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 עצביות עם TensorFlow · למידה לא-מונחית · ועוד…

השורה התחתונה שלנו

"מסלול-המשך ללמידת מכונה, למי שכבר כותב פייתון ברמת ביניים ומכיר סטטיסטיקה תיאורית והסתברות — לא תיק-פרויקטים ייחודי לכל תחום למידת-המכונה. בקצב של אדם עובד: כחודש וחצי עד חודשיים, ושלושה פרויקטים בבניית-מודלים."

49ש׳

משך רשמי

ביניים

רמת כניסה

12 · 3

קורסים · פרויקטים

4.6★

275 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, מכיר סטטיסטיקה תיאורית והסתברות בסיסית, ורוצה לעבור מעבודה עם נתונים לבניית מודלים.

מה יוצא ביד

שלושה תוצרים — מסווג למידה-מונחית של CharityML, מסווג תמונות ב-TensorFlow עם אפליקציית שורת-פקודה, וניתוח פלחי-לקוחות על מאגר ארוואטו.

כמה זמן באמת

49 שעות רשמיות; בקצב של 6 עד 8 שעות בשבוע זה כחודש וחצי עד חודשיים, וקורסי דרישות-הקדם שבתוך המסלול מוסיפים שעות מעבר לכך.

איפה זה ממקם אותך

בין ניתוח נתונים לבניית מודלים — כל יכולת כאן נגזרת מפרויקט בשם, ושלושת הפרויקטים נבדקים בידי אדם מול רובריקה.

מה חסר

הכיתה, הסילבוס והרובריקות באנגלית, אין בסילבוס פריסת מודלים לייצור וניטור שלהם, והמחיר נקבע ומתפרסם אצל אודסיטי בלבד.

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 — כחודש וחצי עד חודשיים בקצב הזה

קורסים

שיעורים

פרויקטים

4.6

275 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 עצביות עם TensorFlow

17.2ש׳

קורס 4

למידה לא-מונחית

13.8ש׳

קורס 5

ברכות!

0.2ש׳

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 להצגה חזותית של 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 בה.
איך מקבלים עזרה — חמש דקות קריאה על הדרכים לקבל עזרה בתוכן ובהגשות.
[רשות] הגדרת המחשב — התקנת פייתון 3 באמצעות אנקונדה 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 ביותר בלמידת מכונה.
אלגוריתם הפרספטרון — אלגוריתם לסיווג נתונים שהוא אבן-הבניין של רשתות עצביות.
עצי החלטה — מבנה לקבלת החלטות שבו כל החלטה מובילה לתוצאות או להחלטות נוספות.
נאיב בייס — אלגוריתמים לבניית מסווגים, בשימוש נפוץ בנתוני טקסט ובבעיות סיווג.
מכונות וקטורים תומכים — שיטת סיווג נפוצה שיעילותה נשענת על טריק הגרעין.
שיטות אנסמבל — באגינג ובוסטינג לצירוף אלגוריתמים פשוטים למודלים חזקים יותר.
מדדי הערכת מודל — המדדים המרכזיים להערכת מודלים, ובהם דיוק, precision ו-recall.
אימון וכוונון — סוגי השגיאות שקורות באימון והשיטות לטפל בהן ולייעל את המודל.
פרויקטפרויקט איתור תורמים

3מבוא לרשתות עצביות עם TensorFlow17.2 שעות

פתיחת הקורס — היכרות עם המרצים, עם התוכן, עם דרישות-הקדם ועם סביבות העבודה והמחברות.
מבוא לרשתות עצביות — יסודות הלמידה העמוקה, ומימוש ירידת גרדיאנט והתפשטות לאחור בפייתון בתוך הכיתה.
מימוש ירידת גרדיאנט — פונקציית שגיאה אחרת ומימוש בכפל מטריצות עם NumPy.
אימון רשתות עצביות — כמה טכניקות לשיפור האימון של רשתות עצביות.
למידה עמוקה עם TensorFlow — שימוש ב-TensorFlow לבניית מודלים של למידה עמוקה.
פרויקטפרויקט מסווג תמונות

4למידה לאמונחית — 13.8 שעות

אשכול — שיטת הלמידה הלא-מונחית הנפוצה, עם אלגוריתם K-means.
אשכול היררכי ואשכול מבוסס-צפיפות — המשך שיטות האשכול, כולל DBSCAN.
מודלי תערובת גאוסיאנית ותיקוף אשכולות — אשכול בשיטת תערובת גאוסיאנית ותהליך תיקוף התוצאות.
הפחתת ממדים ו-PCA — צמצום מספר המאפיינים בנתונים בשיטת ניתוח רכיבים עיקריים.
הטלה אקראית ו-ICA — שתי שיטות נוספות לחילוץ מאפיינים ולהפחתת ממדים.
פרויקטפרויקט: זיהוי פלחי לקוחות

5ברכות!0.2 שעות

ברכות! — ציון סיום התוכנית.

6דרישתקדם: פייתון לניתוח נתונים — 12.2 שעות

למה לתכנת בפייתון — סקירה של הקורס.
טיפוסי נתונים ואופרטורים — אבני-הבניין של פייתון: טיפוסים, פונקציות מובנות, המרות וכללי סגנון.
בקרת זרימה — תנאים, לולאות, פונקציות מובנות שימושיות ורשימות נגזרות.
פונקציות — פונקציות, תחום-הגדרה של משתנים, תיעוד, ביטויי למדא ומחוללים.
סקריפטים — הקמת סביבת עבודה מקומית, כתיבת סקריפטים והרצתם.
NumPy — יסודות NumPy ויצירת מערכים ועיבודם.
Pandas — יסודות Series ו-DataFrame לטעינת נתונים ולעיבודם.

7דרישתקדם: SQL לניתוח נתונים — 15.5 שעות

SQL בסיסי — הפקודות המרכזיות לעבודה עם טבלה אחת ולסינון שלה בדרכים שונות.
צירופי טבלאות — חיבור נתונים מכמה טבלאות יחד.
פונקציות איגוד — סיכום נתונים בעזרת פונקציות SQL.
תת-שאילתות וטבלאות זמניות — סוגי תת-השאילתות, התחביר שלהן והשימושים המתאימים.
פונקציות חלון — השוואה בין שורות בלי צירופי טבלאות.
ניקוי נתונים ב-SQL — ניקוי נתונים כחלק מתהליך הניתוח.
צירופים מתקדמים וכוונון ביצועים — שאילתות שרצות מהר על מאגרים ענקיים ומקרי-קצה שעולים בראיונות.

8דרישתקדם: יסודות שורת-הפקודה — 1.5 שעות

סדנת שורת-פקודה — מבוא קצר לשימוש במעטפת (shell) של יוניקס במחשב שלך.

9דרישתקדם: Git ו-GitHub — 14.8 שעות

מהי בקרת גרסאות — היתרונות של בקרת גרסאות והתקנת Git.
יצירת מאגר Git — איך יוצרים מאגר חדש.
סקירת היסטוריית המאגר — קריאה של היסטוריית הקומיטים במאגר קיים.
הוספת קומיטים למאגר — ביצוע commit, כתיבת הודעות תיאוריות ובדיקת השינויים לפני השמירה.
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.
עבודה על מאגר של מפתח אחר — פיצול פרויקט של אחרים ותרומה לפרויקט ציבורי.
סנכרון מול מאגר מרוחק — בקשות משיכה ושימוש בפקודת rebase לאיחוד קומיטים.

10חומר נוסף: פייתון להצגה חזותית של נתונים13 שעות

הצגה חזותית בתהליך ניתוח הנתונים — למה זה חלק חשוב בתהליך ואיפה זה משתלב.
עיצוב תצוגות — מרכיבי העיצוב, ובעיקר אלה שגורמים לתצוגה להיכשל.
חקירת משתנה יחיד — תצוגות של משתנה בודד עם matplotlib ו-seaborn.
חקירת שני משתנים — בחינת הקשר בין שני משתנים.
חקירת ריבוי משתנים — קשרים בין שלושה משתנים ומעלה.
תצוגות מסבירות — ליטוש התרשימים כדי להעביר את הממצאים לאחרים.
מקרה-בוחן בהצגה חזותית — יישום על גורמים שמשפיעים על מחירי יהלומים.

11חומר נוסף: סטטיסטיקה לניתוח נתונים29.5 שעות

סטטיסטיקה תיאורית — חלק א' — טיפוסי 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 במטבעות ובקוביות.
ההתפלגות הבינומית — אחת ההתפלגויות הנפוצות בהסתברות.
הסתברות מותנית — כללי ההסתברות לאירועים תלויים.
כלל בייס — אחד הכללים המוכרים בסטטיסטיקה.
תרגול הסתברות בפייתון — יישום החומר מהשיעורים הקודמים בקוד.
תורת ההתפלגות הנורמלית — המתמטיקה שמובילה מהטלת מטבע להתפלגות נורמלית.
התפלגויות דגימה ומשפט הגבול המרכזי — הבסיס לרווחי סמך ולבדיקת השערות.
רווחי סמך — בניית רווח סמך לכל פרמטר בעזרת התפלגויות דגימה ובוטסטראפ.
בדיקת השערות — הכלים ליצירת מבחן השערות ולניתוח התוצאות.
מקרה-בוחן: מבחני A/B — איך עובד מבחן A/B בחברת לימודים מקוונת.
רגרסיה — התאמת מודלים לינאריים בפייתון ופירוש התוצאות.
רגרסיה לינארית מרובה — יישום מודלים מרובי-משתנים בפייתון ובדיקת טיב ההתאמה.
רגרסיה לוגיסטית — יישום מודלים לוגיסטיים בפייתון ופירוש התוצאות.

12חומר נוסף: אלגברה לינארית4 שעות

מבוא — הצצה לעולם האלגברה הלינארית ולמה הוא כלי מתמטי כל כך חשוב.
וקטורים — אבן-הבניין הבסיסית של אלגברה לינארית.
צירוף לינארי — שינוי גודל של וקטורים וחיבורם, והדמיה של התהליך.
העתקה לינארית ומטריצות — מהי העתקה 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
למידה מונחית
איתור תורמים
מחברת קוד ודוח — מודל סיווג מונחה ב-scikit-learn מול מדד-ייחוס, עם דיוק וציון F1
02
מבוא לרשתות עצביות עם TensorFlow
מסווג תמונות
קובץ מכווץ: מחברת בגרסת HTML (חלק א') וקבצי אפליקציית שורת-הפקודה (חלק ב')
03
למידה לא-מונחית
זיהוי פלחי לקוחות
מחברת קוד עם חיזויים על מאגר ארוואטו — אשכול והפחתת ממדים

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 ורוצה שלושה תוצרים סגורים שנבדקו בידי אדם; אתה רוצה גם את הצד המונחה, גם רשת עמוקה ב-TensorFlow וגם למידה לא-מונחית — באותו רצף; ונוח לך ללמוד באנגלית, ואתה מסוגל לעמוד בקצב של 6 עד 8 שעות בשבוע.

✕דלג עליו אם…

אין לך בסיס בפייתון, בהסתברות ובאלגברה לינארית ואינך מתכוון לעבור את קורסי דרישות-הקדם שבתוך המסלול; מה שאתה מחפש הוא הפעלת מודלים בייצור, ניטור וניהול מחזור-חיים — זה לא מה שכתוב בסילבוס; או אתה צריך ליווי בעברית מצד אדם; העוזר בכיתה עונה בעברית, אבל הבדיקה והחומר לא.

לפני שמחליטים

מה זה לא נותן

הפער בין המשך הרשמי לסילבוס.: 49 השעות מכסות את קורסי-הליבה; סכום השעות של כל שנים-עשר הקורסים בסילבוס, כולל דרישות-הקדם והחומר הנוסף, הוא כ-140 שעות.
שלושה פרויקטים בלבד על תחום רחב.: העמוד מונה 33 מיומנויות — מרגרסיה לינארית ועד DBSCAN — אבל מה שמוגש ונבדק הוא שלושה תוצרים.
הפרויקטים אינם ייחודיים למסלול.: לפי מה שקראנו בכיתה, פרויקט איתור התורמים ופרויקט פלחי הלקוחות זהים לאלה שבמסלול nd229 של אודסיטי; ההבדל המרכזי הוא TensorFlow במקום PyTorch.
הכול באנגלית.: כפי שצוין למעלה — אין תמיכה בעברית בחומר ובבדיקה.

שאלות ותשובות

צריך לדעת פייתון לפני שנרשמים?

אודסיטי מגדירה את רמת הכניסה כביניים ומפרטת תשע דרישות-קדם, ובהן פייתון ברמת ביניים, הסתברות, חשבון ואלגברה לינארית. בתוך המסלול עצמו יושבים קורסי דרישות-קדם בפייתון, SQL, שורת-פקודה ו-Git, ולצידם חומר נוסף בסטטיסטיקה ובאלגברה לינארית.

הכול באנגלית? אפשר להסתדר?

השיעורים, הוראות הפרויקטים והרובריקות באנגלית, וגם ההגשה נכתבת באנגלית. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לשאול אותו בעברית, לבקש ממנו סיכום של העמוד שאתה קורא ולבקש שיבחן אותך — בדקנו את זה בפועל.

מה בדיוק מגישים בסוף?

שלושה תוצרים: מחברת ודוח של מודל סיווג מונחה בפרויקט איתור תורמים, קובץ מכווץ עם מחברת בגרסת HTML וקבצי אפליקציית שורת-פקודה בפרויקט מסווג התמונות, ומחברת עם חיזויים בפרויקט זיהוי פלחי הלקוחות.

הפרויקטים נבדקים בידי אדם?

אודסיטי מצהירה שההגשות נבדקות בידי אדם מול רובריקה, והרובריקה מופיעה כשלב נפרד בהוראות הפרויקט לפני ההגשה. את תוכן הרובריקה עצמה לא הצלחנו לתפוס בבדיקה שלנו בכיתה ב-8.9.2026.

כמה זמן זה באמת ייקח לי?

אודסיטי מפרסמת 49 שעות. בקצב של 6 עד 8 שעות בשבוע — קצב שאדם עובד מצליח לעמוד בו — זה כחודש וחצי עד חודשיים. סכום השעות של כל שנים-עשר הקורסים בסילבוס, כולל דרישות-הקדם והחומר הנוסף, גבוה בהרבה.

למה אין כאן מחיר?

המחיר נקבע ומתפרסם אצל אודסיטי, לפי מבנה-הרכישה שהיא מציעה ולפי מבצעים ומטבע. כל מספר שנכתוב יתיישן מהר, ולכן אנחנו שולחים אותך לעמוד המסלול — שם גם מופיעים תנאי הביטול.

49 שעות, שלושה פרויקטים, תיק אחד

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

לעמוד המסלול באודסיטי ←