אודסיטי · Nanodegree · 7 קורסים · 94 שעות
מסלול Nanodegree בהנדסת למידת מכונה ב-AWS (ML) — אודסיטי
המסלול מורכב משבעה קורסים ברצף: מבוא ללמידת מכונה · פיתוח תהליך העבודה הראשון שלך בלמידת מכונה · נושאים בלמידה עמוקה: ראייה ממוחשבת ועיבוד שפה · תפעול למידת מכונה ב-SageMaker · ובסוף קפסטון — בניית תיק עבודות בלמידת מכונה.
"מסלול-המשך להנדסת למידת מכונה ב-AWS, למי שכבר כותב פייתון ברמת ביניים ומכיר AWS ו-Jupyter — לא הכשרה מאפס ולא הכשרה לענן אחר. בקצב של אדם עובד: כמה חודשים לפי הקצב שלך, ושישה פרויקטים של מודלים שמועברים לייצור."
סרטון קצר על אודסיטי · 2:41
94ש׳
משך רשמי
ביניים
רמת כניסה
7 · 6
קורסים · פרויקטים
4.7★
58 מדרגים
3–4חוד׳
עד סיום · שלנו
הרשמה ותמחור מתבצעים אצל אודסיטי · קישור שיווקי · אנחנו לא מוכרים את הקורס
בשורה אחת
חמש שאלות, חמש תשובות
אם אין לך זמן לקרוא את כל העמוד — אלה התשובות שמספיקות כדי להחליט.
למי זה
מי שכבר כותב פייתון ברמת ביניים, מכיר AWS ומחברות Jupyter, ורוצה להעביר מודלים לייצור בענן.
מה יוצא ביד
מחברת Jupyter ודוח תחרות, מודל סיווג תמונות שנפרס ב-SageMaker, ופרויקט גמר שאתה בוחר בעצמך.
כמה זמן באמת
94 שעות רשמיות; בקצב של 6 עד 8 שעות בשבוע זה שלושה עד ארבעה חודשים.
איפה זה ממקם אותך
בעבודה מסוג מהנדס למידת-מכונה — אימון, פריסה, אוטומציה וניטור של מודלים על AWS.
מה חסר
הכול מרותק ל-AWS, התוכן וההגשות באנגלית, ויש שבע דרישות-קדם רשמיות לפני שמתחילים.
המסגרת במספרים
94 שעות, ומה שיוצא מהן
אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר. נמדדו ב-7.9.2026.
94
שעות רשמיות
בקצב של 6 עד 8 שעות בשבוע — חודשים, לפי הקצב שלך
7
קורסים
22
שיעורים
6
פרויקטים
4.7
58 מדרגים
8.2025
עודכן
3–4
עד סיום · שלנו
מסלול הלימוד
שבעה קורסים ברצף אחד
אורך העמודה מציג את יחס השעות בין הקורסים. פתח קורס כדי לראות כל שיעור בשמו.
קורס 1
ברוכים הבאים למסלול הנדסת למידת מכונה ב-AWS
0.8ש׳
קורס 2
מבוא ללמידת מכונה
17.8ש׳
קורס 3
פיתוח תהליך העבודה הראשון שלך בלמידת מכונה
14.8ש׳
קורס 4
נושאים בלמידה עמוקה: ראייה ממוחשבת ועיבוד שפה
14.8ש׳
קורס 5
תפעול למידת מכונה ב-SageMaker
17.8ש׳
קורס 6
קפסטון — בניית תיק עבודות בלמידת מכונה
28ש׳
קורס 7
מזל טוב!
0.2ש׳
1ברוכים הבאים למסלול הנדסת למידת מכונה בAWS — 0.8 שעות
- היכרות עם מסלול ה-Nanodegree שלך — למה לצפות בתוכנית ואיך להצליח בה.
- איך לקבל עזרה — חמש דקות קריאה על הדרכים לקבל עזרה בפרויקטים ובתוכן.
2מבוא ללמידת מכונה17.8 שעות
- מבוא ללמידת מכונה — סקירת הרקע המרכזי והכנה להמשך הקורס.
- ניתוח נתונים חוקר — גישה למאגרי נתונים ב-S3 דרך SageMaker Studio, הנדסת מאפיינים עם Data Wrangler ו-Pandas ותיוג נתונים חדשים עם SageMaker Ground Truth.
- מושגים בלמידת מכונה — מחזור החיים של למידת מכונה, ההבדל בין למידה מונחית ללא-מונחית, ושיטות רגרסיה וסיווג.
- תהליך פריסת מודל — טעינת מאגר נתונים, ניקוי ויצירת מאפיינים, אימון מודל עם scikit-learn, הערכה וכוונון היפר-פרמטרים.
- אלגוריתמים וכלים — אימון, בדיקה ואופטימיזציה של מודלים ליניאריים, מבוססי-עצים, XGBoost ו-AutoGluon Tabular, ויצירת מודל ב-SageMaker Jumpstart.
- פרויקטחיזוי ביקוש להשכרת אופניים עם AutoGluon
3פיתוח תהליך העבודה הראשון שלך בלמידת מכונה14.8 שעות
- מבוא לפיתוח תהליכי למידת מכונה — היכרות עם הקורס: דרישות קדם, פרויקט הסיום, בעלי העניין וסביבת העבודה.
- יסודות SageMaker — השירותים המרכזיים: משימות אימון, נקודות-קצה, טרנספורמציות אצווה ומשימות עיבוד.
- תכנון תהליך העבודה הראשון שלך — תהליכי למידת מכונה וכלים כמו Lambda ו-Step Functions לבניית תהליך.
- ניטור תהליך למידת מכונה — ניטור בריאות הנתונים והמודלים בעזרת שירותי AWS שימושיים.
- פרויקטבניית תהליך למידת מכונה עבור Scones Unlimited ב-SageMaker
4נושאים בלמידה עמוקה: ראייה ממוחשבת ועיבוד שפה14.8 שעות
- מבוא לנושאים בלמידה עמוקה בראייה ממוחשבת ובעיבוד שפה — רקע על התחום והכנה להמשך הקורס.
- מבוא ללמידה עמוקה — רשתות נוירונים, פונקציות עלות, אופטימיזציה ואימון של רשת.
- סוגי ארכיטקטורות מודל נפוצים וכוונון עדין — ארכיטקטורות מודל, קונבולוציות וכוונון עדין.
- פריסת מודלים של למידה עמוקה ב-SageMaker — יישום כל מה שנלמד על למידה עמוקה בתוך AWS SageMaker.
- פרויקטסיווג תמונות ב-AWS SageMaker
5תפעול למידת מכונה בSageMaker — 17.8 שעות
- מבוא לתפעול למידת מכונה ב-SageMaker — סקירת הנושאים ומבנה הקורס, ומה בדיוק אומר תפעול של למידת מכונה.
- ניהול משאבי מחשוב בחשבונות AWS לניצול יעיל — הורדת עלויות והפקת יותר מפחות משאבים.
- אימון מודלים על מאגרי נתונים גדולים באמצעות אימון מבוזר — מודלים מבוזרים, נתונים מבוזרים והמיומנויות שנדרשות לכך.
- בניית צינורות למודלים בתפוקה גבוהה ובהשהיה נמוכה — הכנת הפרויקט לתעבורה גבוהה ולעיכובי-זמן מזעריים.
- תכנון פרויקטי למידת מכונה מאובטחים ב-AWS — אבטחה, שהיא קריטית לכל פרויקט למידת מכונה גדול.
- פרויקטתפעול פרויקט למידת מכונה ב-AWS
6קפסטוןבניית תיק עבודות בלמידת מכונה — 28 שעות
- פרויקט הגמר של מהנדס למידת מכונה — פתרון בעיה מהעולם האמיתי בעזרת כל מה שנלמד בתוכנית.
- פרויקטקפסטון בלמידת מכונה
7מזל טוב!0.2 שעות
- מזל טוב! — ברכות על סיום התוכנית וחגיגת ההישג.
מה יישאר לך ביד
6 פרויקטים שמוגשים לבדיקה
כל פרויקט משויך לשיעור מסומן בסילבוס, ובסופו מגישים אותו לבדיקה.
- 01
מבוא ללמידת מכונה
חיזוי ביקוש להשכרת אופניים עם AutoGluon
השגת דירוג בתחרות Kaggle ("achieved a rank within Kaggle") — תנאי לסיום הפרויקט.
- 02
פיתוח תהליך העבודה הראשון שלך בלמידת מכונה
בניית תהליך למידת מכונה עבור Scones Unlimited ב-SageMaker
מודל סיווג תמונות שנבנה ונשלח לייצור עבור חברת לוגיסטיקה בדיונית של משלוחי מאפים
- 03
נושאים בלמידה עמוקה: ראייה ממוחשבת ועיבוד שפה
סיווג תמונות ב-AWS SageMaker
מודל מאומן-מראש שכוונן, עם פרופיילינג, דיבוג וכוונון היפר-פרמטרים
- 04
תפעול למידת מכונה ב-SageMaker
תפעול פרויקט למידת מכונה ב-AWS
מודל שהותאם, שופר והוגדר לקראת פריסה ברמת ייצור
- 05
קפסטון — בניית תיק עבודות בלמידת מכונה
הצעת קפסטון
הצעת פרויקט לפרויקט שבחרת, לאישור לפני הבנייה
- 06
קפסטון — בניית תיק עבודות בלמידת מכונה
קפסטון בלמידת מכונה
הפרויקט המלא עצמו, אחרי שההצעה אושרה
החסם של האנגלית
יש בכיתה עוזר שמדבר עברית
בתוך הכיתה של אודסיטי יושב עוזר בשם מארווין. שואלים בעברית — הוא עונה בעברית, על החומר שמוצג באותו רגע.
כל שאלה על מה שכתוב בעמוד
למשל: "תסביר לי במילים פשוטות את המושג שמופיע כאן". התשובה מתייחסת לשיעור שפתוח מולך.
סיכום, ואז בוחן
אפשר לבקש סיכום של השיעור שקוראים עכשיו, ואז לבקש שיבחן אותך לפני שממשיכים.
בדקנו את זה בפועל ב-7.9.2026: שלוש שאלות חופשיות, בקשת סיכום ובקשת בוחן — חמש מתוך חמש חזרו בעברית שוטפת ומדויקת לתוכן.
אחרי המסלול
לאיזו עבודה זה מספיק בישראל
מהנדס/ת למידת-מכונה
מה עושים בו ביום-יום
מפתחים ומאמנים מודלים — סיווג, רגרסיה, חיזוי, זיהוי חריגות, רשתות עמוקות. מכינים דאטה ובונים מאפיינים. מודדים ביצועי-מודל ומריצים ניסויים. מעבירים מודלים לייצור ובונים סביבם ממשקים. מתחזקים את מחזור-החיים: גרסאות-מודל, ניטור, זיהוי סחיפה. בחלק מהמודעות — אופטימיזציית ביצועים של מודלי-שפה ולא אימון.
מה המסלול נותן
AWS Machine Learning Engineer ו-Machine Learning Engineer for Azure נותנים אימון, כיוונון-היפר-פרמטרים, AutoML ופריסה כשירות-רשת. Machine Learning DevOps Engineer נותן חבילת-קוד נקייה, צינור-ML, פריסה ב-FastAPI עם CI/CD ומערכת-הערכת-סיכון דינמית — כלומר בדיוק את חלק ה-MLOps. Deep Learning ושני מסלולי Intro to ML נותנים את המודלים עצמם.
מה עוד תצטרך
התוכן קרוב, והפער הוא בשלושה מקומות. (1) התואר: בחלק מהמודעות הוא חובה, ובמחקר הוא תואר שני או שלישי. (2) הוותק: 14 מ-25 המודעות שנצפו היו בתגית 3-4 שנים, ולא נמצאה אף משרת-ML ישירה ללא ניסיון. (3) והממצא שחשוב להעביר לגולש: הכותרת אינה אמינה. מודעה בשם 'ML Engineer' עשויה להיות תפקיד תשתיות-דאטה בלי ML ברשימת-החובה, ומודעה בשם 'Senior ML Engineer' עשויה להיות הנדסת-inference. הסימן האמין היחיד שנמצא הוא רשימת-הספריות: PyTorch/TensorFlow מול LangChain/מסד-וקטורי.
✓זה בשבילך אם…
אתה כבר כותב פייתון ורוצה להעביר מודלים מהמחברת אל הייצור; הארגון שלך עובד על AWS, ואתה רוצה לדעת לתפעל שם מודלים; ואתה רוצה תיק עבודות של שישה פרויקטים שנבדקים מול רובריקה.
✕דלג עליו אם…
אתה מתחיל מאפס בתכנות או בסטטיסטיקה — דרישות-הקדם יתפסו אותך בקורס השני; אתה עובד בענן אחר ולא מתכוון לעבור ל-AWS; או אין לך 6 עד 8 שעות פנויות בשבוע לאורך שלושה עד ארבעה חודשים.
לפני שמחליטים
מה זה לא נותן
- הכול מרותק ל-AWS.: SageMaker, Lambda, Step Functions, S3 ו-EC2 — מי שעובד בענן אחר יקבל מושגים, לא כלים שאפשר להפעיל מחר בבוקר.
- שער כניסה גבוה.: שבע דרישות-קדם, ביניהן פייתון ברמת ביניים, מחברות Jupyter ולמידה עמוקה. זה לא מסלול ראשון בתחום.
- אנגלית בלבד.: התוכן, הוראות הפרויקטים ודוחות ההגשה באנגלית; מארווין עוזר בעברית, אבל אתה מגיש באנגלית.
- עלויות ההרצה בענן אינן חלק מהמסלול.: בפרויקט הראשון יש שלב ייעודי בשם "כניסה ל-AWS ועלויות" — כלומר החשבון רץ אצלך.
שאלות ותשובות
צריך רקע קודם כדי להתחיל?
כן. שבע דרישות-קדם, בראשן AWS ופייתון ברמת ביניים — הפירוט למעלה. רמת הכניסה מסומנת כביניים.
אפשר ללמוד את זה בעברית?
התוכן וההגשות באנגלית. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לשאול אותו בעברית, לבקש סיכום של השיעור או בוחן על החומר — בדקנו חמש בקשות ב-7.9.2026 וכולן חזרו בעברית.
מי בודק את הפרויקטים שאני מגיש?
אודסיטי מצהירה שההגשה נבדקת על ידי בודק אנושי מול רובריקת פרויקט. הרובריקה עצמה לא הייתה נגישה לצילום בבדיקה שערכנו ב-7.9.2026.
צריך חשבון AWS משלי, ומה עם עלויות ההרצה?
כן. בהוראות הפרויקט הראשון בכיתה יש שלב ייעודי בשם "כניסה ל-AWS ועלויות", ואחריו שלב הקמה של סביבת SageMaker Studio. עלויות הענן אינן חלק מהמסלול.
מה בדיוק מגישים בפרויקט הראשון?
מחברת Jupyter ודוח תחרות. תנאי הסיום שכתוב בהוראות הוא השגת דירוג בתחרות Kaggle, על מאגר הנתונים של ביקוש להשכרת אופניים, בעזרת AutoGluon.
המסלול מתאים גם למי שעובד בענן אחר?
פחות. כל הכלים המעשיים הם של AWS — SageMaker, Lambda, Step Functions, S3 ו-EC2. המושגים עוברים, אבל התרגול כולו על AWS.
94 שעות, שישה פרויקטים, תיק אחד
המחיר, תנאי הביטול ומועד הפתיחה — בעמוד המסלול של אודסיטי. ההחלטה שלך.
הרשמה ותמחור מתבצעים אצל אודסיטי · קישור שיווקי · אנחנו לא מוכרים את הקורס
מקורות
- עמוד-המוצר הרשמי של אודסיטי — AWS Machine Learning Engineer Nanodegree (nd189). נמדד ב-7.9.2026.
- הוראות הפרויקט "חיזוי ביקוש להשכרת אופניים עם AutoGluon", מתוך הכיתה של אודסיטי. נקראו ב-7.9.2026.
MSL הוא קטלוג קורסים — לא ספק הקורס. המסלול מתפרסם ומנוהל על ידי אודסיטי. תוכן הקורס, המחיר, התעודה ותנאי השימוש הם באחריות אודסיטי בלבד. הקישורים לאודסיטי הם קישורים שיווקיים.