אודסיטי · Nanodegree · 4 קורסים · 40 שעות
מסלול Nanodegree בהנדסת למידת מכונה על מיקרוסופט Azure (ML) — אודסיטי
המסלול מורכב מארבעה קורסים ברצף: שימוש ב-Azure Machine Learning · תפעול למידת מכונה · ובסוף עבודת גמר — מהנדס למידת מכונה ב-Azure.
"מסלול-המשך להנדסת למידת מכונה על Azure, למי שכבר כותב פייתון ואימן מודל פעם אחת — לא מסלול-מבוא וכל העבודה נעולה לסביבת Azure. בקצב של אדם עובד: כחמישה עד שבעה שבועות, ושלושה פרויקטים בהעברת-מודלים לענן."
סרטון קצר על אודסיטי · 2:41
40ש׳
משך רשמי
ביניים
רמת כניסה
4 · 3
קורסים · פרויקטים
4.2★
84 מדרגים
1.5חוד׳
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
למי שכבר כותב פייתון ברמה בסיסית, מבין HTTP וכבר אימן מודל פעם אחת — ורוצה להעביר מודלים לענן של Azure.
מה יוצא ביד
שלושה פרויקטים נבדקים — צינור מכוון עם HyperDrive מול AutoML, מודל פרוס עם תיעוד Swagger וסרטון-מסך, ועבודת גמר על מאגר נתונים חיצוני.
כמה זמן באמת
40 שעות רשמיות. בקצב של 6 עד 8 שעות בשבוע זה כחמישה עד שבעה שבועות, בלי זמן ההקלטה והתיקונים.
הזווית של המסלול
בצד התפעולי של למידת מכונה — אימון, כוונון, פריסה, נקודות-קצה וצינורות שמתפרסמים ונצרכים, הכול בתוך המערכת של Azure.
מה חסר
התוכן כולו באנגלית, פייתון ויסודות אימון מודל אינם נלמדים כאן, וכל הכלים נעולים לסביבת Azure.
המסגרת במספרים
40 שעות, ומה שיוצא מהן
אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר. נמדדו ב-8.9.2026.
40
שעות רשמיות
בקצב של 6 עד 8 שעות בשבוע — כחמישה עד שבעה שבועות עד הסוף
4
קורסים
12
שיעורים
3
פרויקטים
4.2
84 מדרגים
אוגוסט 2026
עודכן
1.5
עד סיום · שלנו
מסלול הלימוד
ארבעה קורסים ברצף אחד
אורך העמודה מציג את יחס השעות בין הקורסים. פתח קורס כדי לראות כל שיעור בשמו.
קורס 1
קבלת פנים למסלול מהנדס למידת מכונה עם מיקרוסופט Azure
0.8ש׳
קורס 2
שימוש ב-Azure Machine Learning
22ש׳
קורס 3
תפעול למידת מכונה
12ש׳
קורס 4
עבודת גמר — מהנדס למידת מכונה ב-Azure
5ש׳
1קבלת פנים למסלול מהנדס למידת מכונה עם מיקרוסופט Azure0.8 שעות
- מבוא לתוכנית מהנדס למידת מכונה — היכרות עם מבנה התוכנית ועם המדריכים שמלווים אותה.
- איך מקבלים עזרה — חמש דקות קריאה על הדרכים לקבל עזרה בתוכן ובפרויקטים.
2שימוש בAzure Machine Learning — 22 שעות
- מבוא ל-Azure ML — סקירת הקורס, הצצה לפרויקט הסיום, ומתי בכלל כדאי לעשות למידת מכונה בענן.
- סביבות עבודה והסטודיו של AzureML — איך סביבת העבודה והסטודיו הופכים אותך לפרודוקטיבי יותר כמהנדס למידת מכונה.
- מאגרי נתונים ומערכי נתונים — איך לחבר מערכי נתונים חיצוניים ופתוחים לתוך הצינור שלך כדי לפתח פתרון עובד במהירות.
- אימון מודלים ב-Azure ML — ניהול צינורות, שימוש בהיפר-פרמטרים בניסויים ואוטומציה שמשפרת את דיוק החיזוי.
- ערכת הפיתוח של Azure ML — יצירה וניהול של צינורות באמצעות קוד, כך שהתהליך ניתן לשחזור.
- למידת מכונה אוטומטית וכוונון היפר-פרמטרים — שימוש בערכת הפיתוח כדי לבנות מודלים מהר ומדויק יותר, ולהפוך אותם לקלים לפרשנות.
- פרויקטאופטימיזציה של צינור למידת מכונה ב-Azure
3תפעול למידת מכונה12 שעות
- מבוא ל-Azure ML — שיעור פתיחה עם סקירה כללית של הקורס.
- פריסת מודל — הרשאות לפעולות למידת מכונה ופריסה של מודלים ל-Azure.
- צריכת נקודות-קצה — איך צורכים שירות פרוס ואיך מריצים עליו בדיקת עומס.
- אוטומציה של צינורות — יצירת צינור הסקה באצווה, פרסום שלו וצריכה של נקודת-הקצה.
- פרויקטתפעול למידת מכונה בייצור
4עבודת גמרמהנדס למידת מכונה ב-Azure — 5 שעות
- פרויקטעבודת גמר — מהנדס למידת מכונה ב-Azure
איפה זה ממקם אותך
מה תדע לעשות לבד
- Optimizing ML Pipeline (HyperDrive vs AutoML)
- Operationalizing ML (deploy + pipeline)
- Capstone (AutoML vs HyperDrive + web service)
מה יישאר לך ביד
3 פרויקטים שמוגשים לבדיקה
כל פרויקט משויך לשיעור מסומן בסילבוס, ובסופו מגישים אותו לבדיקה.
- 01
שימוש ב-Azure Machine Learning
אופטימיזציה של צינור למידת מכונה ב-Azure
העלאה ל-GitHub היא חובה — ההתקדמות במכונה הווירטואלית אינה נשמרת. מועד ההגשה שמופיע בכיתה: 6 באוקטובר 2026. ההגשה עצמה היא קישור לריפו ציבורי, ולפניה יש לחבר את חשבון ה-GitHub שלך.
- 02
תפעול למידת מכונה
תפעול למידת מכונה בייצור
קובץ README, סרטון-מסך קצר של הפריסה, והדגמת בקשת JSON לנקודת-הקצה
- 03
עבודת גמר — מהנדס למידת מכונה ב-Azure
עבודת גמר — מהנדס למידת מכונה ב-Azure
סקריפטים ומחברות בלי קובצי-מודל, README, קישור לסרטון-מסך, וקובץ zip קטן או קישור לריפו
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
המסלול הזה נותן את מחזור-החיים של מודל בתוך Azure, בשלושה פרויקטים: השוואה בין כיוונון היפר-פרמטרים (HyperDrive) ל-AutoML, פריסת המודל כשירות-רשת עם צינור אוטומטי וניטור, ועבודת גמר שמחברת את שניהם. הכול על הענן של מיקרוסופט בלבד, ואין בו רשתות-נוירונים עמוקות.
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) כותרת המשרה לא מעידה על התפקיד. 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 מאמן מודלים בפייתון ורוצה להעביר אותם לענן ולייצור; אתה עובד או מתכוון לעבוד דווקא בסביבת Azure; ואתה רוצה תיק עבודות ציבורי עם שלושה פרויקטים שנבדקו על ידי אדם.
✕דלג עליו אם…
אתה מחפש מבוא ללמידת מכונה או קורס פייתון ראשון; אתה לא מוכן לקרוא הוראות טכניות ארוכות באנגלית; או הענן שלך הוא לא Azure, ואין לך כוונה לעבוד בו.
לפני שמחליטים
מה זה לא נותן
- זה לא מסלול מבוא.: פייתון בסיסי, HTTP ואימון מודל הם תנאי כניסה מוצהרים, והמסלול מסווג כרמת ביניים.
- הכול נעול לסביבת Azure.: הסטודיו, ה-SDK, HyperDrive והפריסה — הידע לא עובר אחד לאחד לענן אחר.
- יש פער בין רשימת המיומנויות לפרויקטים.: הרשימה מזכירה אבטחת Kubernetes, Docker ו-ApacheBench, אבל שלושת הפרויקטים הנבדקים נסובים סביב אימון, כוונון, פריסה וצינורות.
- 40 השעות אינן כל הזמן.: הן לא כוללות הקלטת סרטון-מסך, כתיבת README עם תרשים וצילומי-מסך, ותיקון הגשה אחרי הערות בודק.
- התוכן כולו באנגלית.: ההוראות, הסילבוס והרובריקות באנגלית; רק העוזר בכיתה עונה בעברית.
שאלות ותשובות
צריך ניסיון קודם ב-Azure?
ניסיון ב-Azure אינו מופיע ברשימת דרישות-הקדם. מה שכן מופיע: פייתון בסיסי, הבנה של HTTP, ואימון מודל — כלומר שכבר אימנת מודל פעם אחת לפני שאתה נכנס.
מי בודק את הפרויקטים?
כל אחד משלושת הפרויקטים נבדק על ידי אדם מול רובריקה. הפירוט נמצא בפרק על הפרויקט הראשון.
הכול באנגלית — איך מסתדרים?
התוכן, הסילבוס והוראות הפרויקטים באנגלית. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לשאול אותו בעברית, לבקש סיכום של השיעור או בוחן קצר עליו.
איפה ההגשה נשמרת?
בפרויקט הראשון ההגשה היא קישור לריפו ציבורי ב-GitHub, והעלאה לשם היא חובה: ההוראות מזהירות שההתקדמות במכונה הווירטואלית אינה נשמרת.
כמה זמן זה ייקח לי בפועל?
משך הלימוד הרשמי הוא 40 שעות. בקצב של 6 עד 8 שעות בשבוע מדובר בכחמישה עד שבעה שבועות — בלי הזמן של הקלטת הסרטונים, כתיבת התיעוד ותיקון הגשות.
זה מתאים למי שמתחיל מאפס?
לא. זה מסלול ברמת ביניים, ויסודות פייתון ואימון מודל אינם נלמדים בו — הם תנאי כניסה. מי שמחפש קורס ראשון בלמידת מכונה עדיף שיתחיל במקום אחר.
40 שעות, שלושה 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 המסלול Machine Learning Engineer with Microsoft Azure באתר אודסיטי — נמדד ב-8.9.2026.
- הוראות הפרויקטים והרובריקות בתוך הכיתה של אודסיטי (שלושת הפרויקטים) — נקראו ב-8.9.2026.
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.