README.md

🌐 תמיכה מרובת 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

מעדיפים לשכפל מקומית?

מאגר זה כולל יותר מ-50 תרגומים לשפות שונות, מה שמגדיל משמעותית את גודל ההורדה. כדי לשכפל ללא תרגומים, השתמשו ב-sparse checkout:

Bash / macOS / Linux:

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'

CMD (Windows):

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"

כך תקבלו את כל מה שצריך כדי להשלים את הקורס במהירות רבה יותר.

הצטרפו לקהילה שלנו

יש לנו סדרת לימוד ב-Discord על בינה מלאכותית שמתמשכת, למדו עוד והצטרפו אלינו ב-Learn with AI Series מה-18 עד ה-30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot עבור מדעי הנתונים.

למידת מכונה למתחילים - תוכנית לימודים

🌍 טיול ברחבי העולם אנו חוקרים למידת מכונה דרך תרבויות עולם 🌍

ה-cloud advocates של מיקרוסופט שמחים להציע תוכנית לימודים בת 12 שבועות, הכוללת 26 שיעורים על למידת מכונה. בתוכנית זו תלמדו על מה שלפעמים נקרא למידת מכונה קלאסית, תוך שימוש בעיקר בספריית Scikit-learn והימנעות מלמידה עמוקה, שנלמדת בתוכנית שלנו ל-AI למתחילים. ניתן לשלב שיעורים אלו עם תוכנית ה-'מדעי נתונים למתחילים'.

טיילו איתנו ברחבי העולם כאשר אנו מיישמים את הטכניקות הקלאסיות האלה על נתונים מאזורים שונים בעולם. כל שיעור כולל מבחני קדם-ואחר-שיעור, הוראות כתובות להשלמת השיעור, פתרון, משימה ועוד. הפדגוגיה מבוססת הפרויקטים מאפשרת ללמוד תוך כדי בנייה, שיטה מוכחת לספיגה טובה של מיומנויות חדשות.

✍️ תודה מעומק הלב למחברי השיעורים ג'ן לופר, סטיבן הוול, פרנצ'סקה לזרי, טומומי אימורה, קשי ברוויו, דמיטרי סושניקוב, כריס נורינג, אנירבן מוקהרג'י, אורנלה אלטוניאן, רות יקובו ואיימי בויד

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

🙏 תודה מיוחדת 🙏 למחברי התוכן, הבודקים ויועצי התוכן של שגרירי הסטודנטים של מיקרוסופט, ובפרט רשיט דגלי, מוחמד סאקיב חאן אינאן, רוהאן ראג', אלכסנדרו פטרסקו, אבישק ג'איסוואל, נוארין טובאסום, יואן סמואילה וסינגדה אגרוואל

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

איך להתחיל

עקבו אחר השלבים האלה:

1. בצעו Fork למאגר: לחצו על כפתור ה-"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 לפתרונות לבעיות נפוצות בהתקנה, בהגדרה ובהפעלת השיעורים.

סטודנטים, לשימוש בתוכנית זו, בצעו fork למאגר כולו לחשבון ה-GitHub האישי שלכם והשלימו את התרגילים לבד או בקבוצה:

• התחילו במבחן קדם-הרצאה.
• קראו את ההרצאה והשלימו את הפעילויות, עצרו והרהרו בכל נקודת בדיקת ידע.
• נסו ליצור את הפרויקטים באמצעות הבנת השיעורים במקום להריץ את קוד הפתרון; עם זאת, הקוד זמין בספריות /solution בכל שיעור שעוסק בפרויקטים.
• עברו מבחן אחר-הרצאה.
• השלימו את האתגר.
• השלימו את המשימה.
• לאחר סיום קבוצת שיעורים, בקרו ב-לוח הדיונים ו"למדו בקול רם" על ידי מילוי סרגל PAT המתאים. 'PAT' הוא כלי הערכת התקדמות שיש למלא כדי להעמיק את הלמידה. ניתן גם להגיב ל-PATs אחרים כדי ללמוד יחד.

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

מורים, כללנו הצעות לשימוש בתוכנית זו.

---

סרטוני הדרכה

חלק מהשיעורים זמינים כסרטונים קצרים. ניתן למצוא את כל אלה בתוך השיעורים או ברשימת ההשמעה ML for Beginners בערוץ מיקרוסופט דבלופר ביוטיוב על ידי לחיצה על התמונה למטה.

---

הכירו את הצוות

Gif על-ידי Mohit Jaisal

🎥 לחצו על התמונה למעלה לסרטון על הפרויקט והאנשים שיצרו אותו!

---

פדגוגיה

בחרנו בשני עקרונות פדגוגיים בעת בניית תוכנית הלימודים הזו: להבטיח שהיא מבוססת פרויקטים מעשיים וכוללת מבחנים תכופים. בנוסף, לתוכנית זו יש נושא משותף שנותן לה אחידות.

על ידי התאמת התוכן לפרויקטים, התהליך נעשה מעניין יותר עבור התלמידים ושימור המושגים משופר. בנוסף, מבחן בעל סיכון נמוך לפני השיעור מציב את הכוונה של התלמיד ללמוד נושא מסוים, בעוד שמבחן שני לאחר השיעור מבטיח שימור נוסף. תוכנית זו עוצבה להיות גמישה ומהנה וניתן לקחת אותה בשלמותה או בחלקים. הפרויקטים מתחילים קטנים והופכים למורכבים יותר עד לסיום מחזור ה-12 שבועות. לתוכנית זו יש גם פוסטסקריפט על יישומים עכשוויים של למידת מכונה בעולם האמיתי, שניתן להשתמש בו כזיכוי נוסף או כבסיס לדיון.

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

כל שיעור כולל

• שרטוט אופציונלי
• וידאו תומך אופציונלי
• סרטון הדרכה (בחלק מהשיעורים בלבד)
• מבחן חימום לפני ההרצאה
• שיעור כתוב
• להוראות מבוססות פרויקטים, מדריכים שלב-אחר-שלב לבניית הפרויקט
• בדיקות ידע
• אתגר
• קריאה משלימה
• משימה
• מבחן לאחר ההרצאה

הערה לגבי שפות: שיעורים אלה נכתבים בעיקר בפייתון, אך רבים מהם זמינים גם ב-R. כדי להשלים שיעור ב-R, עברו לתיקיית /solution וחפשו את השיעורים ב-R. הם כוללים סיומת .rmd, שמייצגת קובץ R Markdown, שניתן להגדירו כפשוטו כהטמעת חתיכות קוד (של R או שפות אחרות) וכותרת YAML (המדריכה כיצד לעצב פלטים כמו PDF) בתוך מסמך Markdown. כך, הוא משמש כמסגרת כתיבה מצוינת למדעי נתונים, ומאפשר לשלב את הקוד, הפלט והמחשבות שלכם באמצעות כתיבה ב-Markdown. בנוסף, ניתן להמיר קובצי R Markdown לפורמטים כמו PDF, HTML או Word. הערה לגבי חידונים: כל החידונים נמצאים בתיקיית Quiz App, הכוללת 52 חידונים בסך הכל עם שלוש שאלות בכל אחד. הם מקושרים מתוך השיעורים אך ניתן להריץ את אפליקציית החידונים באופן מקומי; עקוב אחרי ההוראות בתיקיית quiz-app לארח או לפרוס ב-Azure באופן מקומי.

מספר השיעור	נושא	קבוצת השיעור	מטרות הלמידה	שיעור מקושר	המחבר
01	מבוא ללמידת מכונה	Introduction	ללמוד את המושגים הבסיסיים מאחורי למידת מכונה	שיעור	מוחמד
02	ההיסטוריה של למידת מכונה	Introduction	ללמוד את ההיסטוריה הבסיסית של התחום	שיעור	ג'ן ואיימי
03	צדק ולמידת מכונה	Introduction	מהם הנושאים הפילוסופיים החשובים סביב צדק שהסטודנטים צריכים לקחת בחשבון בעת בניית והפעלת מודלים של למידת מכונה?	שיעור	טומומי
04	טכניקות ללמידת מכונה	Introduction	אילו טכניקות חוקרי למידת מכונה משתמשים כדי לבנות מודלי למידה?	שיעור	כריס וג'ן
05	מבוא לרגרסיה	Regression	התחלה עם Python ו-Scikit-learn עבור מודלי רגרסיה	Python • R	ג'ן • אריק וואנגיו
06	מחירי דלעות בצפון אמריקה 🎃	Regression	להמחיש ולנקות נתונים כהכנה ללמידת מכונה	Python • R	ג'ן • אריק וואנגיו
07	מחירי דלעות בצפון אמריקה 🎃	Regression	לבנות מודלי רגרסיה ליניאריים ופולינומיים	Python • R	ג'ן ודמיטרי • אריק וואנגיו
08	מחירי דלעות בצפון אמריקה 🎃	Regression	לבנות מודל רגרסיה לוגיסטית	Python • R	ג'ן • אריק וואנגיו
09	אפליקציית ווב 🔌	Web App	לבנות אפליקציית ווב לשימוש במודל שאומן	Python	ג'ן
10	מבוא למיון	Classification	לנקות, להכין ולהמחיש את הנתונים; מבוא למיון	Python • R	ג'ן וקסי • אריק וואנגיו
11	מטבחים אסייתיים והודיים טעימים 🍜	Classification	מבוא לממיינים	Python • R	ג'ן וקסי • אריק וואנגיו
12	מטבחים אסייתיים והודיים טעימים 🍜	Classification	עוד ממיינים	Python • R	ג'ן וקסי • אריק וואנגיו
13	מטבחים אסייתיים והודיים טעימים 🍜	Classification	לבנות אפליקציית ווב להמלצה באמצעות המודל שלך	Python	ג'ן
14	מבוא לקיבוץ	Clustering	לנקות, להכין ולהמחיש את הנתונים; מבוא לקיבוץ	Python • R	ג'ן • אריק וואנגיו
15	חקירת טעמים מוזיקליים ניגריים 🎧	Clustering	לחקור את שיטת הקיבוץ K-Means	Python • R	ג'ן • אריק וואנגיו
16	מבוא לעיבוד שפה טבעית ☕️	Natural language processing	ללמוד את היסודות של עיבוד שפה טבעית על ידי בניית בוט פשוט	Python	סטיבן
17	משימות נפוצות ב-NLP ☕️	Natural language processing	להעמיק את הידע ב-NLP תוך הבנת משימות נפוצות הנדרשות בעת טיפול במבני שפה	Python	סטיבן
18	תרגום וניתוח רגשות ♥️	Natural language processing	תרגום וניתוח רגשות עם ג'יין אוסטין	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	פרנססקה
22	⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם ARIMA	Time series	חיזוי סדרות זמן עם ARIMA	Python	פרנססקה
23	⚡️ שימוש חשמל עולמי ⚡️ - חיזוי סדרות זמן עם SVR	Time series	חיזוי סדרות זמן עם Support Vector Regressor	Python	אנירבן
24	מבוא ללמידת חיזוק	Reinforcement learning	מבוא ללמידת חיזוק עם Q-Learning	Python	דמיטרי
25	עזור לפיטר להימנע מהזאב! 🐺	Reinforcement learning	למידת חיזוק ב-Gym	Python	דמיטרי
פרספיקטיבה	תרחישים ויישומים בעולם האמיתי של למידת מכונה	ML in the Wild	יישומים מעניינים ומרתקים של למידת מכונה קלאסית בעולם האמיתי	שיעור	צוות
פרספיקטיבה	איתור תקלות במודל בלמידת מכונה באמצעות לוח מחוונים RAI	ML in the Wild	איתור תקלות במודלים של למידת מכונה באמצעות לוח מחוונים של Responsible AI	שיעור	רות יקובו

מצא את כל המשאבים הנוספים לקורס זה באוספת Microsoft Learn שלנו

גישה לא מקוונת

ניתן להפעיל את התיעוד הזה באופן לא מקוון באמצעות Docsify. עבור למאגר זה, התקן את Docsify התקנת Docsify במחשב המקומי שלך, ואז בתיקיית השורש של המאגר הקלד docsify serve. האתר יופעל על הפורט 3000 ב-localhost שלך: localhost:3000.

קבצי PDF

מצא PDF של תכנית הלימודים עם קישורים כאן.

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדוק:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

לימוד ליבה

---

סדרת Copilot

לקבלת עזרה

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

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

טיפים ללמידה נוספת

• לעבור על המחברות לאחר כל שיעור להבנה טובה יותר.
• לתרגל יישום אלגוריתמים בעצמך.
• לחקור מערכי נתונים מהעולם האמיתי באמצעות המושגים שנלמדו.

---

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