונית | פינית | צרפתית | גרמנית | יוונית | עברית | הינדית | הונגרית | אינדונזית | איטלקית | יפנית | קוריאנית | ליטאית | מלאית | מראטהי | נפאלית | ניגרית פידג'ין | נורווגית | פרסית (פרסית) | פולנית | פורטוגזית (ברזיל) | פורטוגזית (פורטוגל) | פונג'בית (גורמוכי) | רומנית | רוסית | סרבית (קירילית) | סלובקית | סלובנית | ספרדית | סווהילית | שוודית | טאגאלוג (פיליפינית) | טמילית | תאית | טורקית | אוקראינית | אורדו | וייטנאמית

הצטרפו לקהילה שלנו

יש לנו סדרת למידה עם AI ב-Discord, למדו עוד והצטרפו אלינו ב-Learn with AI Series בין ה-18 ל-30 בספטמבר, 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot למדעי הנתונים.

למידת מכונה למתחילים - תוכנית לימודים

🌍 טיילו ברחבי העולם כשאנו חוקרים למידת מכונה דרך תרבויות עולמיות 🌍

צוות Cloud Advocates במיקרוסופט שמח להציע תוכנית לימודים בת 12 שבועות ו-26 שיעורים על למידת מכונה. בתוכנית זו תלמדו על מה שמכונה לעיתים למידת מכונה קלאסית, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, שמכוסה בתוכנית הלימודים שלנו AI for Beginners. שלבו שיעורים אלו עם תוכנית הלימודים שלנו 'Data Science for Beginners', גם כן!

טיילו איתנו ברחבי העולם כשאנו מיישמים טכניקות קלאסיות אלו על נתונים מאזורים שונים בעולם. כל שיעור כולל חידונים לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הפדגוגיה מבוססת הפרויקטים שלנו מאפשרת לכם ללמוד תוך כדי בנייה, דרך מוכחת להטמעת מיומנויות חדשות.

✍️ תודה רבה למחברים שלנו ג'ן לופר, סטיבן האוול, פרנצ'סקה לזארי, טומומי אימורה, קסי ברביו, דמיטרי סושניקוב, כריס נורינג, אנירבן מוקרג'י, אורנלה אלטוניאן, רות יעקובו ואיימי בויד

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

🙏 תודה מיוחדת 🙏 לשגרירי הסטודנטים של מיקרוסופט, מחברים, סוקרים ותורמי תוכן, במיוחד רישיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן ראג', אלכסנדרו פטרסקו, אבישק ג'ייסוואל, נאורין טבאסם, יואן סמואילה וסניגדה אגרוול

🤩 תודה נוספת לשגרירי הסטודנטים של מיקרוסופט אריק וונג'או, ג'סלין סונדהי ווידושי גופטה על שיעורי ה-R שלנו!

התחלה

בצעו את השלבים הבאים:

1. צרו Fork למאגר: לחצו על כפתור "Fork" בפינה הימנית העליונה של עמוד זה.
2. שכפלו את המאגר: git clone https://github.com/microsoft/ML-For-Beginners.git

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

🔧 זקוקים לעזרה? עיינו ב-מדריך פתרון הבעיות שלנו לפתרונות לבעיות נפוצות בהתקנה, הגדרה והרצת שיעורים.

סטודנטים, כדי להשתמש בתוכנית לימודים זו, צרו Fork למאגר כולו לחשבון GitHub שלכם והשלימו את התרגילים בעצמכם או בקבוצה:

• התחילו עם חידון לפני השיעור.
• קראו את השיעור והשלימו את הפעילויות, עצרו והרהרו בכל בדיקת ידע.
• נסו ליצור את הפרויקטים על ידי הבנת השיעורים במקום להריץ את קוד הפתרון; עם זאת, קוד זה זמין בתיקיות /solution בכל שיעור מבוסס פרויקט.
• בצעו את החידון לאחר השיעור.
• השלימו את האתגר.
• השלימו את המשימה.
• לאחר השלמת קבוצת שיעורים, בקרו ב-לוח הדיונים ו"למדו בקול רם" על ידי מילוי טופס PAT המתאים. 'PAT' הוא כלי הערכת התקדמות שהוא טופס שאתם ממלאים כדי להעמיק את הלמידה שלכם. תוכלו גם להגיב ל-PATs של אחרים כדי שנוכל ללמוד יחד.

ללימוד נוסף, אנו ממליצים לעקוב אחר מודולים ומסלולי למידה של Microsoft Learn.

מורים, כללנו כמה הצעות כיצד להשתמש בתוכנית לימודים זו.

---

סרטוני הדרכה

חלק מהשיעורים זמינים כסרטונים קצרים. תוכלו למצוא את כולם משולבים בשיעורים, או ב-רשימת ההשמעה של ML for Beginners בערוץ YouTube של Microsoft Developer על ידי לחיצה על התמונה למטה.

---

הכירו את הצוות

Gif מאת מוהיט ג'ייסאל

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

---

פדגוגיה

בחרנו בשני עקרונות פדגוגיים בעת בניית תוכנית לימודים זו: להבטיח שהיא תהיה מבוססת פרויקטים מעשיים ושתכלול חידונים תכופים. בנוסף, לתוכנית לימודים זו יש נושא משותף שמעניק לה אחידות.

על ידי הבטחת התאמת התוכן לפרויקטים, התהליך הופך למרתק יותר עבור הסטודנטים ושימור המושגים יוגבר. בנוסף, חידון בעל סיכון נמוך לפני שיעור מכוון את כוונת הסטודנט ללמידת נושא, בעוד שחידון שני לאחר השיעור מבטיח שימור נוסף. תוכנית לימודים זו תוכננה להיות גמישה ומהנה וניתן לקחת אותה בשלמותה או בחלקה. הפרויקטים מתחילים קטנים והופכים למורכבים יותר עד סוף מחזור 12 השבועות. תוכנית לימודים זו כוללת גם נספח על יישומים בעולם האמיתי של ML, שניתן להשתמש בו כקרדיט נוסף או כבסיס לדיון.

מצאו את קוד ההתנהגות, תרומה, תרגום, ו-פתרון בעיות שלנו. נשמח לקבל את המשוב הבונה שלכם!

כל שיעור כולל

• סקיצה אופציונלית
• סרטון משלים אופציונלי
• סרטון הדרכה (רק בחלק מהשיעורים)
• חידון חימום לפני השיעור
• שיעור כתוב
• עבור שיעורים מבוססי פרויקטים, מדריכים שלב-אחר-שלב כיצד לבנות את הפרויקט
• בדיקות ידע
• אתגר
• קריאה משלימה
• משימה
• חידון לאחר השיעור

הערה על שפות: שיעורים אלו נכתבו בעיקר ב-Python, אך רבים מהם זמינים גם ב-R. כדי להשלים שיעור ב-R, גשו לתיקיית /solution וחפשו שיעורי R. הם כוללים סיומת .rmd שמייצגת קובץ R Markdown שניתן להגדירו כקובץ Markdown הכולל 'קטעי קוד' (של R או שפות אחרות) וכותרת YAML (שמנחה כיצד לעצב פלטים כמו PDF). כך, הוא משמש כמסגרת כתיבה מצוינת למדעי הנתונים מכיוון שהוא מאפשר לשלב את הקוד שלכם, הפלט שלו והמחשבות שלכם על ידי כתיבתם ב-Markdown. יתרה מכך, ניתן להמיר מסמכי R Markdown לפורמטים כמו PDF, HTML או Word.

הערה על חידונים: כל החידונים נמצאים ב-תיקיית Quiz App, עבור 52 חידונים בסך הכל, כל אחד עם שלוש שאלות. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית החידונים באופן מקומי; עקבו אחר ההוראות בתיקיית quiz-app כדי לארח אותה מקומית או לפרוס ל-Azure.

מספר שיעור	נושא	קבוצת שיעורים	מטרות למידה	שיעור מקושר	מחבר
01	מבוא ללמידת מכונה	מבוא	למדו את המושגים הבסיסיים מאחורי למידת מכונה	שיעור	מוחמד
02	ההיסטוריה של למידת מכונה	מבוא	למדו את ההיסטוריה שמאחורי התחום הזה	שיעור	ג'ן ואיימי
03	הוגנות ולמידת מכונה	מבוא	מהם הנושאים הפילוסופיים החשובים סביב הוגנות שעל הסטודנטים לשקול בעת בניית והפעלת מודלים של למידת מכונה?	שיעור	טומומי
04	טכניקות ללמידת מכונה	מבוא	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלים?	שיעור	כריס וג'ן
05	מבוא לרגרסיה	רגרסיה	התחילו עם Python ו-Scikit-learn למודלים של רגרסיה	Python • R	ג'ן • אריק ונג'או
06	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	ויזואליזציה וניקוי נתונים כהכנה ללמידת מכונה	Python • R	ג'ן • אריק ונג'או
07	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	בניית מודלים של רגרסיה לינארית ופולינומית	Python • R	ג'ן ודמיטרי • אריק ונג'או
08	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	בניית מודל רגרסיה לוגיסטית	Python • R	ג'ן • אריק ונג'או
09	אפליקציית רשת 🔌	אפליקציית רשת	בניית אפליקציית רשת לשימוש במודל שאומן	Python	ג'ן
10	מבוא לסיווג	סיווג	ניקוי, הכנה וויזואליזציה של הנתונים שלכם; מבוא לסיווג	Python • R	ג'ן וקאסי • אריק ונג'או
11	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	מבוא למסווגים	Python • R	ג'ן וקאסי • אריק ונג'או
12	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	מסווגים נוספים	Python • R	ג'ן וקאסי • אריק ונג'או
13	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	בניית אפליקציית רשת ממליצה באמצעות המודל שלכם	Python	ג'ן
14	מבוא לאשכולות	אשכולות	ניקוי, הכנה וויזואליזציה של הנתונים שלכם; מבוא לאשכולות	Python • R	ג'ן • אריק ונג'או
15	חקר טעמי מוזיקה ניגרית 🎧	אשכולות	חקר שיטת האשכולות K-Means	Python • R	ג'ן • אריק ונג'או
16	מבוא לעיבוד שפה טבעית ☕️	עיבוד שפה טבעית	למדו את היסודות של עיבוד שפה טבעית על ידי בניית בוט פשוט	Python	סטיבן
17	משימות נפוצות בעיבוד שפה טבעית ☕️	עיבוד שפה טבעית	העמיקו את הידע שלכם בעיבוד שפה טבעית על ידי הבנת משימות נפוצות הנדרשות בעת עבודה עם מבני שפה	Python	סטיבן
18	תרגום וניתוח רגשות ♥️	עיבוד שפה טבעית	תרגום וניתוח רגשות עם ג'יין אוסטן	Python	סטיבן
19	מלונות רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח רגשות עם ביקורות על מלונות 1	Python	סטיבן
20	מלונות רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח רגשות עם ביקורות על מלונות 2	Python	סטיבן
21	מבוא לחיזוי סדרות זמן	סדרות זמן	מבוא לחיזוי סדרות זמן	Python	פרנצ'סקה
22	⚡️ שימוש עולמי בחשמל ⚡️ - חיזוי סדרות זמן עם ARIMA	סדרות זמן	חיזוי סדרות זמן עם ARIMA	Python	פרנצ'סקה
23	⚡️ שימוש עולמי בחשמל ⚡️ - חיזוי סדרות זמן עם SVR	סדרות זמן	חיזוי סדרות זמן עם Support Vector Regressor	Python	אנירבן
24	מבוא ללמידת חיזוק	למידת חיזוק	מבוא ללמידת חיזוק עם Q-Learning	Python	דמיטרי
25	עזרו לפיטר להימנע מהזאב! 🐺	למידת חיזוק	למידת חיזוק עם Gym	Python	דמיטרי
פוסטסקריפט	תרחישים ויישומים של למידת מכונה בעולם האמיתי	למידת מכונה בעולם האמיתי	יישומים מעניינים ומרתקים של למידת מכונה קלאסית	שיעור	הצוות
פוסטסקריפט	ניפוי באגים במודלים של למידת מכונה באמצעות לוח מחוונים RAI	למידת מכונה בעולם האמיתי	ניפוי באגים במודלים של למידת מכונה באמצעות רכיבי לוח מחוונים של AI אחראי	שיעור	רות יעקובו

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

גישה לא מקוונת

ניתן להפעיל את התיעוד הזה במצב לא מקוון באמצעות Docsify. שיבטו את המאגר הזה, התקינו את Docsify במחשב המקומי שלכם, ואז בתיקיית השורש של המאגר הזה, הקלידו docsify serve. האתר יפעל על פורט 3000 ב-localhost שלכם: localhost:3000.

קבצי PDF

מצאו קובץ PDF של תכנית הלימודים עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדקו:

Azure / Edge / MCP / סוכנים

---

סדרת AI גנרטיבי

---

למידה בסיסית

---

סדרת Copilot

קבלת עזרה

אם אתם נתקעים או יש לכם שאלות על בניית אפליקציות AI, הצטרפו ללומדים אחרים ולמפתחים מנוסים בדיונים על MCP. זו קהילה תומכת שבה שאלות מתקבלות בברכה וידע משותף בחופשיות.

אם יש לכם משוב על מוצרים או נתקלתם בשגיאות במהלך הבנייה, בקרו ב:

---

כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית 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 בני אדם. איננו אחראים לאי-הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.