אודסיטי · Nanodegree · 5 קורסים · 52 שעות
מסלול Nanodegree בתכנות בינה מלאכותית בפייתון (AI) — אודסיטי
המסלול מורכב מחמישה קורסים ברצף: מבוא לתכנות בינה מלאכותית · פייתון למתחילים — הכנה להסמכת PCEP · NumPy, Pandas ו-Matplotlib · רשתות נוירונים · ובסוף תכנות טרנספורמרים עם PyTorch.
"מסלול-יסוד לתכנות בינה מלאכותית בפייתון, למי שכבר יש לו ניסיון-תכנות בסיסי — לא הכשרה לתפקיד מוגדר ולא כולל SQL, מסדי-נתונים או ענן. בקצב של אדם עובד: חודש וחצי עד שני חודשים, ושני פרויקטים בפייתון וברשתות-נוירונים."
52ש׳
משך רשמי
מתחילים
רמת כניסה
5 · 2
קורסים · פרויקטים
4.7★
663 מדרגים
2חוד׳
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
מי שיש לו ניסיון-תכנות בסיסי ורוצה לסדר ברצף אחד את פייתון, את עבודת-הנתונים ואת רשתות הנוירונים.
מה יוצא ביד
שני תוצרים מוגשים — מחברת יופיטר עם ניתוח ביקורות אמזון, ומודל טרנספורמר מאומן ב-PyTorch.
כמה זמן באמת
אודסיטי כותבת 52 שעות; בקצב של 6 עד 8 שעות בשבוע זה חודש וחצי עד שני חודשים.
איפה זה ממקם אותך
בסוף שלב-היסוד, לא בתפקיד — זה הבסיס לפני לימוד מתקדם בלמידת מכונה.
מה חסר
שני פרויקטים בלבד, כל התוכן וההוראות באנגלית, ובסילבוס אין SQL, מסדי-נתונים או ענן.
המסגרת במספרים
52 שעות, ומה שיוצא מהן
אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר. נמדדו ב-7.9.2026.
52
שעות רשמיות
בקצב של 6 עד 8 שעות בשבוע — חודש וחצי עד שני חודשים עד הסוף
5
קורסים
23
שיעורים
2
פרויקטים
4.7
663 מדרגים
8.2026
עודכן
2
עד סיום · שלנו
מסלול הלימוד
חמישה קורסים ברצף אחד
אורך העמודה מציג את יחס השעות בין הקורסים. פתח קורס כדי לראות כל שיעור בשמו.
קורס 1
מבוא לתכנות בינה מלאכותית
1.5ש׳
קורס 2
פייתון למתחילים — הכנה להסמכת PCEP
20.6ש׳
קורס 3
NumPy, Pandas ו-Matplotlib
7.5ש׳
קורס 4
רשתות נוירונים
12.9ש׳
קורס 5
תכנות טרנספורמרים עם PyTorch
9ש׳
1מבוא לתכנות בינה מלאכותית1.5 שעות
- ברוך הבא לתכנות בינה מלאכותית בפייתון — פתיחת מסלול ה-Nanodegree.
- איך מקבלים עזרה — חמש דקות קריאה על הדרכים לקבל עזרה בתוכן ובפרויקטים.
- עזרה בענייני החשבון — למי פונים בשאלות על החשבון או על התוכנית בכלל.
2פייתון למתחיליםהכנה להסמכת PCEP — 20.6 שעות
- יסודות התכנות בפייתון — מונחי-היסוד, המבנה הלוגי של פייתון והצהרה על משתנים לסוגי-נתונים שונים.
- לוגיקה בוליאנית ואופרטורים מספריים — אופרטורים בוליאניים ורלציוניים, המרת-טיפוסים, קלט-פלט ומגבלות של מספרים עשרוניים.
- בקרת-זרימה ולולאות בפייתון — משפטי תנאי if, elif ו-else לבניית לוגיקה מסועפת, ולולאות for ו-while לחזרה על פעולות.
- מבני-נתונים בפייתון — רשימות, טאפלים ומילונים, כולל אינדוקס, חיתוך ורשימות-הבנה.
- פונקציות בפייתון — פירוק בעיה מורכבת לפונקציות קטנות שאפשר לעשות בהן שימוש חוזר.
- חריגות בפייתון — טיפול בשגיאות עם try-except, סוגי-חריגות נפוצים והעברה ואצילה של חריגות.
- פרויקטגישה מבוססת-נתונים לבינה מלאכותית ופייתון
3NumPy, Pandas וMatplotlib — 7.5 שעות
- אנקונדה — מנהל חבילות וסביבות שנבנה לעבודה על נתונים, ושיפור זרימת-העבודה של הניתוח.
- מחברות יופיטר — כלי נוח לכתיבת קוד פייתון ולשיתוף ממצאים והמחשות.
- NumPy — יסודות הספרייה ויצירה ומניפולציה של מערכים.
- Pandas — יסודות Series ו-DataFrame, וטעינה ועיבוד של נתונים.
- Matplotlib ו-Seaborn — חלק ראשון — יצירת המחשות שמתארות את ההתפלגות של משתנה בודד.
- Matplotlib ו-Seaborn — חלק שני — המחשות שמתארות את הקשר בין שני משתנים.
4רשתות נוירונים12.9 שעות
- ברוך הבא לרשתות נוירונים — היכרות עם המדריכים, הקמת סביבת-הלימוד וסקירת היסודות שיילמדו.
- מבוא לרשתות נוירונים — יסודות הלמידה העמוקה, ומימוש ירידת-גרדיאנט והתפשטות-לאחור בפייתון בתוך הכיתה.
- מימוש ירידת-גרדיאנט — פונקציית-שגיאה אחרת ומימוש ירידת-גרדיאנט בכפל-מטריצות של NumPy.
- אימון רשתות נוירונים — טכניקות לשיפור האימון של הרשת.
- למידה עמוקה עם PyTorch — בניית מודלים של למידה עמוקה ב-PyTorch.
5תכנות טרנספורמרים עם PyTorch9 שעות
- מבוא לרשתות נוירונים מסוג טרנספורמר — הארכיטקטורה, יישומים כמו ChatGPT, יסודות עיבוד-שפה טבעית וטוקניזציה.
- בניית רשתות טרנספורמר עם PyTorch — טוקניזציה, שיכוני-מילים, קשב מרובה-ראשים, אימון ויצירת-טקסט.
- שימוש בטרנספורמרים מאומנים-מראש — אימון וכיול-עדין, המגבלות, ויישום למשימות כמו יצירת-טקסט ושאלות-ותשובות.
- פרויקטטרנספורמרים לניתוח סנטימנט בביקורות סרטים
מה יישאר לך ביד
2 פרויקטים בקוד שרץ
לא מסמכים ולא מצגות. כל פרויקט נעול בשיעור מסומן בסילבוס ומוגש לבדיקה.
- 01
פייתון למתחילים — הכנה להסמכת PCEP
גישה מבוססת-נתונים לבינה מלאכותית ופייתון
מחברת יופיטר שבה שני מערכי-נתונים של ביקורות אמזון 2023 עוברים עיבוד וניתוח והופכים לתובנות
- 02
תכנות טרנספורמרים עם PyTorch
טרנספורמרים לניתוח סנטימנט בביקורות סרטים
מודל טרנספורמר מאומן ב-PyTorch על מערך-נתונים מותאם, בדיוק של יותר מ-75%
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 קוד ברמה בסיסית ורוצה לסדר פייתון, נתונים ורשתות נוירונים ברצף אחד; אתה מתכוון להמשיך אחר-כך ללימוד מתקדם בלמידת מכונה, ורוצה להגיע אליו עם בסיס; ואתה מסתדר עם אנגלית ברמת קריאה והאזנה, ומוכן לעבוד מול רובריקה באנגלית.
✕דלג עליו אם…
אתה מחפש מסלול שמכשיר לתפקיד מוגדר — זה שלב-יסוד, לא הכשרה לתפקיד; אתה צריך SQL, מסדי-נתונים או תשתית ענן; הם לא בסילבוס; אתה רוצה תיק עשיר של פרויקטים — כאן יש שניים בלבד; או אין לך רקע בתכנות בסיסי, באלגברה לינארית ובחשבון דיפרנציאלי בסיסי, ואינך מתכוון להשלים אותם קודם.
לפני שמחליטים
מה זה לא נותן
- שני פרויקטים על 52 שעות.: זה תיק דק ביחס לאורך המסלול — רוב השעות הן שיעורים, לא הגשות.
- פער בין ההבטחה לתוצר.: תיאור-המסלול מדבר על בינה מלאכותית יוצרת, יצירת-טקסט ומודלים מאומנים-מראש, אבל הפרויקט שמוגש בפועל בקורס האחרון הוא סיווג סנטימנט בביקורות סרטים.
- הכול באנגלית.: השיעורים, הוראות-הפרויקט והרובריקה — באנגלית בלבד. מארווין עונה בעברית, אבל התוכן עצמו לא מתורגם.
- אין SQL, מסדי-נתונים או ענן.: בשמות השיעורים בסילבוס הם לא מופיעים; כל עבודת-הנתונים נעשית בפייתון ובמחברת.
- הרובריקה לא נגישה לצילום.: בקריאה שלנו ב-7.9.2026 לא הצלחנו לצלם אותה, ולכן אי-אפשר לדעת מראש מה בדיוק מנוקד בהגשה.
שאלות ותשובות
צריך לדעת לתכנת לפני שמתחילים?
כן, ברמה בסיסית. אודסיטי מסמנת את המסלול כ"מתחילים" אבל כותבת שהוא נכתב למי שיש לו ניסיון-תכנות בסיסי, ומונה ארבע דרישות-קדם: אלגברה בסיסית, אלגברה לינארית, חשבון דיפרנציאלי בסיסי ו-GitHub בסיסי.
כמה זמן זה באמת לוקח?
אודסיטי מפרסמת 52 שעות. בקצב ריאלי של 6 עד 8 שעות בשבוע, כמו של אדם שעובד במשרה מלאה, זה חודש וחצי עד שני חודשים. החישוב הזה שלנו, לא של הספק.
מי בודק את הפרויקטים?
אודסיטי מצהירה שההגשה נבדקת מול רובריקה (Project Rubric), כלומר אדם קורא את העבודה. את הרובריקה עצמה לא הצלחנו לצלם בקריאה שלנו ב-7.9.2026.
התוכן באנגלית — יש עזרה בעברית?
השיעורים, הוראות-הפרויקט והרובריקה באנגלית. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לדבר איתו בעברית — לשאול, לבקש סיכום של השיעור או לבקש שיבחן אותך על מה שקראת.
מה בעצם מגישים בסוף?
שני תוצרים: מחברת יופיטר שבה שני מערכי-נתונים של ביקורות אמזון 2023 עוברים עיבוד וניתוח, ומודל טרנספורמר מאומן ב-PyTorch על מערך-נתונים מותאם, בדיוק של יותר מ-75%.
זה מספיק כדי לעבוד בתחום?
לא כשלעצמו. זה מסלול-יסוד: הוא בונה בסיס של קוד, נתונים ורשתות נוירונים לקראת לימוד מתקדם בלמידת מכונה, ומגיש שני פרויקטים בלבד. אין בסילבוס SQL, מסדי-נתונים או ענן.
52 שעות, שני 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 AI Programming with Python באודסיטי — נמדד ב-7.9.2026.
- הוראות הפרויקט "A Data-Driven Approach to AI and Python" בתוך הכיתה של אודסיטי — נקראו ב-7.9.2026.
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.