Coursera · סדרה של 5 קורסים

קורס אונליין – תעודה מקצועית מוסמכת בלמידת מכונה של IBM

רמת בינייםרמת קושי
סדרה של 5 קורסיםתעודה
להרשמה בקורסרה ← הקורס הראשון חינם · audit · ללא כרטיס אשראי
קורס אונליין – תעודה מקצועית מוסמכת בלמידת מכונה של IBM

מה תלמדו

17 תחומי ידע

  • כישורים דרושים בתחום הלמידה החישובית
  • בינה מלאכותית ולמידה חישובית
  • קודד פרויקטים משלך
  • הבנה תיאורטית מוצקה ותרגול באלגוריתמים
  • למידה מפוקחת ולא מפוקחת
  • רגרסיה
  • סיווג
  • אשכולות

מיומנויות שתרכשו

3 כישורים מעשיים

  • כלים: Jupyter Notebooks ו-Watson Studio
  • ספריות: Pandas, NumPy, Matplotlib, Seaborn, ipython-sql, Scikit-learn, ScipPy, Keras ו-TensorFlow.
  • אלגוריתמים: למידה מפוקחת ולא מפוקחת, רגרסיה, סיווג, אשכולות, רגרסיה ליניארית, רגרסיית רידג', אלגוריתמים של למידה חישובית (ML), עץ החלטה, למידת עשרות, אנליזת הישרדות, אשכול K-means, DBSCAN, והפחתת ממדי נתונים.
§ סקירת הקורס
01

תיאור הקורס

## תעודה מקצועית - סדרת 6 קורסים התכוננו לקריירה בתחום הלמידה החישובית. בתוכנית זו תלמדו כישורים דרושים כמו בינה מלאכותית ולמידה חישובית כדי **להיות מוכנים לעבודה בפחות מ-3 חודשים.** למידה חישובית היא השימוש והפיתוח של מערכות מחשב היכולות ללמוד ולהתאים את עצמן באמצעות אלגוריתמים ומודלים סטטיסטיים לניתוח והסקת מסקנות מנתונים. **למידה חישובית היא ענף של בינה מלאכותית (AI)** שבו מחשבים מלמדים לחקות אינטליגנציה אנושית ולפתור משימות מורכבות. תפקידים זמינים למי שיש לו ידע בלמידה חישובית כוללים מהנדס למידה חישובית, חוקר NLP ומהנדס נתונים. תוכנית זו כוללת קורסים שמספקים הבנה תיאורטית מוצקה ותרגול רב באלגוריתמים הראשיים, השימושים והאם כי מובילי למידה חישובית. הנושאים המובאים כוללים **למידה מפוקחת ולא מפוקחת, רגרסיה, סיווג, אשכולות, למידה עמוקה ולמידה באמצעות חיזוק.** תלמדו **לקודד פרויקטים משלכם** באמצעות כמה מהמסגרות והספריות הפתוחות הרלוונטיות ביותר, ותיישמו את מה שלמדתם במגוון קורסים על ידי השלמת פרויקט גמר. עם סיום הקורסים, יהיה לכם **תיק עבודות של פרויקטים ותעודה מקצועית** מ-IBM להציג את המומחיות שלכם. תקבלו גם תג דיגיטלי של IBM וגישה למשאבי קריירה שיסייעו לכם בחיפוש העבודה, כולל ראיונות לדוגמה ותמיכה בקורות חיים. ### פרויקט למידה מעשית תעודה מקצועית זו מדגישה את הפיתוח של הכישורים המעשיים הדרושים להתקדמות בקריירת למידה חישובית ולמידה עמוקה. כל הקורסים כוללים סדרת מעבדות מעשיות ופרויקטים סופיים שיסייעו לכם להתמקד בפרויקט ספציפי שמעניין אתכם. במהלך תעודה מקצועית זו, תיחשפו למגוון כלים, ספריות, שירותי ענן, מערכות נתונים, אלגוריתמים, משימות ופרויקטים שיספקו לכם כישורים מעשיים לשימוש בעבודות בתחום הלמידה החישובית. הכישורים הללו כוללים: - **כלים:** Jupyter Notebooks ו-Watson Studio - **ספריות:** Pandas, NumPy, Matplotlib, Seaborn, ipython-sql, Scikit-learn, ScipPy, Keras ו-TensorFlow. - **אלגוריתמים:** למידה מפוקחת ולא מפוקחת, רגרסיה, סיווג, אשכולות, רגרסיה ליניארית, רגרסיית רידג', אלגוריתמים של למידה חישובית (ML), עץ החלטה, למידת עשרות, אנליזת הישרדות, אשכול K-means, DBSCAN, והפחתת ממדי נתונים.
§ תוכן עניינים
02

מבנה הקורס

ניתוח נתונים exploratory עבור למידת מכונה

קורס 1 • 14 שעות • 4.6

פרטי קורס

מה תלמדו

קורס זה מציג לך את למידת מכונה ואת תוכן התעודה המקצועית. במהלך הקורס תבין את החשיבות של נתונים איכותיים. תלמד טכניקות נפוצות לאיסוף נתונים, ניקוי שלהם, שימוש בהנדסת תכונות, ולהכינם לניתוח ראשוני ולבדיקות השערות.

  • לאסוף נתונים ממקורות שונים: SQL, מסדי נתונים NoSQL, APIs, ענן
  • לתאר ולהשתמש בטכניקות נפוצות בבחירת תכונות והנדסת תכונות
  • לטפל בתכונות קטגוריות ודירוגים, כמו גם בערכים חסרים
  • להשתמש במגוון טכניקות לזיהוי וטיפול בערכים חריגים
  • להסביר מדוע שינוי המידות הוא חשוב ולהשתמש במגוון טכניקות לשינוי מידות

מי צריך לקחת קורס זה?

קורס זה מיועד למי שמעוניינים להיות מדעני נתונים ומחפשים לרכוש ניסיון מעשי בלמידת מכונה ובינה מלאכותית בהגדרות עסקיות.

כישורים שתרכוש

  • קטגוריה: ניתוח אשכולות
  • קטגוריה: הפחתת ממדי
  • קטגוריה: למידה לא מפוקחת
  • קטגוריה: ניתוח רכיב עיקרי (PCA)
  • קטגוריה: אשכול K Means

למידת מכונה מפוקחת: רגרסיה

קורס 2 • 20 שעות • 4.7

פרטי קורס

מה תלמדו

קורס זה מציג לך אחד מסוגי הדגם המרכזיים בלמידה מפוקחת: רגרסיה. תלמד כיצד לאמן מודלים של רגרסיה כדי לחזות תוצאות רציפות וכיצד להשתמש במדדי שגיאה כדי להשוות בין מודלים שונים.

  • להבחין בין השימושים והיישומים של סיווג ורגרסיה
  • לתאר ולהשתמש במודלים של רגרסיה ליניארית
  • להשתמש ברגרסיות רגולריזציה: Ridge, LASSO ו-Elastic net

מי צריך לקחת קורס זה?

קורס זה מיועד למי שמעוניינים להיות מדעני נתונים ומחפשים לרכוש ניסיון מעשי בטכניקות של רגרסיה בלמידת מכונה מפוקחת בהגדרות עסקיות.

כישורים שתרכוש

  • קטגוריה: למידה לא מפוקחת
  • קטגוריה: אלגוריתמים של למידת מכונה (ML)
  • קטגוריה: למידה מפוקחת
  • קטגוריה: אלגוריתמים של סיווג
  • קטגוריה: עץ החלטות

למידת מכונה מפוקחת: סיווג

קורס 3 • 24 שעות • 4.8

פרטי קורס

מה תלמדו

קורס זה מציג לך אחד מהסוגים המרכזיים של משפחת המודלים של למידת מכונה מפוקחת: סיווג. תלמד כיצד לאמן מודלים חיזויים כדי לסווג תוצאות קטגוריות.

  • להבחין בין השימושים והיישומים של סיווג ואנסמבלים של סיווג
  • לתאר ולהשתמש במודלים של רגרסיה לוגיסטית
  • להשתמש במגוון מדדי שגיאה כדי להשוות ולבחור את מודל הסיווג המתאים ביותר לנתונים שלך

מי צריך לקחת קורס זה?

קורס זה מיועד למי שמעוניינים להיות מדעני נתונים ומחפשים לרכוש ניסיון מעשי בטכניקות סיווג בלמידת מכונה מפוקחת בהגדרות עסקיות.

כישורים שתרכוש

  • קטגוריה: רשתות עצביות מלאכותיות
  • קטגוריה: ניתוח נתונים
  • קטגוריה: תכנות Python
  • קטגוריה: למידה מפוקחת
  • קטגוריה: למידת מכונה לא מפוקחת

למידת מכונה לא מפוקחת

קורס 4 • 23 שעות • 4.7

פרטי קורס

מה תלמדו

קורס זה מציג לך אחד מסוגי הלמידה המרכזיים בלמידת מכונה: למידה לא מפוקחת. תלמד כיצד למצוא תובנות מקבוצות נתונים שאין להם משתנה מטרה או מסווג.

  • להסביר את סוגי הבעיות המתאימות לגישות של למידה לא מפוקחת
  • לתאר ולהשתמש באלגוריתמים נפוצים של אשכולות והפחתת ממדים

מי צריך לקחת קורס זה?

קורס זה מיועד למי שמעוניינים להיות מדעני נתונים ומחפשים לרכוש ניסיון מעשי בטכניקות למידה לא מפוקחת בהגדרות עסקיות.

כישורים שתרכוש

  • קטגוריה: רשתות עצביות מלאכותיות
  • קטגוריה: למידה מחזקת
  • קטגוריה: למידת מכונה
  • קטגוריה: למידה עמוקה
  • קטגוריה: keras

למידה עמוקה ולמידה מחוזקת

קורס 5 • 31 שעות • 4.6

פרטי קורס

מה תלמדו

קורס זה מציג לך שתי מההתמחויות הכי מבוקשות בלמידת מכונה: למידה עמוקה ולמידה מחוזקת.

  • להסביר את ספקי הבעיות המתאימים לגישות למידה לא מפוקחת
  • לפרט ולהשתמש באלגוריתמים נפוצים להס clustering והפחתת ממדים

מי צריך לקחת קורס זה?

קורס זה מיועד למי שמעוניינים להיות מדעני נתונים ומחפשים לרכוש ניסיון מעשי בלמידה עמוקה ולמידה מחוזקת.

כישורים שתרכוש

  • קטגוריה: רגרסיה ליניארית
  • קטגוריה: אלגוריתמים של למידת מכונה (ML)
  • קטגוריה: רגרסיה Ridge
  • קטגוריה: למידה מפוקחת
  • קטגוריה: ניתוח רגרסיה

ראיתם את הקורס. מוכנים להירשם?

מעבר לקורסרה · הקורס הראשון פתוח לצפייה חינם · ביטול בכל שלב

לפרטים נוספים והרשמה בקורסרה ←
§ עוזרים להתחיל

3 וידאוים קצרים לפני שנרשמים לקורס.

לפני שאתם מוציאים כרטיס אשראי — קחו 6 דקות. סבר על Coursera, איך נרשמים, ואיך התעודה משתלבת בלינקדאין שלכם.

צפו · 2 דק'

מה זה Coursera?

סקירה קצרה של פלטפורמת הלימוד הגדולה בעולם — מי מאחוריה, איך התעודות מוכרות, ומה ההבדל מ-Udemy ו-edX.

צפו בסרטון ←
צפו · 2 דק'

איך נרשמים ב-2 דקות

הדגמה ויזואלית של תהליך ההרשמה — מהקלקה על "להרשמה" ועד תחילת הקורס הראשון. כולל אופציית audit חינמי.

צפו בסרטון ←
צפו · 2 דק'

איך מכניסים את התעודה ל-LinkedIn

הוספת התעודה כ-License & Certification בפרופיל לינקדאין, עם קישור ל-Coursera שמעלים את הקרדיביליות.

צפו בסרטון ←

מוכנים להתחיל?

הקורס מחכה. התעודה מחכה.

הקורס זמין ב-Coursera. הקורס הראשון בסדרה פתוח לצפייה ללא תשלום.

⚠ MSL הוא קטלוג קורסים — לא ספק הקורס. הקורס מתפרסם ומנוהל דרך פלטפורמת Coursera. תוכן הקורס, עלויות, תעודות, ותנאי שימוש — באחריות Coursera והמרצים. MSL מציג את המידע מתוך מטרה לעזור לגולש לבחור, ולא מספק את הקורס עצמו.