ML-For-Beginners/translations/he

🌐 תמיכה ברב-לשוניות

נתמך באמצעות פעולה של GitHub (אוטומטית ותמיד מעודכנת)

מעדיפים לשכפל מקומית?

מאגר זה כולל יותר מ-50 תרגומים בשפות שונות, מה שמגדיל משמעותית את גודל ההורדה. לשכפול ללא תרגומים, השתמשו בבחירת שכפול חלקית:

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 ב-Discord בנושא AI, למדו עוד והצטרפו אלינו ב-Learn with AI Series בין התאריכים 18 - 30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot עבור מדעי הנתונים.

למידת מכונה למתחילים - תוכנית לימודים

🌍 סיירו בעולם תוך כדי חקר למידת מכונה דרך תרבויות עולמיות 🌍

סגל Cloud Advocates ב-Microsoft שמח להציע תוכנית לימודים של 12 שבועות, 26 שיעורים, הכוללת הכל על למידת מכונה. בתוכנית זו תלמדו על מה שלעיתים נקרא למידת מכונה קלאסית, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, הנלמדת בתוכנית שלנו ל-AI למתחילים. שילבו את השיעורים האלו עם תוכנית 'מדעי הנתונים למתחילים' שלנו גם כן!

סיירו איתנו בעולם כשאנו מיישמים את הטכניקות הקלאסיות האלה על נתונים מאזורים שונים של העולם. כל שיעור כולל מבחני לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הפדגוגיה מבוססת הפרויקטים שלנו מאפשרת לכם ללמוד תוך כדי בנייה, שיטה מוכחת ללמידה יעילה.

✍️ תודה רבה למחברים שלנו ג'ן לופר, סטיבן הוואל, פרנצ'סקה לזרי, טומומי אימורה, קאסי ברוויו, דמיטרי סושניקוב, כריס נורינג, אנירבן מיהרג'י, אורנלה אלתוניאן, רות יקובו ואיימי בויד

🎨 תודה גם לאיורים טומומי אימורה, דאסאני מדיפאלי וג'ן לופר

🙏 תודה מיוחדת 🙏 למחברי, הסוקרים ותורמי התוכן שגרירי הסטודנטים של מייקרוסופט, במיוחד רישיט דגלי, מוחמד סאקיב חאן איאן, רוהן ראג', אלכסנדרו פטרסקו, אבישק ג'ייסוואל, נאורין טבאסם, יואן סאמיולה וסניגדה אגרוואל

🤩 תודה מיוחדת נוספת לגרירי הסטודנטים של מייקרוסופט אריק וונג'או, ג'סלין סונדי ווידושי גופטה על שיעורי R שלנו!

התחלה

עקבו אחרי השלבים האלה:

1. שכפלו את המאגר: לחצו על כפתור "Fork" בפינה הימנית העליונה של הדף.
2. 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, בהגדרה ובהפעלה של השיעורים.

סטודנטים, כדי להשתמש בתוכנית זו, שייכו את כל המאגר לחשבון GitHub שלכם והשלימו את התרגילים בעצמכם או בקבוצה:

• התחילו במבחן פתיחת שיעור.
• קראו את ההרצאה והשלימו את הפעילויות, עצרו והרהרו בכל בדיקת ידע.
• נסו ליצור את הפרויקטים באמצעות הבנת השיעורים במקום רק להריץ את קוד הפתרון; עם זאת הקוד זמין בתיקיות /solution בכל שיעור ממוקד-פרויקט.
• עברו את מבחן הסיום של השיעור.
• השלימו את האתגר.
• השלימו את המטלה.
• לאחר השלמת קבוצת שיעורים, בקרו ב-לוח הדיונים ו"למדו בקול" על ידי מילוי טופס PAT מתאים. PAT הוא כלי הערכה להתקדמות שנותן לכם למקד את הלמידה. תוכלו גם להגיב ל-PATים אחרים כדי ללמוד יחד.

ללמידה נוספת, מומלץ לעקוב אחר מודולות ונתיבי למידה של Microsoft Learn.

מורים, כללנו הצעות כיצד להשתמש בתוכנית זו.

---

סרטוני הסבר

חלק מהשיעורים זמינים כסרטונים קצרים. ניתן למצוא את כולם בקו ישר בתוך השיעורים, או ברשימת ההשמעה ML for Beginners בערוץ היוטיוב של מפתחי מיקרוסופט:

---

הכירו את הצוות

🎥 לחצו על התמונה למעלה לסרטון על הפרויקט ועל היוצרים!

---

פדגוגיה

בחרנו שני עקרונות פדגוגיים בבניית תוכנית הלימודים הזו: להבטיח שהיא פרקטית מבוססת פרויקטים וכוללת מבחנים תכופים. בנוסף, לתוכנית יש נושא משותף כדי להעניק לה עקביות.

בהבטחת התאמת התוכן לפרויקטים, התהליך נעשה מרתק יותר עבור הסטודנטים ושימור המושגים יוגבר. בנוסף, מבחן בעל סיכון נמוך לפני הכיתה מגדיר את כוונת הלמידה של הסטודנט, בעוד שמבחן לאחר הלימוד מבטיח שמירת ידע נוספת. תוכנית זו תוכננה להיות גמישה ומהנה וניתן לקחת אותה בשלמות או בחלקים. הפרויקטים מתחילים קטנים והופכים למורכבים יותר לקראת סוף מחזור של 12 השבועות. לתוכנית זו יש גם נספח על יישומים אמיתיים של למידת מכונה, שאפשר להשתמש בהם כהערכה נוספת או כבסיס לדיון.

מצאו את קוד ההתנהגות, הנחיות לתרומה, תרגום ו-מדריך פתרון בעיות. נשמח למשוב בונה שלכם!

כל שיעור כולל

• איור סקיצי אופציונלי
• סרטון משלים אופציונלי
• סרטון הסבר (חלק מהשיעורים בלבד)
• מבחן חימום לפני השיעור
• שיעור כתוב
• לשיעורי פרויקט: מדריכים שלב-אחר-שלב לבניית הפרויקט
• בדיקות ידע
• אתגר
• קריאה נוספת
• מטלה
• מבחן סיום השיעור

הערה לגבי שפות: רוב השיעורים כתובים בפייתון, 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 בפשטות כהטמעת בלוקים של קוד (של R או שפות אחרות) וכותרת YAML (שמנחה כיצד לעצב פלטים כגון PDF) במסמך Markdown. לפיכך, זה מסגרת יוצרת דוגמה עבור מדעי הנתונים כי היא מאפשרת לשלב את הקוד שלכם, הפלט, והמחשבות על ידי כתיבתן ב-Markdown. יתרה מזאת, מסמכי R Markdown יכולים להיות מיוצאים לפורמטים כמו PDF, HTML או Word. הערה לגבי מבחנים: כל המבחנים נמצאים בתיקיית Quiz App, הכוללת סך של 52 מבחנים, כל אחד עם שלוש שאלות. הם מקושרים מתוך השיעורים, אך אפליקציית המבחנים יכולה לפעול מקומית; עקבו אחר ההוראות בתיקיית quiz-app לארח מקומית או לפרוס ב-Azure.

מספר שיעור	נושא	קיבוץ שיעור	מטרות הלמידה	שיעור מקושר	מחבר
01	מבוא ללמידת מכונה	Introduction	למדו את ההבנות הבסיסיות מאחורי למידת מכונה	שיעור	מוחמד
02	ההיסטוריה של למידת מכונה	Introduction	למדו את ההיסטוריה שמאחורי התחום	שיעור	ג'ן ואיימי
03	הוגנות ולמידת מכונה	Introduction	מהם הסוגיות הפילוסופיות החשובות סביב הוגנות שסטודנטים צריכים לקחת בחשבון כשבונים ומיישמים מודלים של למידת מכונה?	שיעור	טומומי
04	טכניקות של למידת מכונה	Introduction	אילו טכניקות משתמשים בהם חוקרי למידת מכונה לבניית מודלים?	שיעור	כריס וג'ן
05	מבוא לרגרסיה	Regression	התחילו עם פייתון ו-Scikit-learn למודלי רגרסיה	Python • R	ג'ן • אריק וואנג'או
06	מחירי דלועים בצפון אמריקה 🎃	Regression	חזות ולטש נתונים כהכנה ללמידת מכונה	Python • R	ג'ן • אריק ואנג'או
07	מחירי דלועים בצפון אמריקה 🎃	Regression	בניית מודלי רגרסיה ליניארית ופולינומית	Python • R	ג'ן ודמיטרי • אריק ואנג'או
08	מחירי דלועים בצפון אמריקה 🎃	Regression	בניית מודל רגרסיה לוגיסטית	Python • R	ג'ן • אריק ואנג'או
09	אפליקציית ווב 🔌	Web App	בניית אפליקציית ווב לשימוש במודל שסיימתם לאמן	Python	ג'ן
10	מבוא לסיווג	Classification	ניקוי, הכנה והצגת הנתונים שלכם; מבוא לסיווג	Python • R	ג'ן וקסי • אריק ואנג'או
11	מטעמים אסייתיים והודים טעימים 🍜	Classification	מבוא לממיינים	Python • R	ג'ן וקסי • אריק ואנג'או
12	מטעמים אסייתיים והודים טעימים 🍜	Classification	עוד ממיינים	Python • R	ג'ן וקסי • אריק ואנג'או
13	מטעמים אסייתיים והודים טעימים 🍜	Classification	בניית אפליקציית ווב להמלצה באמצעות המודל שלכם	Python	ג'ן
14	מבוא לאשכולות	Clustering	ניקוי, הכנה והצגת הנתונים שלכם; מבוא לאשכולות	Python • R	ג'ן • אריק ואנג'או
15	חקר הטעמים המוזיקליים של ניגריה 🎧	Clustering	חקרו את שיטת אשכולות K-Means	Python • R	ג'ן • אריק ואנג'או
16	מבוא לעיבוד שפה טבעית ☕️	Natural language processing	למדו את הבסיס של עיבוד שפה טבעית דרך בניית בוט פשוט	Python	סטיבן
17	משימות נפוצות ב-NLP ☕️	Natural language processing	העמיקו את הידע שלכם ב-NLP על ידי הבנת המשימות השונות הנדרשות כשמתמודדים עם מבני שפה	Python	סטיבן
18	תרגום וניתוח רגשות ♥️	Natural language processing	תרגום וניתוח רגשות עם ג'יין אוסטן	Python	סטיבן
19	בתי מלון רומנטיים באירופה ♥️	Natural language processing	ניתוח רגשות עם ביקורות על בתי מלון 1	Python	סטיבן
20	בתי מלון רומנטיים באירופה ♥️	Natural language processing	ניתוח רגשות עם ביקורות על בתי מלון 2	Python	סטיבן
21	מבוא לחיזוי סדרות זמן	Time series	מבוא לחיזוי סדרות זמן	Python	פרנצ'סקה
22	⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם ARIMA	Time series	חיזוי סדרות זמן עם ARIMA	Python	פרנצ'סקה
23	⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם SVR	Time series	חיזוי סדרות זמן עם מכונת וקטור תמיכה (Support Vector Regressor)	Python	אנירבן
24	מבוא ללמידה מחוזקת	Reinforcement learning	מבוא ללמידה מחוזקת עם Q-Learning	Python	דמיטרי
25	עזרו לפיטר להימנע מהזאב! 🐺	Reinforcement learning	למידת תגמול ב-Gym	Python	דמיטרי
פוסטסקריפט	תרחישים ויישומים של למידת מכונה בעולם האמיתי	ML in the Wild	יישומים מעניינים וחושפים של למידת מכונה קלאסית	שיעור	צוות
פוסטסקריפט	איתור תקלות במודלים של למידת מכונה באמצעות לוח בקרה RAI	ML in the Wild	איתור תקלות במודלים של למידת מכונה באמצעות רכיבי לוח הבקרה האחריותית	שיעור	רות יקובו

מצאו את כל המשאבים הנוספים עבור הקורס הזה באוסף Microsoft Learn שלנו

גישה לא מקוונת

אתם יכולים להפעיל תיעוד זה ללא חיבור אינטרנט על ידי שימוש ב-Docsify. עשו Fork לרפוזיטורי הזה, התקינו Docsify במחשב המקומי שלכם, ואז בתיקיית השורש של הרפוזיטורי כתבו docsify serve. האתר יהיה זמין בכתובת localhost בפורט 3000: localhost:3000.

קבצי PDF

מצאו קובץ PDF של תוכנית הלימודים עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדקו:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

למידה מרכזית

---

סדרת Copilot

קבלת עזרה

אם אתה נתקע או יש לך שאלות לגבי בניית אפליקציות בינה מלאכותית. הצטרף ללומדים אחרים ומפתחים מנוסים לדיונים על MCP. זו קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בשפע.

אם יש לך משוב על מוצר או שגיאות במהלך הבנייה בקר ב:

---

הנחיה משפטית:
מסמך זה תורגם באמצעות שירות תרגום בינה מלאכותית Co-op Translator. למרות שאנו שואפים לדיוק, יש להבין כי תרגומים אוטומטיים עלולים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית יש להיחשב כמקור הסמכותי. למידע קריטי מומלץ להשתמש בתרגום מקצועי בידי אדם. אנו לא נישא באחריות לכל אי הבנה או פרשנות שגויה הנובעים משימוש בתרגום זה.