ML-For-Beginners/translations/he

🌐 תמיכה ברב-לשוניות

נתמכים באמצעות GitHub Action (אוטומטי ותמיד מעודכן)

ערבית | בנגלית | בולגרית | בורמזית (מיאנמר) | סינית (מפושטת) | 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 | קאנאדה | קוריאנית | ליטאית | מלאית | מליאלאם | מראטי | נפאלית | ניגריאן פידג'ין | נורבגית | פרסית (פארסי) | פולנית | פורטוגזית (ברזיל) | פורטוגזית (פורטוגל) | פנג'אבי (ג'ורמוקי) | רומנית | רוסית | סרבית (קירילית) | סלובקית | סלובנית | ספרדית | סווהילית | שבדית | טאגאלוג (פיליפינית) | טמילית | טלוגו | תאית | טורקית | אוקראינית | אורדו | וויטנאמית

הצטרפו לקהילה שלנו

יש לנו סדרת Learn with AI בדיסקורד, למידע נוסף והצטרפות אלינו ב-Learn with AI Series בין ה-18 ל-30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot במדע הנתונים.

למידת מכונה למתחילים - תוכנית לימודים

🌍 סעו סביב העולם בזמן שאנו חוקרים את למידת המכונה דרך תרבויות העולם 🌍

צוות ה-Cloud Advocates של Microsoft שמח להציע תוכנית לימודים בת 12 שבועות הכוללת 26 שיעורים, הכוללת הכל על למידת מכונה. במסגרת תוכנית זו תלמדו על מה שלעתים נקרא למידת מכונה קלאסית, תוך שימוש בעיקר ב-Scikit-learn והימנעות מלמידה עמוקה, שמקורה מכוסה בתכנית ה-AI for Beginners' curriculum. צמדו שיעורים אלה עם גם עם תכנית הלימודים 'Data Science for Beginners'!

נסעו איתנו בעולם כאשר אנחנו מיישמים טכניקות קלאסיות אלה על נתונים מאזורים רבים בעולם. כל שיעור כולל מבחני חימום לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה, ועוד. השיטה שלנו המבוססת על פרויקטים מאפשרת לכם ללמוד תוך כדי בנייה — דרך מוכחת שגורמת לכישורים חדשים "להידבק".

✍️ תודות חמות למחברים שלנו Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ו-Amy Boyd

🎨 תודה גם למאיירים שלנו Tomomi Imura, Dasani Madipalli ו-Jen Looper

🙏 תודה מיוחדת 🙏 למחברי, המבקרים ותורמי התוכן שגרירי הסטודנטים של Microsoft שלנו, במיוחד Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ו-Snigdha Agarwal

🤩 תודה נוספת לשגרירי הסטודנטים של Microsoft Eric Wanjau, Jasleen Sondhi ו-Vidushi Gupta על שיעורי R שלנו!

התחלה

עקבו אחרי השלבים הבאים:

1. צור Fork של המאגר: לחץ על הכפתור "Fork" בפינה הימנית-עליונה של הדף.
2. שכפל את המאגר: git clone https://github.com/microsoft/ML-For-Beginners.git

תמצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

🔧 זקוקים לעזרה? בדקו את מדריך פתרון התקלות שלנו לפתרונות לבעיות נפוצות בהתקנה, בהגדרה ובהרצת שיעורים.

סטודנטים, לשימוש בתוכנית זו, בצעו Fork של כל המאגר לחשבון ה-GitHub שלכם והשלימו את התרגילים באופן עצמאי או בקבוצה:

• התחילו במבחן חימום לפני ההרצאה.
• קראו את ההרצאה והשלימו את הפעילויות, הפסיקו 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 המכוון לפרויקט.
• עשו את המבחן לאחר ההרצאה.
• השלימו את האתגר.
• השלימו את המשימה.
• לאחר סיום קבוצת שיעורים, בקרו בלוח ה-דיונים ו"למידה בקול רם" על ידי מילוי טופס ה-PAT המתאים. 'PAT' הוא כלי הערכת התקדמות שהוא טופס דירוג שאתם ממלאים כדי לקדם את הלמידה שלכם. אתם גם יכולים להגיב על PAT של אחרים כדי שנלמד יחד.

ללימוד נוסף אנו ממליצים לעקוב אחרי מודולים ונתיבי הלמידה הללו של Microsoft Learn.

מורים, צירפנו הצעות מסוימות על איך להשתמש בתוכנית זו.

---

מדריכי וידאו

חלק מהשיעורים זמינים כסרטוני קצר. תוכלו למצוא את כולם בתוך השיעורים, או ברשימת ההשמעה ML for Beginners playlist on the Microsoft Developer YouTube channel על ידי לחיצה על התמונה למטה.

---

הכירו את הצוות

GIF מאת Mohit Jaisal

🎥 לחצו על התמונה למעלה כדי לצפות בסרטון על הפרויקט והאנשים שיצרו אותו!

---

פדגוגיה

בחרנו שני עקרונות פדגוגיים בעת בניית תוכנית הלימודים הזו: להבטיח שהיא פרקטית ומבוססת על פרויקטים (project-based) ושכוללת מבחנים תכופים. בנוסף, לתוכנית זו יש נושא משותף שמעניק לה קוהרנטיות.

על ידי התאמת התוכן לפרויקטים התהליך נעשה מעניין יותר עבור הסטודנטים ושימור המושגים יתוגבר. בנוסף, מבחן קטן לפני השיעור מגדיר את כוונת הסטודנט ללמוד נושא, בעוד שמבחן שני לאחר השיעור מבטיח שימור נוסף. תוכנית זו תוכננה להיות גמישה ומהנה וניתנת ללמידה בשלמותה או בחלקים. הפרויקטים מתחילים קטנים והופכים מורכבים יותר לקראת סוף מחזור של 12 השבועות. תכנית זו כוללת גם אפילוג על יישומים בעולם האמיתי של למידת מכונה, שניתן להשתמש בו כקרדיט נוסף או כבסיס לדיון.

עיינו ב-קוד ההתנהגות, הנחיות לתרומה, הנחיות לתרגום והנחיות לפתרון תקלות. נשמח לקבל משוב בונה!

כל שיעור כולל

• סקטצ'נוט אופציונלי
• וידאו משלים אופציונלי
• מדריך וידאו (בחלק מהשיעורים בלבד)
• מבחן חימום לפני ההרצאה
• שיעור כתוב
• בשיעורים מבוססי-פרויקט, מדריכים שלב-אחר-שלב על איך לבנות את הפרויקט
• בדיקות ידע
• אתגר
• קריאה משלימה
• משימה
• מבחן לאחר ההרצאה

הערה לגבי שפות: שיעורים אלה כתובים בעיקר ב-Python, אך רבים מהם זמינים גם ב-R. כדי להשלים שיעור ב-R, עברו לתיקיית /solution וחפשו שיעורי R. הם כוללים סיומת .rmd המייצגת קובץ R Markdown שניתן להגדיר כהטמעת code chunks (של R או שפות אחרות) וYAML header (המנחה איך לעצב פלטים כגון PDF) בתוך מסמך Markdown. כתוצאה מכך, זה משמש כמסגרת עריכה מצוינת למדעי הנתונים שכן הוא מאפשר לשלב קוד, הפלט שלו ומחשבותיכם על ידי כתיבתם ב-Markdown. בנוסף, מסמכי R Markdown ניתנים לרינדור לפורמטי פלט כגון PDF, HTML או Word.

הערה לגבי מבחנים: כל המבחנים נמצאים בתיקיית Quiz App, סה"כ 52 מבחנים שכל אחד מכיל שלוש שאלות. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית המבחנים באופן מקומי; עקבו אחרי ההוראות בתיקיית quiz-app לאחסון מקומי או לפריסה ל-Azure.

מספר השיעור	נושא	קבוצת שיעורים	מטרות הלמידה	שיעור מקושר	מחבר
01	מבוא ללימוד מכונה	מבוא	למדו את המושגים הבסיסיים של למידת מכונה	שיעור	Muhammad
02	ההיסטוריה של למידת מכונה	מבוא	למדו את ההיסטוריה שעומדת מאחורי תחום זה	שיעור	Jen and Amy
03	הגינות ולמידת מכונה	מבוא	אילו סוגיות פילוסופיות חשובות סביב ההגינות שעל הסטודנטים לשקול כאשר בונים ומיישמים מודלים של למידת מכונה?	שיעור	Tomomi
04	טכניקות ללמידת מכונה	מבוא	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלי למידת מכונה?	שיעור	Chris and Jen
05	מבוא לרגרסיה	רגרסיה	התחילו עם Python ו-Scikit-learn עבור מודלי רגרסיה	Python • R	Jen • Eric Wanjau
06	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	הדמיה וניקוי נתונים כהכנה ללמידת מכונה	Python • R	Jen • Eric Wanjau
07	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	בנו מודלי רגרסיה לינארית ופולינומיאלית	Python • R	Jen and Dmitry • Eric Wanjau
08	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	בנו מודל רגרסיה לוגיסטית	Python • R	Jen • Eric Wanjau
09	אפליקציית ווב 🔌	אפליקציית ווב	בנו אפליקציית ווב לשימוש במודל שאומן	Python	Jen
10	מבוא לסיווג	סיווג	ניקוי, הכנה והדמיית הנתונים; מבוא לסיווג	Python • R	Jen and Cassie • Eric Wanjau
11	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	מבוא לממיינים	Python • R	Jen and Cassie • Eric Wanjau
12	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	עוד ממיינים	Python • R	Jen and Cassie • Eric Wanjau
13	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	בנו אפליקציית המלצות המשתמשת במודל שלכם	Python	Jen
14	מבוא לאשכולות	אשכולות	ניקוי, הכנה והדמיית הנתונים; מבוא לאשכולות	Python • R	Jen • Eric Wanjau
15	חקירת טעמים מוסיקליים בניגריה 🎧	אשכולות	חקרו את שיטת הקיבוץ K-Means	Python • R	Jen • Eric Wanjau
16	מבוא לעיבוד שפה טבעית ☕️	עיבוד שפה טבעית	למדו את היסודות של עיבוד שפה טבעית על ידי בניית בוט פשוט	Python	Stephen
17	משימות נפוצות בעיבוד שפה טבעית ☕️	עיבוד שפה טבעית	העמיקו את הידע שלכם בעיבוד שפה טבעית על ידי הבנת המשימות הנפוצות הנדרשות בעבודה עם מבני שפה	Python	Stephen
18	תרגום וניתוח סנטימנט ♥️	עיבוד שפה טבעית	תרגום וניתוח סנטימנט עם ג'יין אוסטן	Python	Stephen
19	בתי מלון רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח סנטימנט עם ביקורות על בתי מלון 1	Python	Stephen
20	בתי מלון רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח סנטימנט עם ביקורות על בתי מלון 2	Python	Stephen
21	מבוא לתחזית סדרות זמן	סדרות זמן	מבוא לתחזיות בסדרות זמן	Python	Francesca
22	⚡️ צריכת חשמל עולמית ⚡️ - חיזוי סדרות זמן עם ARIMA	סדרות זמן	חיזוי סדרות זמן בעזרת ARIMA	Python	Francesca
23	⚡️ צריכת חשמל עולמית ⚡️ - חיזוי סדרות זמן עם SVR	סדרות זמן	חיזוי סדרות זמן עם Support Vector Regressor	Python	Anirban
24	מבוא ללמידה מחזקת	למידה מחזקת	מבוא ללמידה מחזקת עם Q-Learning	Python	Dmitry
25	עזרו לפיטר להימנע מהזאב! 🐺	למידה מחזקת	למידה מחזקת ב-Gym	Python	Dmitry
נספח	תרחישי למידת מכונה ויישומים בעולם האמיתי	למידת מכונה בעולם האמיתי	יישומים מעניינים וחושפניים בעולם האמיתי של למידת מכונה	שיעור	Team
נספח	ניפוי שגיאות במודלים בלמידת מכונה באמצעות לוח המחוונים של RAI	למידת מכונה בעולם האמיתי	ניפוי שגיאות במודלים בלמידת מכונה באמצעות רכיבי לוח המחוונים של Responsible AI	שיעור	Ruth Yakubu

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

גישה לא מקוונת

ניתן להפעיל תיעוד זה באופן לא מקוון באמצעות Docsify. בצעו fork של מאגר זה, התקינו את Docsify במכונה המקומית שלכם, ואז בתיקיית השורש של מאגר זה, הקלידו docsify serve. האתר ישרת על פורט 3000 ב-localhost שלכם: localhost:3000.

קבצי PDF

מצאו PDF של הלימוד עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדקו:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

ליבת הלמידה

---

סדרת Copilot

קבלת עזרה

אם תיתקלו בבעיה או יש לכם שאלות לגבי בניית אפליקציות בינה מלאכותית. הצטרפו ללומדים אחרים ולמפתחים מנוסים בדיונים על MCP. זוהי קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות.

אם יש לכם משוב על המוצר או שגיאות בזמן הבנייה, בקרו ב:

---

הצהרת אחריות: מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co‑op Translator (https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להסתמך על המסמך המקורי בשפת המקור כמקור סמכותי. למידע קריטי מומלץ להיעזר בתרגום מקצועי על ידי מתרגם אנושי. איננו נושאים באחריות לכל אי-הבנות או פרשנויות שגויות הנובעות מהשימוש בתרגום זה.