30 KiB

Raw Blame History Unescape Escape

🌐 תמיכה רב-שפתית

נתמך באמצעות GitHub Action (אוטומטי ותמיד מעודכן)

הצטרפו לקהילה שלנו

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

למידת מכונה למתחילים - תוכנית לימודים

🌍 מסע מסביב לעולם 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 למתחילים. ניתן לשלב את השיעורים הללו עם תוכנית הלימודים שלנו 'מדעי הנתונים למתחילים', גם כן!

צאו איתנו למסע מסביב לעולם כשאנו מיישמים את הטכניקות הקלאסיות הללו על נתונים מאזורים שונים בעולם. כל שיעור כולל שאלונים לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הפדגוגיה 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 שלנו, 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 וונג'או, ג'סלין סונדי ווידושי גופטה על שיעורי ה-R שלנו!

התחלת העבודה

בצעו את השלבים הבאים:

עשו Fork למאגר: לחצו על כפתור "Fork" בפינה הימנית העליונה של עמוד זה.
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? בדקו את מדריך פתרון הבעיות שלנו לפתרונות לבעיות נפוצות בהתקנה, הגדרה והרצת שיעורים.

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

התחילו עם שאלון 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.
עשו 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 מדד PAT המתאים. 'PAT' הוא כלי הערכת התקדמות שהוא מדד שאתם ממלאים כדי לקדם את הלמידה שלכם. תוכלו גם להגיב ל-PATs אחרים כדי שנלמד 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 מוהיט ג'ייסאל

🎥 לחצו על התמונה למעלה לסרטון 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 נעשה יותר מרתק עבור סטודנטים ושימור המושגים יוגבר. בנוסף, שאלון בעל סיכון נמוך לפני השיעור מכוון את כוונת הסטודנט ללימוד נושא, בעוד ששאלון שני לאחר השיעור מבטיח שימור נוסף. תוכנית לימודים זו תוכננה להיות גמישה ומהנה וניתן לקחת 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 ML, שניתן להשתמש בו כקרדיט נוסף או כבסיס לדיון.

מצאו את קוד ההתנהגות, תרומות, תרגום, ו-פתרון בעיות שלנו. 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 בפשטות כהטמעה של קטעי קוד (של R או שפות אחרות) וכותרת YAML (שמנחה כיצד לעצב פלטים כמו PDF) במסמך Markdown. כך, הוא משמש כמסגרת כתיבה לדוגמה במדעי הנתונים מכיוון שהוא מאפשר לכם לשלב את הקוד שלכם, הפלט שלו והמחשבות שלכם על ידי כתיבתם ב-Markdown. יתרה מכך, ניתן לעבד מסמכי R Markdown לפורמטים כמו PDF, HTML או Word.

הערה לגבי שאלונים: כל השאלונים נמצאים בתיקיית Quiz App, עבור 52 שאלונים בסך הכל, כל אחד עם שלוש שאלות. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית השאלונים באופן מקומי; עקבו אחר ההוראות בתיקיית quiz-app כדי לארח אותה מקומית או לפרוס אותה ב-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 התלמידים לשקול בעת בניית והפעלת מודלים של למידת מכונה?	שיעור	טומומי
04	טכניקות ללמידת מכונה	מבוא	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלים של למידת מכונה?	שיעור	כריס וג'ן
05	מבוא לרגרסיה	רגרסיה	התחילו עם Python ו-Scikit-learn עבור מודלים 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 ליניארית 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 ווב 🔌	אפליקציית ווב	בניית אפליקציית ווב לשימוש במודל שלכם	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 אסיאתיים והודיים טעימים 🍜	סיווג	מבוא למסווגים	Python • R	ג'ן וקאסי • אריק ונג'או
12	מטבחים אסיאתיים והודיים טעימים 🍜	סיווג	מסווגים נוספים	Python • R	ג'ן וקאסי • אריק ונג'או
13	מטבחים אסיאתיים והודיים טעימים 🍜	סיווג	בניית אפליקציית ווב ממליצה באמצעות המודל שלכם	Python	ג'ן
14	מבוא לקיבוץ	קיבוץ	ניקוי, הכנה וויזואליזציה של הנתונים שלכם; מבוא לקיבוץ	Python • R	ג'ן • אריק ונג'או
15	חקר טעמי מוזיקה ניגרית 🎧	קיבוץ	חקר שיטת קיבוץ 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 Gym	Python	דמיטרי
פוסטסקריפט	תרחישים ויישומים של למידת מכונה בעולם האמיתי	למידת מכונה בעולם האמיתי	יישומים מעניינים ומגלים של למידת מכונה קלאסית	שיעור	צוות
פוסטסקריפט	ניפוי שגיאות במודלים של למידת מכונה באמצעות לוח מחוונים RAI	למידת מכונה בעולם האמיתי	ניפוי שגיאות במודלים של למידת מכונה באמצעות רכיבי לוח מחוונים של AI אחראי	שיעור	רות יאקובו

מצאו את כל המשאבים הנוספים לקורס הזה באוסף Microsoft Learn שלנו

גישה לא מקוונת

ניתן להפעיל את התיעוד הזה לא מקוון באמצעות Docsify. עשו Fork למאגר 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.

PDFs

מצאו קובץ PDF של תוכנית הלימודים עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדקו:

קבלת עזרה

אם אתם נתקעים או יש לכם שאלות על בניית אפליקציות AI, הצטרפו:

אם יש לכם משוב על מוצרים או שגיאות במהלך הבנייה, בקרו:

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 סמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי אדם. איננו נושאים באחריות לאי הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.

30 KiB Raw Blame History Unescape Escape