ML-For-Beginners/translations/he

🌐 תמיכה רב-שפתית

נתמך באמצעות GitHub Action (אוטומטי ותמיד מעודכן)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

הצטרפו לקהילה

למידת מכונה למתחילים - תוכנית לימודים

🌍 מסע מסביב לעולם תוך חקר למידת מכונה דרך תרבויות עולמיות 🌍

צוות Cloud Advocates במיקרוסופט שמח להציע תוכנית לימודים בת 12 שבועות ו-26 שיעורים בנושא 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 למתחילים. ניתן לשלב את השיעורים הללו עם תוכנית הלימודים שלנו 'מדעי הנתונים למתחילים', גם כן!

צאו איתנו למסע מסביב לעולם תוך יישום טכניקות קלאסיות על נתונים מאזורים שונים בעולם. כל שיעור כולל שאלונים לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הגישה מבוססת הפרויקטים שלנו מאפשרת לכם ללמוד תוך כדי בנייה, שיטה מוכחת להטמעת מיומנויות חדשות.

✍️ תודה רבה למחברים שלנו ג'ן לופר, סטיבן האוול, פרנצ'סקה לזארי, טומומי אימורה, קסי ברוויו, 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 🙏 למחברי, מבקרי ותורמי התוכן מקרב שגרירי הסטודנטים של מיקרוסופט, במיוחד רישיט דגלי, מוחמד סאקיב חאן אינאן, רוהן ראג', אלכסנדרו פטרסקו, אבישק ג'ייסוואל, נאורין טבאסום, יואן סמואילה וסניגדה אגרוול

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

התחלת העבודה

בצעו את השלבים הבאים:

1. פיצול הריפו: לחצו על כפתור "Fork" בפינה הימנית העליונה של עמוד זה.
2. שכפול הריפו: git clone https://github.com/microsoft/ML-For-Beginners.git

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

סטודנטים, כדי להשתמש בתוכנית לימודים זו, פצלו את הריפו כולו לחשבון GitHub שלכם והשלימו את התרגילים בעצמכם או בקבוצה:

• התחילו עם שאלון לפני השיעור.
• קראו את השיעור והשלימו את הפעילויות, תוך עצירה והרהור 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 השאלון 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 אחרים כדי שנוכל ללמוד יחד.

ללימוד נוסף, אנו ממליצים לעקוב אחר מודולים ונתיבי לימוד של Microsoft Learn.

מורים, כללנו כמה הצעות כיצד להשתמש בתוכנית לימודים זו.

---

סרטוני הדרכה

חלק מהשיעורים זמינים כסרטונים קצרים. תוכלו למצוא את כולם בתוך השיעורים, או ברשימת ההשמעה ML למתחילים בערוץ YouTube של Microsoft Developer על ידי לחיצה על התמונה למטה.

---

הכירו את הצוות

Gif מאת Mohit Jaisal

🎥 לחצו על התמונה למעלה לצפייה בסרטון על הפרויקט והאנשים שיצרו אותו!

---

פדגוגיה

בחרנו שני עקרונות פדגוגיים בעת בניית תוכנית לימודים זו: להבטיח שהיא מבוססת פרויקטים מעשיים ושכוללת שאלונים תכופים. בנוסף, לתוכנית לימודים זו יש נושא משותף שמעניק לה לכידות.

על ידי הבטחת התאמת התוכן לפרויקטים, התהליך הופך למרתק יותר עבור סטודנטים ושימור המושגים יוגבר. בנוסף, שאלון בעל סיכון נמוך לפני השיעור מכוון את הסטודנט ללמידת נושא, בעוד ששאלון שני לאחר השיעור מבטיח שימור נוסף. תוכנית לימודים זו תוכננה להיות גמישה ומהנה וניתן ללמוד אותה בשלמותה או בחלקים. הפרויקטים מתחילים קטנים והופכים מורכבים יותר עד סוף מחזור 12 השבועות. תוכנית לימודים זו כוללת גם נספח על יישומים בעולם האמיתי של למידת מכונה, שניתן להשתמש בו כקרדיט נוסף או כבסיס לדיון.

מצאו את קוד ההתנהגות, הנחיות לתרומה, ו-הנחיות לתרגום. נשמח לקבל את המשוב הבונה שלכם!

כל שיעור כולל

• סקיצות אופציונליות
• סרטון משלים אופציונלי
• סרטון הדרכה (חלק מהשיעורים בלבד)
• שאלון חימום לפני השיעור
• שיעור כתוב
• עבור שיעורים מבוססי פרויקט, מדריכים שלב-אחר-שלב כיצד לבנות את הפרויקט
• בדיקות ידע
• אתגר
• קריאה משלימה
• משימה
• שאלון לאחר השיעור

הערה לגבי שפות: שיעורים אלו נכתבו בעיקר ב-Python, אך רבים זמינים גם ב-R. כדי להשלים שיעור ב-R, עברו לתיקיית /solution וחפשו שיעורי R. הם כוללים סיומת .rmd שמייצגת קובץ R Markdown שניתן להגדירו כקובץ המשלב קטעי קוד (של R או שפות אחרות) ו-כותרת YAML (שמנחה כיצד לעצב פלטים כמו PDF) בתוך מסמך Markdown. כך, הוא משמש כמסגרת כתיבה לדוגמה עבור מדעי הנתונים מכיוון שהוא מאפשר לכם לשלב את הקוד שלכם, את הפלט שלו ואת המחשבות שלכם על ידי כתיבתם ב-Markdown. יתרה מכך, ניתן להפיק מסמכי R Markdown לפורמטים כמו PDF, HTML או Word.

הערה לגבי שאלונים: כל השאלונים נמצאים בתיקיית Quiz App, עבור סך של 52 שאלונים בני שלוש שאלות כל אחד. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית השאלונים באופן מקומי; עקבו אחר ההוראות בתיקיית quiz-app כדי לארח 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 תחום זה	שיעור	ג'ן ואיימי
03	הוגנות בלמידת מכונה	מבוא	מהם הנושאים הפילוסופיים החשובים סביב הוגנות שעל סטודנטים לשקול בעת בניית ויישום מודלים של למידת מכונה?	שיעור	טומומי
04	טכניקות ללמידת מכונה	Introduction	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלים של למידת מכונה?	Lesson	כריס וג'ן
05	מבוא לרגרסיה	Regression	התחילו עם Python ו-Scikit-learn עבור מודלים של רגרסיה	Python • R	ג'ן • אריק וואנג'או
06	מחירי דלעת בצפון אמריקה 🎃	Regression	ויזואליזציה וניקוי נתונים כהכנה ללמידת מכונה	Python • R	ג'ן • אריק וואנג'או
07	מחירי דלעת בצפון אמריקה 🎃	Regression	בניית מודלים של רגרסיה ליניארית ופולינומית	Python • R	ג'ן ודמיטרי • אריק וואנג'או
08	מחירי דלעת בצפון אמריקה 🎃	Regression	בניית מודל רגרסיה לוגיסטית	Python • R	ג'ן • אריק וואנג'או
09	אפליקציית ווב 🔌	Web App	בניית אפליקציית ווב לשימוש במודל שאומן	Python	ג'ן
10	מבוא לסיווג	Classification	ניקוי, הכנה וויזואליזציה של הנתונים; מבוא לסיווג	Python • R	ג'ן וקאסי • אריק וואנג'או
11	מטבחים אסיאתיים והודיים טעימים 🍜	Classification	מבוא למסווגים	Python • R	ג'ן וקאסי • אריק וואנג'או
12	מטבחים אסיאתיים והודיים טעימים 🍜	Classification	מסווגים נוספים	Python • R	ג'ן וקאסי • אריק וואנג'או
13	מטבחים אסיאתיים והודיים טעימים 🍜	Classification	בניית אפליקציית ווב ממליצה באמצעות המודל שלכם	Python	ג'ן
14	מבוא לקיבוץ	Clustering	ניקוי, הכנה וויזואליזציה של הנתונים; מבוא לקיבוץ	Python • R	ג'ן • אריק וואנג'או
15	חקר טעמי מוזיקה ניגריים 🎧	Clustering	חקר שיטת קיבוץ K-Means	Python • R	ג'ן • אריק וואנג'או
16	מבוא לעיבוד שפה טבעית ☕️	Natural language processing	למדו את היסודות של עיבוד שפה טבעית על ידי בניית בוט פשוט	Python	סטיבן
17	משימות נפוצות בעיבוד שפה טבעית ☕️	Natural language processing	העמיקו את הידע שלכם בעיבוד שפה טבעית על ידי הבנת משימות נפוצות הנדרשות בעת עבודה עם מבני שפה	Python	סטיבן
18	תרגום וניתוח רגשות ♥️	Natural language processing	תרגום וניתוח רגשות עם ג'יין אוסטן	Python	סטיבן
19	מלונות רומנטיים באירופה ♥️	Natural language processing	ניתוח רגשות עם ביקורות על מלונות 1	Python	סטיבן
20	מלונות רומנטיים באירופה ♥️	Natural language processing	ניתוח רגשות עם ביקורות על מלונות 2	Python	סטיבן
21	מבוא לחיזוי סדרות זמן	Time series	מבוא לחיזוי סדרות זמן	Python	פרנצ'סקה
22	⚡️ שימוש עולמי בחשמל ⚡️ - חיזוי סדרות זמן עם ARIMA	Time series	חיזוי סדרות זמן עם ARIMA	Python	פרנצ'סקה
23	⚡️ שימוש עולמי בחשמל ⚡️ - חיזוי סדרות זמן עם SVR	Time series	חיזוי סדרות זמן עם Support Vector Regressor	Python	אנירבן
24	מבוא ללמידת חיזוק	Reinforcement learning	מבוא ללמידת חיזוק עם Q-Learning	Python	דמיטרי
25	עזרו לפיטר להימנע מהזאב! 🐺	Reinforcement learning	למידת חיזוק Gym	Python	דמיטרי
Postscript	תרחישים ויישומים של למידת מכונה בעולם האמיתי	ML in the Wild	יישומים מעניינים ומרתקים של למידת מכונה קלאסית	Lesson	צוות
Postscript	איתור שגיאות במודלים של למידת מכונה באמצעות לוח מחוונים RAI	ML in the Wild	איתור שגיאות במודלים של למידת מכונה באמצעות רכיבי לוח מחוונים של AI אחראי	Lesson	רות יעקובו

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

גישה לא מקוונת

ניתן להפעיל את התיעוד הזה לא מקוון באמצעות Docsify. עשו Fork למאגר זה, התקינו את Docsify במחשב המקומי שלכם, ואז בתיקיית השורש של מאגר זה, הקלידו docsify serve. האתר יוגש על פורט 3000 ב-localhost שלכם: localhost:3000.

PDFs

מצאו קובץ PDF של תוכנית הלימודים עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדקו:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---

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 נחשב למקור הסמכותי. למידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי בני אדם. איננו נושאים באחריות לכל אי-הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה.