🌐 תמיכה בריבוי שפות

נתמך באמצעות GitHub Action (אוטומטי ותמיד מעודכן)

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

הצטרפו לקהילה שלנו

יש לנו סדרת לימוד ב-Discord בנושא למידה עם AI, למדו עוד והצטרפו אלינו ב-Learn with AI Series מ-18 עד 30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot למדעי הנתונים.

למידת מכונה למתחילים - תוכנית לימודים

🌍 טוסו מסביב לעולם כשאנו חוקרים למידת מכונה באמצעות תרבויות העולם 🌍

הסנגורים לענן במיקרוסופט שמחים להציע תוכנית לימודים בת 12 שבועות, 26 שיעורים, הכוללת את כל מה שקשור ללמידת מכונה. בתוכנית זו תלמדו על מה שלפעמים נקרא למידת מכונה קלאסית, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, הנלמדת בתוכנית שלנו AI for Beginners. שלבו את השיעורים האלה עם תוכנית 'Data Science for Beginners' שלנו!

טוסו איתנו מסביב לעולם כשאנו מיישמים את הטכניקות הקלאסיות הללו על נתונים מאזורים רבים בעולם. כל שיעור כולל מבחני קדם-שיעור ואחריו, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הפדגוגיה מבוססת הפרויקטים שלנו מאפשרת לכם ללמוד תוך כדי בנייה, דרך מוכחת להטמעת מיומנויות חדשות.

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

🎨 תודה גם למאיירים שלנו טומומי אימורה, דסאני מדיפאלי, וג'ן לופר

🙏 תודה מיוחדת 🙏 למחברי, מבקרי התוכן ותורמי התוכן של שגרירי הסטודנטים של מיקרוסופט, במיוחד רישיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן ראג', אלכסנדרו פטרסקו, אבישק ג'ייסוואל, נאורין טבאסום, יואן סמיולה, וסניגדה אגרוואל

🤩 תודה נוספת לשגרירי הסטודנטים של מיקרוסופט אריק ואנג'או, ג'סלין סונדי ווידושי גופטה על שיעורי R שלנו!

התחלה

עקבו אחר השלבים הבאים:

1. פיצול המאגר: לחצו על כפתור "Fork" בפינה הימנית העליונה של הדף.
2. שכפול המאגר: git clone https://github.com/microsoft/ML-For-Beginners.git

מצאו את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

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

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

• התחילו במבחן קדם-הרצאה.
• 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, הקוד זמין בתיקיות /solution בכל שיעור מבוסס פרויקט.
• עברו את מבחן לאחר ההרצאה.
• השלימו את האתגר.
• השלימו את המשימה.
• לאחר השלמת קבוצת שיעורים, בקרו ב-לוח הדיונים ו"למדו בקול" על ידי מילוי טופס PAT המתאים. 'PAT' הוא כלי הערכת התקדמות שהוא טופס שאתם ממלאים להעמקת הלמידה. ניתן גם להגיב ל-PATים אחרים כדי שנלמד יחד.

ללימוד נוסף, אנו ממליצים לעקוב אחרי מודולים ונתיבי למידה אלה של Microsoft Learn.

מורים, כללנו כמה הצעות כיצד להשתמש בתוכנית זו.

---

סרטוני הדרכה

חלק מהשיעורים זמינים כסרטוני וידאו קצרים. ניתן למצוא את כולם בתוך השיעורים, או ברשימת ההשמעה 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 לסרטון על הפרויקט והאנשים שיצרו אותו!

---

פדגוגיה

בחרנו שני עקרונות פדגוגיים בבניית תוכנית זו: להבטיח שהיא מבוססת פרויקטים וכוללת מבחנים תכופים. בנוסף, לתוכנית יש נושא משותף שמעניק לה אחידות.

על ידי התאמת התוכן לפרויקטים, התהליך נעשה מעניין יותר לסטודנטים והטמעת המושגים תוגבר. בנוסף, מבחן קל לפני השיעור מגדיר את כוונת הסטודנט ללמוד נושא, בעוד שמבחן שני לאחר השיעור מבטיח הטמעה נוספת. תוכנית זו עוצבה להיות גמישה ומהנה וניתן ללמוד אותה בשלמותה או בחלקים. הפרויקטים מתחילים קטנים והופכים למורכבים יותר לקראת סוף מחזור 12 השבועות. לתוכנית זו מצורף גם פרק סיום על יישומים בעולם האמיתי של למידת מכונה, שניתן להשתמש בו כקרדיט נוסף או כבסיס לדיון.

מצאו את קוד ההתנהגות, הנחיות לתרומה, הנחיות לתרגום ומדריך פתרון בעיות. נשמח למשוב בונה!

כל שיעור כולל

• שרטוט אופציונלי
• וידאו משלים אופציונלי
• סרטון הדרכה (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 כתובים בעיקר בפייתון, אך רבים זמינים גם ב-R. כדי להשלים שיעור ב-R, גשו לתיקיית /solution וחפשו שיעורי R. הם כוללים סיומת .rmd המייצגת קובץ R Markdown שניתן להגדירו כהטמעת חתיכות קוד (של R או שפות אחרות) וכותרת YAML (המנחה כיצד לעצב פלטים כמו PDF) במסמך Markdown. כך, הוא משמש כמסגרת כתיבה מצוינת למדעי הנתונים, שכן הוא מאפשר לשלב את הקוד, הפלט והמחשבות שלכם על ידי כתיבתם ב-Markdown. בנוסף, ניתן להמיר מסמכי R Markdown לפורמטים כמו PDF, HTML או Word.

הערה לגבי מבחנים: כל המבחנים נמצאים בתיקיית Quiz App, הכוללת 52 מבחנים עם שלוש שאלות כל אחד. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית המבחנים מקומית; עקבו אחר ההוראות בתיקיית quiz-app לאירוח מקומי או פריסה ב-Azure.

מספר השיעור	נושא	קבוצת שיעורים	מטרות הלמידה	שיעור מקושר	מחבר
01	מבוא ללמידת מכונה	Introduction	למדו את המושגים הבסיסיים שמאחורי למידת מכונה	Lesson	מוחמד
02	ההיסטוריה של למידת מכונה	Introduction	למדו את ההיסטוריה שמאחורי התחום	Lesson	ג'ן ואיימי
03	הוגנות ולמידת מכונה	Introduction	מהם הנושאים הפילוסופיים החשובים סביב הוגנות שעל הסטודנטים לקחת בחשבון בעת בנייה ויישום של מודלים בלמידת מכונה?	Lesson	טומומי
04	טכניקות ללמידת מכונה	Introduction	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלים?	Lesson	כריס וג'ן
05	מבוא לרגרסיה	Regression	התחילו עם פייתון ו-Scikit-learn למודלי 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 ליניארית 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 וקסי • אריק ואנג'או
11	מטבחים אסייתיים והודיים טעימים 🍜	Classification	מבוא לממיינים	Python • R	ג'ן וקסי • אריק ואנג'או
12	מטבחים אסייתיים והודיים טעימים 🍜	Classification	עוד ממיינים	Python • R	ג'ן וקסי • אריק ואנג'או
13	מטבחים אסייתיים והודיים טעימים 🍜	Classification	בניית אפליקציית ווב להמלצות באמצעות המודל שלך	Python	ג'ן
14	מבוא לאשכולות	Clustering	ניקוי, הכנה, ויזואליזציה של הנתונים; מבוא לאשכולות	Python • R	ג'ן • אריק ואנג'או
15	חקר טעמים מוזיקליים בניגריה 🎧	Clustering	חקר שיטת אשכולות K-Means	Python • R	ג'ן • אריק ואנג'או
16	מבוא לעיבוד שפה טבעית ☕️	Natural language processing	למדו את היסודות של עיבוד שפה טבעית על ידי בניית בוט פשוט	Python	סטיבן
17	משימות נפוצות בעיבוד שפה טבעית ☕️	Natural language processing	העמיקו את הידע שלכם בעיבוד שפה טבעית על ידי הבנת משימות נפוצות הנדרשות בעת עבודה עם מבני שפה	Python	סטיבן
18	תרגום וניתוח סנטימנט ♥️	Natural language processing	תרגום וניתוח סנטימנט עם ג'יין אוסטן	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 לחיזוי סדרות זמן	Time series	מבוא לחיזוי סדרות זמן	Python	פרנצ'סקה
22	⚡️ שימוש עולמי באנרגיה ⚡️ - חיזוי סדרות זמן עם ARIMA	Time series	חיזוי סדרות זמן עם ARIMA	Python	פרנצ'סקה
23	⚡️ שימוש עולמי באנרגיה ⚡️ - חיזוי סדרות זמן עם SVR	Time series	חיזוי סדרות זמן עם רגרסור וקטור תמיכה	Python	אנירבן
24	מבוא ללמידה מחזקת	Reinforcement learning	מבוא ללמידה מחזקת עם Q-Learning	Python	דמיטרי
25	עזרו לפיטר להימנע מהזאב! 🐺	Reinforcement learning	למידת מחזקת Gym	Python	דמיטרי
Postscript	תרחישים ויישומים של למידת מכונה בעולם האמיתי	ML in the Wild	יישומים מעניינים וחושפניים של למידת מכונה קלאסית	Lesson	צוות
Postscript	איתור באגים במודלים של למידת מכונה באמצעות לוח בקרה RAI	ML in the Wild	איתור באגים במודלים של למידת מכונה באמצעות רכיבי לוח בקרה של Responsible AI	Lesson	רות יקובו

מצא את כל המשאבים הנוספים לקורס זה באוסף Microsoft Learn שלנו

גישה לא מקוונת

אתה יכול להפעיל תיעוד זה במצב לא מקוון באמצעות Docsify. פצל את המאגר הזה, התקן את Docsify במחשב המקומי שלך, ואז בתיקיית השורש של המאגר הזה, הקלד docsify serve. האתר יוגש על פורט 3000 ב-localhost שלך: localhost:3000.

קבצי PDF

מצא קובץ PDF של תוכנית הלימודים עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדוק:

LangChain

---

Azure / Edge / MCP / Agents

---

סדרת AI גנרטיבי

---

למידה בסיסית

---

סדרת קופיילוט

קבלת עזרה

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

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

---

כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. למרות שאנו שואפים לדיוק, יש לקחת בחשבון כי תרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפת המקור שלו נחשב למקור הסמכותי. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי אדם. אנו לא נושאים באחריות לכל אי-הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה.