אודסיטי · Nanodegree · 6 קורסים · 61 שעות

מסלול Nanodegree במדע הנתונים — אודסיטי

המסלול מורכב משישה קורסים ברצף: מבוא למדע הנתונים וללמידת מכונה מונחית · הנדסת תוכנה למדעני נתונים · צינורות עיבוד במדע הנתונים · למידת מכונה בלתי-מונחית ומערכות המלצה · ובסוף סיום המסלול.

השורה התחתונה שלנו

"מסלול-המשך למדע הנתונים, למי שכבר כותב פייתון ומכיר Pandas, NumPy ו-SQL — לא מסלול-כניסה לתחום ולא תעודה אקדמית. בקצב של אדם עובד: בין שמונה לעשרה שבועות, וארבעה פרויקטים של בניית-מודלים."

61ש׳

משך רשמי

מתקדמים

רמת כניסה

6 · 4

קורסים · פרויקטים

4.8★

814 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, מכיר Pandas, NumPy ו-SQL בינוני, ורוצה לעבור מניתוח נתונים לבנייה של מודלים.

מה יוצא ביד

פוסט בלוג עם ניתוח CRISP-DM, לוח-בקרה FastHTML עם חבילת פייתון ובדיקות, צינור מודל אחד ומערכת המלצות.

כמה זמן באמת

61 שעות רשמיות. בקצב של 6 עד 8 שעות בשבוע זה מתפרס על כחודשיים.

איפה זה ממקם אותך

בכיוון של מדען/ית נתונים — מודלים מונחים ובלתי-מונחים, צינורות עיבוד, לוח-בקרה ומערכת המלצות, כולם מוגשים לבדיקה אנושית מול רובריקה.

מה חסר

הכול באנגלית, דרישות-הקדם כבדות ואינן נלמדות כאן, ו-61 השעות אינן כוללות את הזמן שהפרויקטים באמת גוזלים.

המסגרת במספרים

61 שעות, ומה שיוצא מהן

אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר (סכום הטבלה 61.3; אודסיטי מעגלת ל-61). נמדדו ב-8.9.2026.

שעות רשמיות

בקצב של 6 עד 8 שעות בשבוע — בין שמונה לעשרה שבועות בקצב הזה

קורסים

פרויקטים

מיומנויות

4.8 מתוך 5

814 מדרגים

8.2026

עודכן

עד סיום · שלנו

מסלול הלימוד

שישה קורסים ברצף אחד

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

קורס 1

ברוכים הבאים למסלול מדע הנתונים

0.8ש׳

קורס 2

מבוא למדע הנתונים וללמידת מכונה מונחית

12.3ש׳

קורס 3

הנדסת תוכנה למדעני נתונים

12.5ש׳

קורס 4

צינורות עיבוד במדע הנתונים

18ש׳

קורס 5

למידת מכונה בלתי-מונחית ומערכות המלצה

17.5ש׳

קורס 6

סיום המסלול

0.2ש׳

1ברוכים הבאים למסלול מדע הנתונים0.8 שעות

הכירו את מסלול ה-Nanodegree — למה לצפות בתוכנית ואיך להצליח בה.
איך לקבל עזרה — חמש דקות קריאה על הדרכים לקבל עזרה בתוכן ובפרויקטים.

2מבוא למדע הנתונים וללמידת מכונה מונחית12.3 שעות

תהליך העבודה במדע הנתונים — יסודות התחום ותהליך CRISP-DM, והחלה שלו על בעיות אמיתיות.
אלגוריתמים של למידת מכונה מונחית — רגרסיה, סיווג, מודלים לינאריים, עצי החלטה, יערות אקראיים ורשתות נוירונים, עם תרגול ב-scikit-learn.
הערכת מודלים של למידת מכונה — למה מדד הדיוק מטעה על נתונים אמיתיים, ואילו מדדים חלופיים מתארים את המודל נכון.
פרשנות המודל והוגנות — חשיבות מאפיינים, ערכי SHAP ומסגרת Aequitas, כדי להבין איך המודל מחליט והאם השפעתו הוגנת.
תקשור לבעלי עניין — בניית מאגר בגיטהאב ופוסט בלוג שמעבירים את המסקנות שלך.
פרויקטפרויקט: פוסט-בלוג במדע הנתונים

3הנדסת תוכנה למדעני נתונים12.5 שעות

תכנות מונחה-עצמים — מחלקות, מופעים, מתודות קסם, ירושה ופולימורפיזם, ותבניות קוד מקצועיות בפייתון.
שחזוריות של קוד — סביבות וירטואליות, כתיבת חבילות פייתון, ניהול נתיבים בין מערכות והבטחת איכות בבדיקות ובבדיקת תקינות קוד.
לוחות-בקרה במדע הנתונים — אפשרויות העלאה לייצור של מודלים: שרתי אינטרנט, טפסים, נקודות-קצה דינמיות ולוחות-בקרה עם FastHTML.
פרויקטפרויקט: לוח-בקרה במדע הנתונים

4צינורות עיבוד במדע הנתונים18 שעות

צינורות של scikit-learn — בניית צינורות לזרימת נתונים, עיבוד מוקדם, הנדסת מאפיינים ואופטימיזציה של מודלים.
צינורות של ראייה ממוחשבת — עיבוד מוקדם של תמונות, חילוץ מאפיינים וצינורות סיווג עם מכונות וקטורים תומכים ורשתות קונבולוציה, בעזרת OpenCV ו-PyTorch.
צינורות של עיבוד שפה טבעית — מאפייני טקסט בצינור למידת מכונה: פירוק לאסימונים, וקטוריזציה ותיוג חלקי דיבר עם spaCy.
פרויקטפרויקט: צינור עיבוד במדע הנתונים

5למידת מכונה בלתימונחית ומערכות המלצה — 17.5 שעות

אשכולות — למידה בלתי-מונחית: שיטות אשכול, אלגוריתם K-means, מדדים ושימושים בניתוח נתונים.
הפחתת ממדים — יסודות הפחתת הממדים ושימוש יעיל בה, כולל חישוב והצגה חזותית עם scikit-learn ומטפלוטליב.
מערכות המלצה — השיטות השונות לבניית מנועי המלצה בפייתון.
הערכת מודלים בלתי-מונחים — איך מעריכים אשכולות, הפחתת ממדים ומערכות המלצה כדי לשפר את הביצועים שלהם.
פרויקטפרויקט: מערכת המלצות

6סיום המסלול0.2 שעות

מזל טוב! — סיום התוכנית וחגיגת ההישג.

מה יישאר לך ביד

4 פרויקטים בקוד שרץ

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

01
2 · מבוא למדע הנתונים וללמידת מכונה מונחית
פרויקט: פוסט-בלוג במדע הנתונים
תהליך CRISP-DM מלא, מתועד ב-README ובמחברת עצמה. ארבע שאלות שנענות בניתוח: מאפיינים, תובנות, דיוק המודל ותרחיש יצירתי. קוד בתקן PEP8, עם פונקציות, מחלקות, docstrings ובלי חזרות (DRY). טיפול מתועד בנתונים קטגוריאליים ובערכים חסרים. מועד ההגשה שנקבע בכיתה: 6 באוקטובר 2026.
02
3 · הנדסת תוכנה למדעני נתונים
פרויקט: לוח-בקרה במדע הנתונים
מאגר גיטהאב ציבורי: חבילת פייתון, קובץ לוח-הבקרה, בדיקות, וקובץ .tar.gz בתיקיית dist.
03
4 · צינורות עיבוד במדע הנתונים
פרויקט: צינור עיבוד במדע הנתונים
מחברת ג'ופיטר יחד עם הנתונים — בקובץ Zip, במאגר גיטהאב או ישר מסביבת העבודה.
04
5 · למידת מכונה בלתי-מונחית ומערכות המלצה
פרויקט: מערכת המלצות
מחברת ג'ופיטר שעוברת את כל בדיקות הפונקציות — בקובץ Zip, בגיטהאב או 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 ומכיר Pandas ו-SQL, עובד עם נתונים ורוצה ארבעה תוצרים שנבדקו בידי אדם מול רובריקה — פוסט ניתוח, לוח-בקרה עם בדיקות, צינור מודל ומערכת המלצות.

✕דלג עליו אם…

אתה מתחיל מאפס בתכנות, מתקשה לקרוא חומר טכני באנגלית, או מצפה לתעודה אקדמית מוכרת — כאן מקבלים תיק פרויקטים, לא הכרה של מוסד לימודים.

לפני שמחליטים

מה זה לא נותן

לא מסלול כניסה לתחום.: רמת הכניסה מתקדמים ושמונה דרישות-קדם — כולל SQL ברמת ביניים וחשבון דיפרנציאלי — אינן נלמדות כאן, אלא נדרשות מראש.
פער בין ההבטחה לפרויקטים.: עמוד-המוצר מדבר על פרויקטים מוכנים לייצור ועל הובלת פתרונות. בפועל שלושה מארבעת הפרויקטים הם מחברות וקוד, והרביעי הוא לוח-בקרה בתוך מאגר גיטהאב.
הכול באנגלית.: השיעורים, הרובריקות ומועדי ההגשה — באנגלית בלבד. מארווין עוזר בהבנה, אבל את ההגשה כותבים באנגלית.
61 השעות אינן הזמן האמיתי.: זה משך התוכן. הזמן שהפרויקטים גוזלים — בחירת מסד-נתונים, ניקוי, כיול והגשה חוזרת — אינו בתוך המספר הזה.

שאלות ותשובות

צריך לדעת פייתון לפני שמתחילים?

כן. אודסיטי מגדירה את המסלול כמתקדם ומונה שמונה דרישות-קדם רשמיות, ביניהן Pandas, NumPy, מטפלוטליב, רגרסיה לינארית, SQL ברמת ביניים וחשבון דיפרנציאלי בסיסי. המסלול לא מלמד אותן מחדש.

אפשר להתמודד עם זה בלי אנגלית טובה?

התוכן, הרובריקות והוראות הפרויקטים באנגלית. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לשאול אותו בעברית ולבקש ממנו סיכום או בוחן — בדקנו חמש בקשות והוא ענה בעברית. את ההגשה עצמה כותבים באנגלית.

מי בודק את הפרויקטים שלי?

בודק אנושי, מול רובריקה כתובה. בפרויקט הראשון קראנו את הרובריקה בכיתה — מספר 1507 — והיא דורשת תהליך CRISP-DM מתועד, קוד בתקן PEP8 עם docstrings, וטיפול מתועד בערכים חסרים.

כמה זמן זה באמת לוקח?

אודסיטי מפרסמת 61 שעות תוכן. בקצב של 6 עד 8 שעות בשבוע זה נופל על כחודשיים — בין שמונה לעשרה שבועות. הזמן שהפרויקטים גוזלים מעבר לתוכן אינו בתוך המספר הזה.

זה יכול להיות המסלול הראשון שלי בתחום?

לא. רמת הכניסה מתקדמים ודרישות-הקדם אינן נלמדות כאן. מי שמתחיל מאפס בתכנות יגיע לפרויקט הראשון בלי הכלים שהרובריקה מצפה לראות.

61 שעות, ארבעה פרויקטים, תיק אחד

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

לעמוד המסלול באודסיטי ←