אודסיטי · Nanodegree · 12 קורסים · 49 שעות

מסלול Nanodegree בלמידת מכונה (ML) — אודסיטי

המסלול מורכב משנים-עשר קורסים ברצף: מבוא ללמידת מכונה · למידה מונחית · מבוא לרשתות נוירונים עם PyTorch · למידה לא מונחית · ועוד…

השורה התחתונה שלנו

"מסלול-המשך ללמידת מכונה, למי שכבר כותב פייתון ברמת ביניים ומכיר אלגברה לינארית והסתברות — לא מסלול מאפס ולא כיסוי של הצד ההנדסי. בקצב של אדם עובד: חודש וחצי עד חודשיים, ושלושה פרויקטים בלמידת-מכונה."

49ש׳

משך רשמי

ביניים

רמת כניסה

12 · 3

קורסים · פרויקטים

4.7★

251 מדרגים

2חוד׳

עד סיום · שלנו

לעמוד המסלול
באודסיטי ←

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 ברמת ביניים ומכיר אלגברה לינארית, הסתברות וסטטיסטיקה בסיסית. זה לא מסלול מאפס.

מה יוצא ביד

שלוש מחברות קוד שנבדקו בידי אדם — חיזוי תורמים, מסווג תמונות ב-PyTorch ופילוח לקוחות.

כמה זמן באמת

49 שעות רשמיות. בקצב של 6 עד 8 שעות בשבוע זה בין חודש וחצי לחודשיים.

איפה זה ממקם אותך

ביכולת לאמן, למדוד ולהשוות מודלים מונחים ולא מונחים לבד, מול רף השוואה מספרי.

מה חסר

כל התוכן והבדיקה באנגלית, ואין כאן העברת מודל לייצור, ניטור או ניהול גרסאות-מודל.

המסגרת במספרים

49 שעות, ומה שיוצא מהן

אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר. נמדדו ב-8.9.2026.

שעות רשמיות

בקצב של 6 עד 8 שעות בשבוע — חודשים בקצב הזה — בין חודש וחצי לחודשיים

קורסים

שיעורים

פרויקטים

4.7

251 מדרגים

אוגוסט 2026

עודכן

עד סיום · שלנו

מסלול הלימוד

12 קורסים ברצף אחד

אורך העמודה מציג את יחס השעות בין הקורסים. פתח קורס כדי לראות כל שיעור בשמו.

קורס 1

מבוא ללמידת מכונה

1.8ש׳

קורס 2

למידה מונחית

16.5ש׳

קורס 3

מבוא לרשתות נוירונים עם PyTorch

17.2ש׳

קורס 4

למידה לא מונחית

13.8ש׳

קורס 5

ברכות על הסיום

0ש׳

קורס 6

דרישת-קדם: פייתון לניתוח נתונים

12.2ש׳

קורס 7

דרישת-קדם: SQL לניתוח נתונים

15.5ש׳

קורס 8

דרישת-קדם: יסודות שורת הפקודה

1.5ש׳

קורס 9

דרישת-קדם: Git ו-GitHub

14.8ש׳

קורס 10

חומר נוסף: פייתון להדמיית נתונים

13ש׳

קורס 11

חומר נוסף: סטטיסטיקה לניתוח נתונים

29.5ש׳

קורס 12

חומר נוסף: אלגברה לינארית

4ש׳

1מבוא ללמידת מכונה1.8 שעות

ברוכים הבאים ללמידת מכונה — היכרות עם מבנה התוכנית ועם הפרויקטים שתעבוד עליהם.
איך מקבלים עזרה — חמש דקות קריאה על הדרכים לקבל עזרה בתוכן ובפרויקטים.
הגדרת המחשב שלך — התקנת פייתון 3 עם אנקונדה (Anaconda) והגדרת עורך טקסט.

2למידה מונחית16.5 שעות

מבוא ללמידה מונחית — מבט-על על התחום כולו לפני הצלילה לאלגוריתמים.
רגרסיה לינארית — איך עובד אחד האלגוריתמים הבסיסיים בלמידת מכונה.
אלגוריתם הפרספטרון — אלגוריתם לסיווג נתונים, שהוא אבן-הבניין של רשתות נוירונים.
עצי החלטה — מבנה לקבלת החלטות שבו כל החלטה מובילה לתוצאה או להחלטה נוספת.
נאיב בייס — כלי לבניית מסווגים, שנפוץ במיוחד בנתוני טקסט ובבעיות סיווג.
מכונות וקטורים תומכות — שיטת סיווג נפוצה שנשענת על טריק הגרעין (kernel).
שיטות אנסמבל — שילוב אלגוריתמים פשוטים למודל חזק יותר, בעזרת bagging ו-boosting.
מדדי הערכת מודל — דיוק, precision, recall ומדדים נוספים להערכת מודלים.
אימון וכיוונון — סוגי השגיאות שמופיעים באימון והדרכים לצמצם אותן ולייעל את המודל.
פרויקטמציאת תורמים

3מבוא לרשתות נוירונים עם PyTorch17.2 שעות

הצגת הקורס — היכרות עם המדריכים, סקירה קצרה ושימוש בסביבות העבודה ובמחברות.
מבוא לרשתות נוירונים — יסודות למידה עמוקה, כולל מימוש ירידת גרדיאנט והתפשטות שגיאה לאחור בפייתון.
מימוש ירידת גרדיאנט — פונקציית שגיאה נוספת ומימוש ירידת גרדיאנט בעזרת כפל מטריצות ב-NumPy.
אימון רשתות נוירונים — טכניקות לשיפור האימון של רשתות נוירונים.
למידה עמוקה עם PyTorch — שימוש ב-PyTorch לבניית מודלים של למידה עמוקה.
פרויקטבניית מסווג תמונות משלך

4למידה לא מונחית13.8 שעות

אשכולות — אלגוריתם K-means, אחת השיטות הנפוצות בלמידה לא מונחית.
אשכול היררכי ומבוסס-צפיפות — המשך שיטות האשכול, כולל אשכול היררכי ו-DBSCAN.
מודלי תערובת גאוסיאנית ואימות אשכולות — אשכול בעזרת תערובות גאוסיאניות ותהליך אימות התוצאות.
צמצום ממדים ו-PCA — ניתוח רכיבים עיקריים כשיטה לחילוץ מאפיינים ולצמצום מספר המשתנים.
הטלה אקראית ו-ICA — שתי שיטות נוספות לחילוץ מאפיינים ולצמצום ממדים.
פרויקטזיהוי פלחי לקוחות

5ברכות על הסיום0 שעות

ברכות! — הגעת לסוף התוכנית.

6דרישתקדם: פייתון לניתוח נתונים — 12.2 שעות

למה לתכנת בפייתון — סקירה של קורס המבוא לפייתון.
טיפוסי נתונים ואופרטורים — אבני הבניין של פייתון: טיפוסים, פונקציות מובנות, המרות וכללי סגנון.
בקרת זרימה — תנאים, לולאות, פונקציות מובנות שימושיות ו-list comprehensions.
פונקציות — פונקציות, תחום משתנים, תיעוד, ביטויי lambda, איטרטורים וגנרטורים.
כתיבת סקריפטים — הקמת סביבת עבודה מקומית והרצת סקריפטים בפייתון.
NumPy — יסודות NumPy ויצירת מערכים ועיבודם.
Pandas — יסודות Series ו-DataFrame לטעינת נתונים ולעיבודם.

7דרישתקדם: SQL לניתוח נתונים — 15.5 שעות

SQL בסיסי — פקודות היסוד לעבודה עם טבלה אחת ולסינון שלה בדרכים שונות.
צירופים ב-SQL — שילוב נתונים ממספר טבלאות יחד.
אגרגציות ב-SQL — סיכום נתונים בעזרת פונקציות SQL.
תת-שאילתות וטבלאות זמניות — סוגי תת-השאילתות, התחביר שלהן ודוגמאות שימוש.
ניקוי נתונים ב-SQL — ביצוע ניקוי נתונים כחלק מתהליך הניתוח.
פונקציות חלון — השוואה בין שורה לשורה בלי שימוש בצירופים.
צירופים מתקדמים וכיוונון ביצועים — שאילתות שרצות מהר על מאגרים ענקיים ומקרי-קצה שעולים בראיונות.

8דרישתקדם: יסודות שורת הפקודה — 1.5 שעות

סדנת שורת הפקודה — מבוא קצר לשימוש בסביבת ה-shell של יוניקס במחשב שלך.

9דרישתקדם: Git ו-GitHub — 14.8 שעות

מהי בקרת גרסאות — היתרונות של בקרת גרסאות והתקנת הכלי Git.
יצירת מאגר Git — איך יוצרים מאגר קוד אחרי שההתקנה הושלמה.
סקירת היסטוריית מאגר — קריאה של היסטוריית הקומיטים במאגר קיים.
הוספת קומיטים למאגר — ביצוע קומיטים, כתיבת הודעות מתארות ואימות השינויים לפני שמירה.
תיוג, ענפים ומיזוג — עבודה מבודדת על הפרויקט בעזרת ענפים.
ביטול שינויים — ביטול ושינוי של שינויים שכבר נשמרו במאגר.
עבודה עם מאגרים מרוחקים — יצירת מאגר מרוחק ב-GitHub ושליחת שינויים אליו וממנו.
עבודה על מאגר של מפתח אחר — יצירת עותק (fork) ותרומה לפרויקט ציבורי.
שמירה על סנכרון עם מאגר מרוחק — הצעת שינויים בעזרת pull requests ושימוש בפקודה git rebase.

10חומר נוסף: פייתון להדמיית נתונים13 שעות

הדמיית נתונים בתהליך הניתוח — למה הדמיית נתונים חשובה ואיפה היא משתלבת בתהליך.
עיצוב הדמיות — מרכיבי העיצוב, ובעיקר אלה שגורמים להדמיה להיכשל.
חקירה חד-משתנית — שימוש ב-matplotlib וב-seaborn להדמיה של משתנה יחיד.
חקירה דו-משתנית — בחינת קשרים בין שני משתנים.
חקירה רב-משתנית — קשרים ואינטראקציות בין שלושה משתנים ומעלה.
הדמיות מסבירות — ליטוש הגרפים כדי להציג את הממצאים לאחרים.
מקרה בוחן בהדמיה — יישום החומר על גורמים שמשפיעים על מחירי יהלומים.

11חומר נוסף: סטטיסטיקה לניתוח נתונים29.5 שעות

סטטיסטיקה תיאורית — חלק א' — סוגי נתונים, מדדי מרכז ויסודות הסימון הסטטיסטי.
סטטיסטיקה תיאורית — חלק ב' — מדדי פיזור, צורה וחריגים, ומבט ראשון על סטטיסטיקה היסקית.
מקרה בוחן: קבלה ללימודים — לשאול את השאלות הנכונות, דרך פרדוקס סימפסון.
הסתברות — יסודות ההסתברות בעזרת מטבעות וקוביות.
התפלגות בינומית — אחת ההתפלגויות המוכרות בתורת ההסתברות.
הסתברות מותנית — כללי ההסתברות למאורעות תלויים.
כלל בייס — אחד הכללים המוכרים בכל הסטטיסטיקה.
תרגול הסתברות בפייתון — יישום החומר מהשיעורים הקודמים בקוד.
תורת ההתפלגות הנורמלית — המתמטיקה שמובילה מהטלת מטבע להתפלגות נורמלית.
התפלגויות דגימה ומשפט הגבול המרכזי — הבסיס שעליו עומדים רווחי סמך ובדיקת השערות.
רווחי סמך — בניית רווח סמך לכל פרמטר, בעזרת התפלגויות דגימה ו-bootstrapping.
בדיקת השערות — בניית בדיקות השערה וניתוח התוצאות שלהן.
מקרה בוחן: מבחני A/B — איך עובד מבחן A/B בחברת לימודים מקוונת.
רגרסיה — התאמת מודלי רגרסיה לינארית בפייתון ופירוש התוצאות.
רגרסיה לינארית מרובה — יישום רגרסיה לינארית מרובה ובדיקה אם המודל מתאים לנתונים.
רגרסיה לוגיסטית — יישום רגרסיה לוגיסטית בפייתון ופירוש התוצאות.

12חומר נוסף: אלגברה לינארית4 שעות

מבוא — הצצה לעולם האלגברה הלינארית ולמה היא כלי מתמטי חשוב.
וקטורים — אבן הבניין הבסיסית של האלגברה הלינארית.
צירוף לינארי — הכפלה וחיבור של וקטורים והדמיה של התהליך.
טרנספורמציה לינארית ומטריצות — מהי טרנספורמציה לינארית ואיך היא קשורה ישירות למטריצות.

מה יישאר לך ביד

3 פרויקטים בקוד שרץ

לא מסמכים ולא מצגות. כל פרויקט נעול בשיעור מסומן בסילבוס ומוגש לבדיקה.

01
2 · למידה מונחית
מציאת תורמים
לדווח על מספר הרשומות בקובץ, כמה מהן בהכנסה שמעל 50K, כמה עד 50K, ומה האחוז. לחשב דיוק ו-F1 של חזאי נאיבי, ולהשתמש בהם כרף השוואה לכל מודל שתאמן. תאריך ההגשה שמופיע בכיתה לפרויקט הזה: 1 באוקטובר 2026.
02
3 · מבוא לרשתות נוירונים עם PyTorch
בניית מסווג תמונות משלך
מחברת קוד ומודל מאומן, בסביבת-העבודה או מקומית
03
4 · למידה לא מונחית
זיהוי פלחי לקוחות
מחברת קוד וקובץ חיזויים, בסביבת-העבודה

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

שואלים בעברית והוא עונה בעברית, על השיעור 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.

✓בחר במסלול הזה אם…

אתה כבר כותב פייתון ברמת ביניים, מכיר אלגברה לינארית והסתברות בסיסית, ורוצה שלושה תוצרים שנקראים בידי אדם מול רובריקה: השוואת מסווגים מונחים, רשת קונבולוציה ב-PyTorch ופילוח לקוחות עם PCA ו-KMeans.

✕דלג עליו אם…

אתה מתחיל מאפס בתכנות או במתמטיקה, אינך מוכן ללמוד באנגלית, או שאתה מחפש דווקא את הצד ההנדסי — פריסה של מודלים לייצור, ניטור וניהול גרסאות. שלושת אלה אינם נמצאים בסילבוס.

לפני שמחליטים

מה זה לא נותן

התוכן: המחברות, הוראות הפרויקטים והבדיקה — הכול באנגלית. מארווין עונה בעברית, החומר עצמו לא מתורגם.
שלושה פרויקטים בלבד לאורך כל המסלול: ושלושתם מחברות קוד. אין כאן מוצר חי, אין ממשק ואין פריסה לייצור.
אין שיעור שמכסה את הצד ההנדסי שמנינו למעלה: מה שקורה למודל אחרי שהאימון הסתיים, בארגון אמיתי.
פער משך: המספר הרשמי הוא 49 שעות: וזה בדיוק סכום ארבעת קורסי הליבה — 49.3 שעות. אבל הסילבוס כולל גם את קורסי דרישת-הקדם ואת החומר הנוסף, ואיתם הטבלה למעלה מסתכמת בכ-140 שעות.

שאלות ותשובות

צריך רקע במתמטיקה לפני שנרשמים?

כן. אודסיטי מונה תשע דרישות-קדם רשמיות, ביניהן אלגברה לינארית, הסתברות, סטטיסטיקה תיאורית וחשבון דיפרנציאלי בסיסי ורב-משתני. רמת הכניסה מסומנת כביניים, לא כמתחילים.

אפשר להגיע בלי ניסיון בפייתון?

הדרישה הרשמית היא פייתון ברמת ביניים. בתוך הסילבוס עצמו יש קורסי דרישת-קדם — פייתון, SQL, שורת פקודה ו-Git — אבל הם השלמה, לא תחליף לניסיון קודם בכתיבת קוד.

באיזו שפה הכול מתנהל?

אנגלית: השיעורים, המחברות, הוראות הפרויקטים והבדיקה. בתוך הכיתה יושב מארווין, עוזר ה-AI, ואפשר לשאול אותו בעברית, לבקש סיכום של השיעור ולבקש שיבחן אותך על החומר.

מי קורא את הפרויקטים שאני מגיש?

אודסיטי מצהירה שכל אחד משלושת הפרויקטים נקרא בידי בודק אנושי מול רובריקה. ברובריקה של הפרויקט הראשון מופיעים ארבעה צירים; הרובריקה עצמה לא הייתה נגישה לנו לקריאה ב-8.9.2026.

כמה זמן זה ייקח באמת?

משך הלימוד הרשמי הוא 49 שעות — וזה בדיוק סכום ארבעת קורסי הליבה, 49.3 שעות. בקצב של 6 עד 8 שעות בשבוע, שזה מה שלומד שעובד במקביל מצליח לעמוד בו, מדובר בין חודש וחצי לחודשיים. מי שעובר גם על קורסי דרישת-הקדם והחומר הנוסף שבסילבוס מגיע לכ-140 שעות בסך הכול, ואז הלוח נמתח בהתאם.

מה המסלול לא כולל?

אין בו העברת מודל לייצור, בניית שירות סביבו, ניטור, ניהול גרסאות-מודל או זיהוי סחיפה. שלושת התוצרים הם מחברות קוד — לא מוצר חי עם ממשק.

49 שעות, שלושה פרויקטים, תיק אחד

המחיר, תנאי הביטול ומועד הפתיחה — בעמוד המסלול של אודסיטי. ההחלטה שלך.

לעמוד המסלול באודסיטי ←