ML-For-Beginners/translations/he

🌐 תמיכה בשפות מרובות

נתמכת באמצעות GitHub Action (אוטומטית ותמיד מעודכנת)

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

מעדיפים לשכפל באופן מקומי?

מאגר זה כולל למעלה מ-50 תרגומים לשפות שונות שמגדילים משמעותית את גודל ההורדה. כדי לשכפל בלי תרגומים, השתמשו ב-sparse checkout:

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 את כל מה שצריך כדי להשלים את הקורס במהירות הורדה גבוהה יותר.

הצטרפו לקהילה שלנו

יש לנו סדרת לימוד בדיסקורד עם AI, למדו עוד והצטרפו אלינו ב-Learn with AI Series בין התאריכים 18 עד 30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot במדעי הנתונים.

למידת מכונה למתחילים - תוכנית לימודים

🌍 טוסו ברחבי העולם תוך חקר למידת מכונה דרך תרבויות העולם 🌍

הסניפים לענן במיקרוסופט שמחים להציע תוכנית לימודים של 12 שבועות ו-26 שיעורים בנושא למידת מכונה. בתוכנית זו תלמדו על מה שלפעמים נקרא למידת מכונה קלאסית, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, הנלמדת בתוכנית שלנו ל-AI למתחילים. שילבו את השיעורים האלה עם תכנית 'מדעי הנתונים למתחילים' שלנו ב-https://aka.ms/ds4beginners!

טיילו איתנו ברחבי העולם כאשר אנו מיישמים את הטכניקות הקלאסיות על נתונים מאזורים שונים בעולם. כל שיעור כולל שאלוני מבחן לפני ואחרי, הוראות כתובות לסיום השיעור, פתרון, מטלה ועוד. שיטת הלמידה מבוססת הפרויקטים מאפשרת לכם ללמוד תוך כדי בנייה, דרך מוכחת לשימור יכולות חדשות.

✍️ תודה רבה למחברינו ג'ן לופר, סטיבן האוול, פרנצ'סקה לזרי, טומומי אימורה, קאסי בריוויו, דמיטרי סושניקוב, כריס נורינג, אנירבן מוחריג'י, אורנלה אלטוני, רות יקובו ואיימי בויד.

🎨 תודה גם לאיורים שלנו טומומי אימורה, דסאני מדיפלי, וג'ן לופר.

🙏 תודות מיוחדות 🙏 למחברי שגרירי הסטודנטים של מיקרוסופט, לסוקרים ולתורמי התוכן, במיוחד רישיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן רג', אלכסנדרו פטרסקו, אבישק ג'ייסוול, נאורין טבאסום, יואן סאמויולה, וסניגדה אגרוואל.

🤩 תודות נוספות לשגרירי הסטודנטים של מיקרוסופט אריק ואנג'או, ג'סלין סונדהי ווידושי גופטה על שיעורי R שלנו!

התחלה

עקבו אחר השלבים הבאים:

1. צור עותק של המאגר: לחצו על כפתור "Fork" בצד ימין למעלה של הדף.
2. שכפל 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? בדקו את מדריך פתרון התקלות לפתרונות לבעיות נפוצות בהתקנה, הגדרה והרצת שיעורים.

סטודנטים, כדי להשתמש בתוכנית זו, צרו פורק של כל המאגר לחשבון GitHub הפרטי שלכם ושלימו את התרגילים בעצמכם או בקבוצה:

• התחילו במבחן חימום לפני ההרצאה.
• קראו את ההרצאה ובצעו את הפעילויות, עצרו והרהרו בכל בדיקת ידע.
• נסו ליצור את הפרויקטים על ידי הבנת השיעורים במקום להריץ את קוד הפתרון; עם זאת, הקוד זמין בתיקיות /solution בכל שיעור מבוסס פרויקט.
• עשו את מבחן הסיום.
• השלימו את האתגר.
• השלימו את המטלה.
• לאחר השלמת קבוצת שיעורים, בקרו ב-לוח הדיונים ו"למדו בקול" על ידי מילוי סרגל הערכה PAT המתאים. 'PAT' הוא כלי הערכת התקדמות אותו משלים המשתמש להעמקת הלמידה. אתם גם יכולים להגיב ל-PATים אחרים כדי שנלמד יחד.

ללימוד נוסף, מומלץ לעקוב אחרי מודולים ונתיבי למידה אלה ב-Microsoft Learn.

מורים, יש לנו הצעות לשימוש בתוכנית זו.

---

סרטוני הדרכה

חלק מהשיעורים זמינים כסרטונים קצרים. ניתן למצוא את כולם בקישורים בתוך השיעורים או ברשימת ההשמעה ML for Beginners בערוץ YouTube של מיקרוסופט דיבלופרס על ידי לחיצה על התמונה למטה.

---

הכירו את הצוות

גיף מאת Mohit Jaisal

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

---

פדגוגיה

בחרנו שני עקרונות פדגוגיים בבניית תוכנית זו: להבטיח שהיא מבוססת פרויקט מעשי וכוללת מבחנים תכופים. בנוסף, לתוכנית נושא משותף המסייע בקוהרנטיות.

על ידי התאמת התוכן לפרויקטים, התהליך הופך למרתק יותר לסטודנטים וההבנה של המושגים מחוזקת. גם מבחן נמוך סיכון לפני השיעור שם את הכוונה ללמידה, ומבחן נוסף לאחר השיעור מבטיח שימור נוסף. התוכנית גמישה ומהנה וניתן ללמוד אותה בשלמותה או חלקיה. הפרויקטים מתחילים קטנים והופכים מורכבים יותר לקראת סוף מחזור 12 השבועות. יש בתוכנית גם פרק סיום על יישומים אמיתיים של למידת מכונה, שיכול לשמש לקרדיט נוסף או כבסיס לדיון.

מצאו את קוד ההתנהגות שלנו, הנחיות לתרומה, תרגומים ופתרון תקלות. נשמח לקבל משוב בונה!

כל שיעור כולל

• סקיצת הערות אופציונלית
• וידאו נוסף אופציונלי
• הדרכת וידאו (בחלק מהשיעורים בלבד)
• מבחן חימום לפני ההרצאה
• שיעור כתוב
• בשיעורים מבוססי פרויקט, מדריכים שלב-אחר-שלב לבניית הפרויקט
• בדיקות ידע
• אתגר
• קריאה משלימה
• מטלה
• מבחן לאחר ההרצאה

הערה לגבי שפות: השיעורים כתובים בעיקר בפייתון 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 הנחשב למסגרת יוצרת לשילוב קטעי קוד (של R או שפות נוספות) וכותרת YAML (המנחה כיצד לעצב פלטים כגון PDF) במסמך Markdown. כך ניתן לשלב את הקוד, הפלט והמחשבות שלכם בכתיבה ב-Markdown. בנוסף, מסמכי R Markdown ניתנים להמרה לפורמטי פלט כמו PDF, HTML או Word. הערה לגבי חידונים: כל החידונים נמצאים בתיקיית Quiz App folder, סה"כ 52 חידונים עם שלוש שאלות בכל אחד. הם מקושרים מתוך השיעורים, אך ניתן להפעיל את אפליקציית החידון באופן מקומי; יש לעקוב אחר ההוראות שבתיקיית quiz-app לארח או לפרוס ל-Azure באופן מקומי.

מספר שיעור	נושא	קיבוץ שיעור	מטרות למידה	שיעור מקושר	מחבר
01	מבוא ללמידת מכונה	Introduction	ללמוד את המושגים הבסיסיים מאחורי למידת מכונה	Lesson	מוחמד
02	היסטוריה של למידת מכונה	Introduction	ללמוד את ההיסטוריה שמאחורי תחום זה	Lesson	ג'ן ואיימי
03	הוגנות ולמידת מכונה	Introduction	מהם הסוגיות הפילוסופיות החשובות סביב הוגנות שעל הסטודנטים לשקול כשבונים ומיישמים מודלי למידת מכונה?	Lesson	טומומי
04	טכניקות ללמידת מכונה	Introduction	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלי למידה?	Lesson	כריס וג'ן
05	מבוא לרגרסיה	Regression	להתחיל עם Python ו-Scikit-learn עבור מודלי רגרסיה	Python • R	ג'ן • אריק ואנג'או
06	מחירי דלעות בצפון אמריקה 🎃	Regression	ויזואליזציה וניקוי נתונים כהכנה ללמידת מכונה	Python • R	ג'ן • אריק ואנג'או
07	מחירי דלעות בצפון אמריקה 🎃	Regression	בניית מודלי רגרסיה לינארית ופולינומיאלית	Python • R	ג'ן ודמיטרי • אריק ואנג'או
08	מחירי דלעות בצפון אמריקה 🎃	Regression	בניית מודל רגרסיה לוגיסטית	Python • R	ג'ן • אריק ואנג'או
09	אפליקציית ווב 🔌	Web App	בניית אפליקציית ווב לשימוש במודל שאומן	Python	ג'ן
10	מבוא לסיווג	Classification	ניקוי, הכנה, ויזואליזציה של הנתונים; מבוא לסיווג	Python • R	ג'ן וקאסי • אריק ואנג'או
11	מטבחים אסייתיים והודיים טעימים 🍜	Classification	מבוא לממיינים	Python • R	ג'ן וקאסי • אריק ואנג'או
12	מטבחים אסייתיים והודיים טעימים 🍜	Classification	ממיינים נוספים	Python • R	ג'ן וקאסי • אריק ואנג'או
13	מטבחים אסייתיים והודיים טעימים 🍜	Classification	בניית אפליקציית ווב להמלצות באמצעות המודל שלך	Python	ג'ן
14	מבוא לקיבוץ	Clustering	ניקוי, הכנה וויזואליזציה של הנתונים; מבוא לקיבוץ	Python • R	ג'ן • אריק ואנג'או
15	חקירת טעימות מוזיקליות מניגריה 🎧	Clustering	חקר שיטת קי-מין לקיבוץ	Python • R	ג'ן • אריק ואנג'או
16	מבוא לעיבוד שפה טבעית ☕️	Natural language processing	ללמוד את היסודות של NLP על ידי בניית בוט פשוט	Python	סטיבן
17	משימות NLP נפוצות ☕️	Natural language processing	להעמיק את הידע ב-NLP בהבנת המשימות הנפוצות הדרושות בעבודה עם מבני שפה	Python	סטיבן
18	תרגום וניתוח סנטימנט ♥️	Natural language processing	תרגום וניתוח סנטימנט עם ג'יין אוסטין	Python	סטיבן
19	בתי מלון רומנטיים באירופה ♥️	Natural language processing	ניתוח סנטימנט עם ביקורות על בתי מלון 1	Python	סטיבן
20	בתי מלון רומנטיים באירופה ♥️	Natural language processing	ניתוח סנטימנט עם ביקורות על בתי מלון 2	Python	סטיבן
21	מבוא לחזוי סדרות זמנים	Time series	מבוא לחזוי סדרות זמנים	Python	פרנצ'סקה
22	⚡️ צריכת חשמל עולמית ⚡️ - חזוי סדרות זמנים עם ARIMA	Time series	חזוי סדרות זמנים עם ARIMA	Python	פרנצ'סקה
23	⚡️ צריכת חשמל עולמית ⚡️ - חזוי סדרות זמנים עם SVR	Time series	חזוי סדרות זמנים עם מפענח וקטור תמיכה	Python	אנירבן
24	מבוא ללמידה מחוזקת	Reinforcement learning	מבוא ללמידה מחוזקת עם Q-Learning	Python	דמיטרי
25	סייעו לפיטר להימנע מהזאב! 🐺	Reinforcement learning	למידה מחוזקת Gym	Python	דמיטרי
אפילוג	תרחישי למידת מכונה מהעולם האמיתי	ML in the Wild	יישומים מאתגרים ומגרים של למידת מכונה קלאסית	Lesson	צוות
אפילוג	איתור באגים במודלי למידת מכונה בשימוש בלוח RAI	ML in the Wild	איתור באגים במודלי למידת מכונה באמצעות לוח בקרה של Responsible AI	Lesson	רות יקובו

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

גישה לא מקוונת

ניתן להפעיל תיעוד זה במצב לא מקוון על ידי שימוש ב-Docsify. עשו fork של המאגר הזה, 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.

קבצי PDF

מצאו קובץ pdf של תוכנית הלימודים עם קישורים כאן.

🎒 קורסים אחרים

הצוות שלנו מייצר קורסים נוספים! בדקו:

LangChain

Azure / Edge / MCP / סוכנים

---

סדרת AI יוצרת

---

לימוד ליבה

---

סדרת Copilot

לקבלת עזרה

אם אתה נתקל בקושי או יש לך שאלות לגבי בניית אפליקציות בינה מלאכותית. הצטרף ללומדים אחרים ולמפתחים מנוסים בדיונים על MCP. זוהי קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות.

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

---

הצהרת אחריות:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. למרות שאנו משתדלים לדייק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל טעויות או אי־דיוקים. המסמך המקורי בשפת המקור שלו הוא המקור הרשמי והמהימן. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי אדם. אנו לא נושאים באחריות לכל טעות או אי־הבנה הנובעים משימוש בתרגום זה.