אודסיטי · Nanodegree · 11 קורסים · 37 שעות

מסלול Nanodegree בראייה ממוחשבת — אודסיטי

המסלול מורכב מאחד-עשר קורסים ברצף: מבוא לראייה ממוחשבת · אופציונלי: מחשוב ענן · ראייה ממוחשבת מתקדמת ולמידה עמוקה · מעקב אחר עצמים ומיקום · ועוד…

השורה התחתונה שלנו

"מסלול מתקדם לראייה ממוחשבת, למי שכבר כותב פייתון מונחה-עצמים ומכיר מסגרת למידה-עמוקה — לא ליווי מודל עד ייצור ולא תוכן מתורגם. בקצב של אדם עובד: חודש עד חודש וחצי, ושלושה פרויקטים בראייה ממוחשבת."

37ש׳

משך רשמי

מתקדמים

רמת כניסה

11 · 3

קורסים · פרויקטים

4.7★

478 מדרגים

1חוד׳

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 מונחה-עצמים, מכיר מסגרת למידה עמוקה ורוצה להיכנס לראייה ממוחשבת. רמת הכניסה שאודסיטי מציינת היא מתקדמים.

מה יוצא ביד

שלושה מימושים בפייטורץ' — רשת קונבולוציה ל-68 נקודות-ציון בפנים, מודל CNN-RNN שכותב כתובית לתמונה, ומימוש SLAM בעולם דו-ממדי.

כמה זמן באמת

אודסיטי מפרסמת 37 שעות. בקצב של 6 עד 8 שעות בשבוע זה חודש עד חודש וחצי, בלי זמן האימון על מעבד גרפי.

לאיזה סוג עבודה זה מכוון

הערכה שלנו — לכיוון תפקידים מסוג מהנדס אלגוריתמים בראייה ממוחשבת או מדען נתונים, על בסיס הפרויקטים שנמדדו.

מה חסר

החומר כולו באנגלית, דרישות הקדם מתקדמות, וסכימת שעות הקורסים בסילבוס גבוהה בהרבה מ-37 השעות הרשמיות.

המסגרת במספרים

37 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 — חודש עד חודש וחצי (37 שעות רשמיות); חודשיים עד שלושה (66 שעות סילבוס)

קורסים

שיעורים

פרויקטים

4.7

478 מדרגים

5.2025

עודכן

עד סיום · שלנו

מסלול הלימוד

11 קורסים ברצף אחד

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

קורס 1

ברוכים הבאים למסלול

0.8ש׳

קורס 2

מבוא לראייה ממוחשבת

12ש׳

קורס 3

אופציונלי: מחשוב ענן

0.7ש׳

קורס 4

ראייה ממוחשבת מתקדמת ולמידה עמוקה

9ש׳

קורס 5

מעקב אחר עצמים ומיקום

14.8ש׳

קורס 6

יישומים של ראייה ממוחשבת ולמידה עמוקה

0.7ש׳

קורס 7

חזרה: אימון רשת נוירונים

3.5ש׳

קורס 8

זיהוי סרטן עור

2ש׳

קורס 9

ניתוח סנטימנט בטקסט

2ש׳

קורס 10

עוד מודלים של למידה עמוקה

1ש׳

קורס 11

תכנות ב-C++

19.3ש׳

1ברוכים הבאים למסלול0.8 שעות

ברוכים הבאים! — היכרות של חמש דקות עם אודסיטי וטיפים להצלחה בקורסים.
איך לקבל עזרה — חמש דקות קריאה על הדרכים לקבל עזרה בתוכן ובפרויקטים.

2מבוא לראייה ממוחשבת12 שעות

ברוכים הבאים לראייה ממוחשבת — פתיחה למסלול הראייה הממוחשבת.
ייצוג תמונה וסיווג — איך תמונות מיוצגות במספרים, ואיך מיישמים מיסוך צבע וסיווג בינארי.
מסנני קונבולוציה וגילוי קצוות — תדירות בתמונה, בניית מסננים לגילוי קצוות וצורות, ושימוש בספריית ראייה ממוחשבת לזיהוי פנים.
סוגי מאפיינים וחלוקת תמונה — כתיבת מגלה-פינות ולמידת שיטות כמו אשכול K-means לחלוקת תמונה לחלקים.
וקטורי מאפיינים — איך מתארים עצמים ותמונות באמצעות וקטורי מאפיינים.
שכבות CNN והמחשת מאפיינים — הגדרה ואימון של רשת קונבולוציה לזיהוי פריטי לבוש, והמחשה חזותית של מה שהרשת למדה.
פרויקטפרויקט: זיהוי נקודות-ציון בפנים

3אופציונלי: מחשוב ענן0.7 שעות

אופציונלי: מחשוב ענן עם AWS — הקמת מכונה בענן ואימון רשת על מעבד גרפי כדי לקצר זמנים.

4ראייה ממוחשבת מתקדמת ולמידה עמוקה9 שעות

ארכיטקטורות CNN מתקדמות — איך רשתות מבוססות-אזורים כמו Faster R-CNN מזהות עצמים במיקום מדויק ובמהירות.
YOLO — מודל זיהוי ריבוי-עצמים YOLO ועבודה עם מימוש שלו.
רשתות נוירונים חוזרות — איך משלבים זיכרון במודל למידה עמוקה ולומדים מרצפי נתונים.
רשתות זיכרון ארוך-קצר (LSTM) — הסבר על LSTM וארכיטקטורות דומות ששומרות זיכרון לטווח ארוך.
היפר-פרמטרים — אילו היפר-פרמטרים מגדירים ומאמנים מודל, ומאיפה מתחילים בכיול שלהם.
אופציונלי: מנגנוני קשב — איך מודלי קשב עובדים, עם מימוש קוד בסיסי.
יצירת כתוביות לתמונה — שילוב רשתות קונבולוציה ורשתות חוזרות למודל כתוביות אוטומטי.
פרויקטפרויקט: יצירת כתוביות לתמונה

5מעקב אחר עצמים ומיקום14.8 שעות

מבוא לתנועה — ייצוג מתמטי של תנועה והיכרות ראשונה עם זרימה אופטית.
מיקום רובוט — מימוש מסנן בייסיאני לאיתור רובוט במרחב וייצוג אי-ודאות בתנועה.
מיני-פרויקט: מסנן היסטוגרמה דו-ממדי — כתיבת פונקציות חישה ותנועה וניפוי באגים של מסנן היסטוגרמה דו-ממדי.
מבוא למסנני קלמן — האינטואיציה מאחורי מסנן קלמן ומימוש עוקב חד-ממדי.
ייצוג מצב ותנועה — ייצוג מצב של רכב בווקטור שאפשר לשנות באלגברה לינארית.
מטריצות ושינוי מצב — פעולות המטריצות שמתחת למסנני קלמן רבי-ממדים.
מיקום ומיפוי בו-זמניים — מימוש SLAM: מיקום רכב אוטונומי ובניית מפת נקודות-ציון בסביבה.
אופציונלי: תנועת רכב וחשבון דיפרנציאלי — חזרה על יסודות החשבון וגזירת מרכיבי התנועה מנתוני חיישנים.
פרויקטפרויקט: זיהוי ומעקב אחר נקודות-ציון

6יישומים של ראייה ממוחשבת ולמידה עמוקה0.7 שעות

יישום מודלים של למידה עמוקה — התנסות ביישומים כמו העברת סגנון, עם מודלים מאומנים מראש מגיטהאב.

7חזרה: אימון רשת נוירונים3.5 שעות

העברה קדימה והתפשטות לאחור — מבוא קצר לאופן שבו רשת מתאמנת בשני המעברים.
אימון רשתות נוירונים — שיטות לשיפור האימון של רשתות.
למידה עמוקה עם פייטורץ' (PyTorch) — בניית מודלים של למידה עמוקה בפייטורץ'.

8זיהוי סרטן עור2 שעות

למידה עמוקה לזיהוי סרטן — עבודה פורצת-דרך על זיהוי סרטן עור באמצעות רשתות קונבולוציה.

9ניתוח סנטימנט בטקסט2 שעות

ניתוח סנטימנט — שימוש ברשתות נוירונים לניתוח הסנטימנט בטקסט.

10עוד מודלים של למידה עמוקהשעה אחת

רשתות קונבולוציה מלאות וחלוקה סמנטית — סקירה ברמה גבוהה של רשתות שמסווגות כל פיקסל בתמונה.

11תכנות בC++ — 19.3 שעות

התחלה ב-C++ — ההבדלים בין C++ לפייתון ואיך כותבים קוד C++.
וקטורים ב-C++ — שימוש בווקטורים לתרגום קוד פייתון לפעולות אלגברה מטריצית.
C++ מעשי — כתיבה והידור של קוד על המחשב שלך בלי להיתקע בשגיאות הידור.
תכנות מונחה-עצמים ב-C++ — התחביר של מונחה-עצמים והתכונות הנוספות שהשפה נותנת.
מהירות פייתון מול C++ — השוואת זמני הריצה בין תוכניות בשתי השפות.
מבוא לאופטימיזציה ב-C++ — איך התוכנית משתמשת במעבד ובזיכרון, ומה מאט אותה.
תרגול אופטימיזציה ב-C++ — שיטות אופטימיזציה ספציפיות ותרגול לקראת פרויקט הקוד.
פרויקט: אופטימיזציה של מסנן היסטוגרמה — מקבלים מסנן היסטוגרמה דו-ממדי עובד, והמשימה היא להאיץ אותו.

מה יישאר לך ביד

3 פרויקטים בקוד שרץ

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

01
מבוא לראייה ממוחשבת
זיהוי נקודות-ציון בפנים
68 נקודות-ציון בפנים, על כל תמונה שמופיעות בה פנים. הרשת חייבת לכלול לפחות שכבת קונבולוציה אחת, למשל nn.Conv2d(1, 32, 5), עם קלט אפור מרובע. שרשרת ההמרות חייבת לכלול שינוי גודל או חיתוך, נרמול והמרה ל-Tensor. אזהרה בהוראות: לפני הגשה מתוך סביבת העבודה אין להשאיר קבצי תמונה בתיקיית הבית. מועד ההגשה שהופיע בכיתה: 6 באוקטובר 2026.
02
ראייה ממוחשבת מתקדמת ולמידה עמוקה
יצירת כתוביות לתמונה
model.py, מחברת האימון ומחברת ההסקה — ההגשה מתבצעת מתוך סביבת העבודה בלבד
03
מעקב אחר עצמים ומיקום
זיהוי ומעקב אחר נקודות-ציון
מחברת המעקב וקובץ robot_class.py עם פונקציית החישה, בקובץ Zip או דרך גיטהאב

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 ומאמן רשתות, ורוצה שלושה מימושים שנבדקים על ידי אדם; מעניין אותך הצד של רובוטיקה ומערכות אוטונומיות, ולא רק סיווג תמונות; ונוח לך לקרוא הוראות טכניות באנגלית ולעבוד במחברות Jupyter.

✕דלג עליו אם…

אתה בתחילת הדרך בתכנות — שש דרישות הקדם כאן אינן קוסמטיות; אתה מחפש מסלול שמלווה מודל עד לייצור, כולל פריסה וניטור; או אתה צריך חומר בעברית או תרגום מלא של השיעורים.

לפני שמחליטים

מה זה לא נותן

החומר כולו באנגלית: — שמות השיעורים, התקצירים והוראות הפרויקטים. מארווין עונה בעברית, אבל התוכן עצמו לא מתורגם.
פער משך משמעותי: — אודסיטי מפרסמת 37 שעות למסלול, אבל סכימת השעות שהיא נותנת ל-11 הקורסים בסילבוס מגיעה לכ-66 שעות. הפרש כזה משנה תכנון.
דרישות הקדם מתקדמות: — פייתון מונחה-עצמים, הסתברות בסיסית ושליטה במסגרת למידה עמוקה. זה לא מסלול פתיחה לתחום.
לא כל קורס הוא חומר חדש: — קורס חזרה על אימון רשתות, ושני קורסים קצרים (זיהוי סרטן עור, ניתוח סנטימנט) הם העשרה. בסילבוס גם מופיע שיעור בשם פרויקט אופטימיזציה של מסנן היסטוגרמה בקורס ה-C++, אבל אודסיטי מונה שלושה פרויקטים מוגשים בלבד.

שאלות ותשובות

צריך רקע בתכנות כדי להתחיל?

כן. אודסיטי מגדירה את רמת הכניסה כמתקדמים ומונה שש דרישות-קדם: פייתון ברמת ביניים, פייתון מונחה-עצמים, יסודות תכנות מונחה-עצמים, חשבון בסיסי, הסתברות בסיסית ושליטה במסגרת למידה עמוקה.

צריך מעבד גרפי משלי?

לא. הפרויקט הראשון אינו דורש מעבד גרפי, ובפרויקט הכתוביות ההוראות מחייבות עבודה והגשה מתוך סביבת ה-GPU של הכיתה, שם גם נטען מאגר התמונות.

מה קורה עם האנגלית?

כל התוכן והוראות הפרויקטים באנגלית. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לשאול בעברית, לבקש ממנו סיכום של השיעור או שיבחן אותך על החומר — בדקנו ב-7.9.2026 וקיבלנו חמש מתוך חמש תשובות בעברית.

מי בודק את הפרויקטים?

אודסיטי מצהירה שכל שלושת הפרויקטים עוברים ביקורת אנושית מול רובריקה. בפרויקט הראשון קראנו את הרובריקה מתוך עמוד הפרויקט בכיתה, והתוכנית אומרת שהמימוש הוא מה שנבדק ולא דיוק המודל.

כמה זמן זה באמת לוקח?

מעבר ל-37 השעות שאודסיטי מפרסמת: סכימת השעות של 11 הקורסים בסילבוס מגיעה לכ-66 שעות, ואימון מלא של מודל הכתוביות לוקח זמן נוסף על המעבד הגרפי.

37 שעות, שלושה פרויקטים, תיק אחד

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

לעמוד המסלול באודסיטי ←