ML-For-Beginners/translations/he

🌐 תמיכה בריבוי שפות

נתמכות 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 | הינדי | הונגרית | אינדונזית | איטלקית | יפנית | קנאדה | קוריאנית | ליטאית | מלאית | מלאיאלם | מראטי | נפאלית | ניגריאני פידג'ין | נורווגית | פרסית (פארסי) | פולנית | פורטוגזית (ברזילאית) | פורטוגזית (פורטוגל) | פנג'אבי (ג'ורמוקי) | רומנית | רוסית | סרבית (קירילית) | סלובקית | סלובנית | ספרדית | סווהילית | שוודית | טגאלוג (פיליפינית) | טמילית | טלגו | תאית | טורקית | אוקראינית | אורדו | וייטנאמית

הצטרפו לקהילה שלנו

אנו עורכים סדרת "ללמוד עם בינה מלאכותית" בדיוסקורד, למידע נוסף והצטרפות ראו את סדרת Learn with AI בין התאריכים 18 - 30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot במדעי הנתונים.

למידת מכונה למתחילים - תכנית לימודים

🌍 טיילו סביב העולם כשמגלים את למידת המכונה דרך תרבויות העולם 🌍

צוות Cloud Advocates במיקרוסופט שמח להציע תכנית לימודים בת 12 שבועות, 26 שיעורים, על למידת מכונה. בתכנית זו תלמדו על מה שלעיתים נקרא למידת מכונה קלאסית, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, הנדונה בתכנית 'בינה מלאכותית למתחילים'. שלבו שיעורים אלה גם עם תכנית 'מדעי הנתונים למתחילים'!

טיילו איתנו בעולם כשניישם טכניקות קלאסיות אלה על נתונים מאזורים שונים בעולם. כל שיעור כולל מבחני קדם-שיעור ופוסט-שיעור, הנחיות כתובות להשלמת השיעור, פתרון, מטלה, ועוד. הפדגוגיה המבוססת-פרויקטים שלנו מאפשרת לכם ללמוד תוך כדי בנייה — דרך מוכחת שגורמת לכישורים חדשים "להידבק".

✍️ תודה רבה למחברינו Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

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

🙏 תודה מיוחדת 🙏 למחברי התכנית, הסוקרים ותורמי התוכן משגרירי הסטודנטים של מיקרוסופט, וביניהם Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, ו-Snigdha Agarwal

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

התחלה

עקבו אחר השלבים הבאים:

1. צור Fork של הריפוזיטורי: Click on the "Fork" button at the top-right corner of this page.
2. שכפל את הריפוזיטורי: git clone https://github.com/microsoft/ML-For-Beginners.git

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

🔧 צריך עזרה? בדקו את מדריך פתרון הבעיות לפתרונות לבעיות נפוצות בהתקנה, בהגדרה ובהפעלת השיעורים.

סטודנטים, כדי להשתמש בתכנית זו, בצעו fork לכל הריפו לחשבון ה-GitHub שלכם והשלימו את התרגילים בעצמכם או בקבוצה:

• התחילו במבחן חימום לפני ההרצאה.
• קראו את ההרצאה 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.
• עברו את מבחן הפוסט-הרצאה.
• השלימו את האתגר.
• השלימו את המשימה.
• לאחר סיום קבוצת שיעורים, בואו ללוח הדיון ב-Discussion Board ו"למידה קולחת" על ידי מילוי טופס ה-PAT המתאים. PAT הוא כלי הערכת התקדמות שהוא שיקלול שאתם ממלאים כדי להעמיק את הלמידה שלכם. תוכלו גם להגיב ל-PATים אחרים כדי שנלמד יחד.

ללימוד מעמיק אנו ממליצים לעקוב אחרי המודולים ונתיבי הלמידה של Microsoft Learn.

מורים, כללנו הצעות לגבי איך להשתמש בתכנית זו.

---

מדריכי וידאו

חלק מהשיעורים זמינים כסרטוני קצרי פורמט. ניתן למצוא את כולם בתוך השיעורים, או ברשימת ההשמעה של ML for Beginners בערוץ Microsoft Developer ב-YouTube על ידי לחיצה על התמונה למטה.

---

הכירו את הצוות

גיף מאת Mohit Jaisal

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

---

פדגוגיה

בחרנו שני עקרונות פדגוגיים בעת בניית תכנית זו: להבטיח שהיא מעשית מבוססת-פרויקטים וכי היא כוללת מבחנים תכופים. בנוסף, לתכנית זו יש נושא מרכזי שמעניק לה קוהזיה.

על ידי התאמת התוכן לפרויקטים, התהליך נעשה מרתק יותר עבור הסטודנטים והחזקת המושגים תתחזק. בנוסף, מבחן בעל סיכון נמוך לפני השיעור מכוון את כוונת הסטודנט ללמידת הנושא, בעוד שמבחן שני לאחר השיעור מבטיח שימור נוסף. תכנית זו נבנתה להיות גמישה ומהנה וניתנת לעבור בשלמותה או בחלקיה. הפרויקטים מתחילים קטנים והופכים בהדרגה למורכבים יותר עד לסיום מחזור 12 השבועות. בתכנית זו יש גם אפילוג על יישומים בעולמנו, שניתן להשתמש בו כנקודות זכות נוספות או כבסיס לדיון.

מצאו את קוד ההתנהגות, הנחיות לתרומה, הנחיות לתרגום, ומדריך פתרון הבעיות. נשמח לקבל משוב בונה!

כל שיעור כולל

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

הערה לגבי שפות: השיעורים הללו נכתבים 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 שניתן להגדירו באופן פשוט כהטמעה של code chunks (ב-R או בשפות אחרות) וYAML header (המנחה כיצד לעצב פלטים כגון PDF) בתוך Markdown document. משכך, הוא משמש כמסגרת כתיבה מצוינת למדעי הנתונים כיוון שהוא מאפשר לשלב את הקוד שלכם, הפלט שלו, והמחשבות שלכם על ידי כתיבתן ב-Markdown. יתר על כן, מסמכי R Markdown ניתנים לרינדור לפורמטי פלט כגון PDF, HTML, או Word.

הערה לגבי מבחנים: כל המבחנים נמצאים בתיקיית Quiz App folder, בסה"כ 52 מבחנים של שלוש שאלות כל אחד. הם מקושרים מתוך השיעורים אך אפליקציית המבחנים ניתנת להרצה באופן מקומי; פעלו לפי ההוראות בתיקיית quiz-app לאירוח מקומי או לפריסה ב-Azure.

מספר השיעור	נושא	קיבוץ שיעורים	מטרות למידה	שיעור מקושר	מחבר
01	מבוא ללמידת מכונה	מבוא	למדו את המושגים הבסיסיים של למידת מכונה	שיעור	Muhammad
02	ההיסטוריה של למידת מכונה	מבוא	למדו את ההיסטוריה שעומדת מאחורי התחום הזה	שיעור	Jen and Amy
03	הוגנות בלמידת מכונה	מבוא	מהן השאלות הפילוסופיות החשובות סביב הוגנות שעל הסטודנטים לשקול כאשר בונים ומיישמים מודלי למידת מכונה?	שיעור	Tomomi
04	טכניקות ללמידת מכונה	מבוא	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלים?	שיעור	Chris and Jen
05	מבוא לרגרסיה	רגרסיה	התחילו עם Python ו-Scikit-learn עבור מודלים של רגרסיה	Python • R	Jen • Eric Wanjau
06	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	הדמיית וניקוי נתונים כהכנה ללמידת מכונה	Python • R	Jen • Eric Wanjau
07	מחירי דלעת בצפון אמריקה 🎃	רגרסיה	בנו מודלים של רגרסיה ליניארית ופולינומית	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 שאימנתם	Python	Jen
10	מבוא לסיווג	סיווג	ניקו, הכינו והדמיינו את הנתונים שלכם; מבוא לסיווג	Python • R	Jen and Cassie • Eric Wanjau
11	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	מבוא למסווגים	Python • R	Jen and Cassie • Eric Wanjau
12	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	עוד מסווגים	Python • R	Jen and Cassie • Eric Wanjau
13	מטבחים אסייתיים והודיים טעימים 🍜	סיווג	בנו אפליקציית המלצות מבוססת רשת המשתמשת במודל שלכם	Python	Jen
14	מבוא לקיבוץ	קיבוץ	ניקו, הכינו והדמיינו את הנתונים שלכם; מבוא לקיבוץ	Python • R	Jen • Eric Wanjau
15	חקר טעמי מוזיקה בניגריה 🎧	קיבוץ	חקור 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 בעיבוד שפה טבעית על ידי הבנת המשימות הנפוצות הנדרשות בעת התמודדות עם מבני שפה	Python	Stephen
18	תרגום וניתוח רגשות ♥️	עיבוד שפה טבעית	תרגום וניתוח רגשות עם ג'יין אוסטן	Python	Stephen
19	מלונות רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח רגשות עם חוות דעת על מלונות 1	Python	Stephen
20	מלונות רומנטיים באירופה ♥️	עיבוד שפה טבעית	ניתוח רגשות עם חוות דעת על מלונות 2	Python	Stephen
21	מבוא לחיזוי סדרות זמן	סדרות זמן	מבוא לחיזוי סדרות זמן	Python	Francesca
22	⚡️ צריכת חשמל עולמית ⚡️ - חיזוי סדרות זמן עם ARIMA	סדרות זמן	חיזוי סדרות זמן באמצעות ARIMA	Python	Francesca
23	⚡️ צריכת חשמל עולמית ⚡️ - חיזוי סדרות זמן עם SVR	סדרות זמן	חיזוי סדרות זמן באמצעות Support Vector Regressor	Python	Anirban
24	מבוא ללמידת חיזוק	למידת חיזוק	מבוא ללמידת חיזוק עם Q-Learning	Python	Dmitry
25	עזרו לפיטר להימנע מהזאב! 🐺	למידת חיזוק	למידת חיזוק עם Gym	Python	Dmitry
נספח	תרחישים ויישומים של למידת מכונה בעולם האמיתי	למידת מכונה בעולם האמיתי	יישומים מעניינים וחושפים של למידת מכונה קלאסית	שיעור	Team
נספח	ניפוי שגיאות של מודלים בלמידת מכונה באמצעות לוח המחוונים RAI	למידת מכונה בעולם האמיתי	ניפוי שגיאות של מודלים בלמידת מכונה באמצעות רכיבי לוח המחוונים Responsible AI	שיעור	Ruth Yakubu

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

גישה לא מקוונת

אתם יכולים להריץ תיעוד זה לא מקוון באמצעות Docsify. Fork את המאגר הזה, התקינו את Docsify במחשב המקומי שלכם, ואז בתיקיית השורש של המאגר הזה הקלידו docsify serve. האתר יוגש על פורט 3000 ב-localhost שלכם: localhost:3000.

קבצי PDF

מצאו קובץ PDF של תכנית הלימודים עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מפיק קורסים נוספים! בדקו:

LangChain

---

Azure / Edge / MCP / Agents

---

סדרת בינה גנרטיבית

---

למידה מרכזית

---

סדרת Copilot

קבלת עזרה

אם תיתקעתם או יהיו לכם שאלות לגבי בניית אפליקציות בינה מלאכותית. הצטרפו ללומדים נוספים ולמפתחים מנוסים בדיונים על MCP. זוהי קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות.

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

---

הצהרת אחריות: מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. אף שאנו שואפים לדיוק, יש לשים לב שתרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להחשיב את המסמך המקורי בשפתו המקורית כמקור הסמכות. למידע חשוב מומלץ לבצע תרגום מקצועי על‑ידי מתרגם אנושי. איננו אחראים לכל אי-הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה.