אודסיטי · Nanodegree · 4 קורסים · 63 שעות

מסלול Nanodegree בתכנות למדעי הנתונים עם פייתון — אודסיטי

המסלול מורכב מארבעה קורסים ברצף: SQL לניתוח נתונים · מבוא לפייתון למדעי הנתונים · סקריפטים למדעי הנתונים · ובסוף מבוא לניהול גרסאות.

השורה התחתונה שלנו

"מסלול-יסוד לתכנות למדעי הנתונים עם פייתון, בלי דרישה לניסיון קודם בתכנות — לא כלי BI ולא בניית-דשבורדים. בקצב של אדם עובד: 8 עד 11 שבועות, וארבעה פרויקטים בשליפת וניתוח נתונים בקוד."

63ש׳

משך רשמי

מתחילים

רמת כניסה

4 · 4

קורסים · פרויקטים

4.8

838 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.

01

למי זה

מי שיודע חשבון בסיסי ועבודה בגיליון אלקטרוני, ורוצה לשלוף ולנתח נתונים בקוד במקום בעכבר. אין דרישה לניסיון קודם בתכנות.

02

מה יוצא ביד

תיק שאילתות SQL על נתוני מכירות, מחברת ניתוח בפייתון על נתוני נאס״א, צינור ניקוי אוטומטי ומאגר גיטהאב עם היסטוריית קומיטים.

03

כמה זמן באמת

63 שעות רשמיות. בקצב של 6 עד 8 שעות בשבוע זה 8 עד 11 שבועות.

04

איפה זה ממקם אותך

בצד הטכני של עבודת נתונים — שליפה, ניקוי, אוטומציה וניהול גרסאות, לא בצד של בניית מודלים.

05

מה חסר

כלי BI ודשבורדים, מודלים סטטיסטיים ולמידת מכונה. וכל החומר, ההוראות והרובריקות — באנגלית.

המסגרת במספרים

63 שעות, ומה שיוצא מהן

אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר. נמדדו ב-9.9.2026.

63

שעות רשמיות

בקצב של 6 עד 8 שעות בשבוע — כלומר 8 עד 11 שבועות עד הסוף

4

קורסים

58

שיעורים

4

פרויקטים

4.8

838 מדרגים

אוגוסט 2026

עודכן

2

עד סיום · שלנו

מסלול הלימוד

ארבעה קורסים ברצף אחד

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

קורס 1

SQL לניתוח נתונים

18.5ש׳

קורס 2

מבוא לפייתון למדעי הנתונים

21.2ש׳

קורס 3

סקריפטים למדעי הנתונים

12.3ש׳

קורס 4

מבוא לניהול גרסאות

10.8ש׳

1SQL לניתוח נתונים18.5 שעות
  • מבוא לאופרטורים ב-SQL — היכרות עם הקורס ועם מסד נתוני המכירות שבו פותרים שאלות עסקיות אמיתיות.
  • מבוא ל-SQL — יסודות השפה, למה היא חשובה לניתוח נתונים, מבנה מסד הנתונים וסקירת מסדי הנתונים הנפוצים.
  • תרשימי יחסי-ישויות — איך קוראים תרשים יחסי-ישויות ורואים בו טבלאות, עמודות והקשרים ביניהן.
  • מבוא למשפטים ב-SQL — המשפטים SELECT ו-FROM, תרגול שאילתות וכללי כתיבה מסודרים בסביבת העבודה.
  • פסוקית LIMIT — הגבלת מספר השורות שהשאילתה מחזירה, כדי לחקור נתונים מהר יותר.
  • פסוקית ORDER BY — מיון תוצאות לפי עמודה אחת או כמה, בסדר עולה או יורד.
  • פסוקית WHERE — סינון נתוני טבלה לפי תנאים מספריים או טקסטואליים.
  • אופרטורים חשבוניים ב-SQL — יצירת עמודות מחושבות וביצוע חישובים בתוך השאילתה לפי סדר פעולות נכון.
  • האופרטורים LIKE ו-IN — סינון גמיש של טקסט ומספרים בעזרת תווים כלליים ורשימות ערכים.
  • האופרטורים AND ו-BETWEEN — סינון לפי כמה תנאים ולפי טווחים, כולל השאלה אם קצות הטווח נכללים.
  • האופרטורים NOT ו-OR — שילוב תנאים ושליפת רשומות שמתאימות או שאינן מתאימות לקריטריון.
  • סיכום אופרטורים ב-SQL — חזרה על הפקודות, התחביר והמושגים המרכזיים של שאילתות בסיסיות.
  • מבוא לצירוף טבלאות — מהו JOIN, מהי נורמליזציה של מסד נתונים ולמה צריך אותם.
  • מבוא ל-INNER JOIN — צירוף נתונים מכמה טבלאות ובחירת עמודות מטבלאות שונות בעזרת פסוקית ON.
  • צירופי טבלאות ב-SQL — שימוש ב-INNER, LEFT ו-RIGHT JOIN, סינון בצירוף והתמודדות עם ערכי NULL.
  • מושגי צירוף מתקדמים — מפתחות ראשיים וזרים, צירוף כמה טבלאות ושימוש בכינויים.
  • סיכום צירופי טבלאות — חזרה על המושגים המרכזיים של השיעור.
  • מבוא לאגרגציה ב-SQL — פתיחה לחלק שמסכם נתונים: ספירה, סכימה, ממוצעים וקיבוץ.
  • ערכי NULL ואגרגציה — איך NULL מייצג נתון חסר, במה הוא שונה מאפס ואיך מזהים או מוציאים אותו.
  • COUNT ב-SQL — ספירת שורות, ההבדל בין ספירת הכול לספירת עמודה, והשפעת ערכי NULL על התוצאה.
  • SUM ב-SQL — סכימת עמודות מספריות, טיפול בערכים חסרים וחישובי מלאי ומכירות.
  • MIN, MAX ו-AVG ב-SQL — מציאת מינימום, מקסימום וממוצע והשימושים העסקיים שלהם.
  • GROUP BY ב-SQL — סיכום נתונים בתוך קבוצות, קיבוץ לפי כמה עמודות ושילוב עם מיון.
  • DISTINCT ב-SQL — שליפת שורות ייחודיות על פני עמודות נבחרות.
  • פסוקית HAVING — סינון תוצאות מקובצות אחרי אגרגציה, מעבר למה ש-WHERE יודע לעשות.
  • פונקציות תאריך ב-SQL — שימוש ב-DATE_TRUNC וב-DATE_PART לניתוח וקיבוץ נתונים לפי חלקי תאריך.
  • משפטי CASE ב-SQL — לוגיקה מותנית בתוך שאילתה, כולל טיפול בערכים חסרים ושילוב עם אגרגציות.
  • מבוא לתת-שאילתות — תת-שאילתות סקלריות שמפשטות לוגיקה מורכבת ומשוות ערכים בתוך שאילתה אחת.
  • תת-שאילתות בפסוקית WHERE — סינון דינמי של תוצאות, כדי שהשאילתה תהיה גמישה וקריאה יותר.
  • תת-שאילתות בפסוקית FROM — יצירת טבלאות נגזרות והמרת נתונים בתוך שאילתות מורכבות.
  • ביטויי טבלה משותפים — ארגון לוגיקה מורכבת לחלקים קריאים וניתנים לשימוש חוזר בעזרת פסוקית WITH.
  • טבלאות זמניות ב-SQL — שמירת תוצאות ביניים כדי לפשט שאילתות מורכבות ולשפר ביצועים.
  • טיפים ל-SQL נקי ויעיל — כללי כתיבה לשאילתות ברורות עם תת-שאילתות, ביטויי טבלה וטבלאות זמניות.
  • פונקציות חלון ב-SQL — חישובי סכומים, ממוצעים ודירוג על פני שורות בלי לאבד את רמת השורה הבודדת.
  • עבודה עם PARTITION BY — סכומים מצטברים, דירוגים וניתוח מגמות בתוך קבוצות.
  • סדר בפונקציות חלון — תפקיד ה-ORDER BY בדירוג ובמסגור, וההבדל בין ROWS ל-RANGE.
  • בניית פונקציית חלון — בניית פונקציות חלון לניתוח מפורט ולסכומים מצטברים, עם אופטימיזציה.
  • מבוא לניקוי נתונים ב-SQL — למה ניקוי נתונים קריטי ואיך מזהים כפילויות, ערכים חסרים וחריגים.
  • ניקוי נתונים ב-SQL — טיפול בערכים חסרים, הסרת כפילויות, האחדת טקסט ותיקון טיפוסי נתונים.
  • ניקוי נתונים מתקדם ב-SQL — טבלאות ביניים וזרימות עבודה לניקוי בקנה מידה גדול, עם בקרת איכות.
  • פרויקטניתוח קמעונאי
2מבוא לפייתון למדעי הנתונים21.2 שעות
  • מבוא לקורס — כתיבת תוכניות בפייתון, עבודה עם מבני נתונים, חקירת מערכי נתונים ויצירת ויזואליזציות.
  • טיפוסי נתונים ואופרטורים — אבני הבניין של פייתון: טיפוסים, אופרטורים, פונקציות מובנות והמרות טיפוס.
  • מבני נתונים בפייתון — סידור וקיבוץ של טיפוסי נתונים שונים יחד, עם פונקציות ואופרטורים מובנים.
  • בקרת זרימה — משפטי תנאי, לולאות שחוזרות על קוד והבנות רשימה.
  • פונקציות — הגדרת פונקציות, תחום משתנים, תיעוד, ביטויי lambda, איטרטורים וגנרטורים.
  • מבוא לחבילות פייתון למדעי הנתונים — שימוש בספריות ובחבילות לפתרון בעיות ניתוח, והתקנה וניהול שלהן.
  • טעינת נתונים וחקירתם עם חבילות פייתון — טעינה ל-DataFrame עם Pandas ו-Polars, בדיקת מבנה ואיכות והפקת סיכומים.
  • חישובים וסטטיסטיקה עם חבילות פייתון — סינון, אגרגציה, קיבוץ וטבלאות ציר כדי להשוות קטגוריות ולזהות דפוסים.
  • ויזואליזציה של נתונים עם חבילות פייתון — גרפים שמראים התפלגויות, מגמות, מתאמים וחריגים, ובחירת הגרף המתאים.
  • סיכום הקורס — חזרה על פייתון, ניתוח נתונים וויזואליזציה ועל זרימת העבודה של חקירת נתונים.
  • פרויקטהאם אנחנו לבד ביקום? ניתוח נתוני כוכבי-הלכת של נאס״א בפייתון
3סקריפטים למדעי הנתונים12.3 שעות
  • ניווט וניהול קבצים בשורת הפקודה — תנועה במערכת הקבצים, בדיקת תוכן קבצים וניהול תיקיות ביוניקס.
  • סקריפטים של שורת-פקודה לאוטומציה של נתונים — שרשור פקודות, לולאות, תנאים וכלי עיבוד טקסט לארגון קבצים ולהמרת מערכי נתונים.
  • סקריפטים בפייתון לזרימות עבודה של נתונים — כלי אוטומציה לשימוש חוזר שמעבדים נתונים, מקבלים קלט משורת הפקודה ומנהלים קבצים.
  • פרויקטאוטומציה של ניקוי נתונים עם שורת-פקודה ופייתון
4מבוא לניהול גרסאות10.8 שעות
  • מהו ניהול גרסאות — היתרונות של ניהול גרסאות בעבודה מקצועית, והתקנת גיט.
  • יצירת מאגר גיט — איך יוצרים מאגר חדש אחרי שגיט מותקן על המחשב.
  • קומיטים, תגיות והתנגשויות — סקירה של היסטוריית הקומיטים במאגר קיים והבנת מה השתנה ומתי.
  • מאגרים מרוחקים ומאגרים של מפתחים אחרים — פיצול פרויקט של מפתח אחר ותרומה לפרויקט ציבורי.
  • כתיבת README למאגר — למה תיעוד חשוב ואיך כותבים קובץ README שבאמת מסביר את הפרויקט.
  • פרויקטפרסום העבודה שלך בגיטהאב

מה יישאר לך ביד

4 פרויקטים בקוד שרץ

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

  1. 01

    SQL לניתוח נתונים

    ניתוח קמעונאי

    שאילתות SQL בקובץ zip או בגיטהאב, מילון-נתונים ותרשים יחסי-ישויות

  2. 02

    מבוא לפייתון למדעי הנתונים

    האם אנחנו לבד ביקום? ניתוח נתוני כוכבי-הלכת של נאס״א בפייתון

    מחברת Jupyter עם טעינה, ויזואליזציה וניתוח חקרני

  3. 03

    סקריפטים למדעי הנתונים

    אוטומציה של ניקוי נתונים עם שורת-פקודה ופייתון

    סקריפטים של הצינור ומערך נתונים מאוחד ומוכן לניתוח

  4. 04

    מבוא לניהול גרסאות

    פרסום העבודה שלך בגיטהאב

    מאגר גיטהאב עם היסטוריית קומיטים וענפים

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 עובד היום עם נתונים בגיליון אלקטרוני ורוצה לעבור לשליפה ולניתוח בקוד; אתה מוכן לקרוא באנגלית ולהגיש ארבעה פרויקטים לבדיקה אנושית מול רובריקה; ואתה רוצה תיק עבודות מוחשי — שאילתות, מחברת ניתוח וסקריפטים — ולא רק צפייה בסרטונים.

לפני שמחליטים

מה זה לא נותן

  • כל התוכן באנגלית: השיעורים, הוראות הפרויקטים והרובריקות. מארווין עונה בעברית, אבל את החומר עצמו אתה קורא באנגלית.
  • אין כאן כלי BI ואין בניית דשבורדים. התוצרים הם שאילתות: מחברת פייתון, סקריפטים ומאגר גיטהאב.
  • אין כאן מודלים סטטיסטיים ואין למידת מכונה: פרויקט נתוני נאס״א מוגדר במפורש כניתוח חקרני, ולא כבניית מודל או בדיקת השערות.
  • 63 השעות הן משך למידה: לא לוח זמנים. בקצב של 6 עד 8 שעות בשבוע מדובר ב-8 עד 11 שבועות של עבודה רצופה.

שאלות ותשובות

צריך לדעת לתכנת לפני שנרשמים?

לא. דרישות-הקדם הרשמיות הן סטטיסטיקה תיאורית בסיסית, עבודה בגיליון אלקטרוני, חשבון בסיסי ולוגריתמים וחזקות. אודסיטי מסווגת את המסלול כמסלול למתחילים, והקורסים מתחילים מטיפוסי נתונים, אופרטורים ומשפטי SELECT.

באיזו שפה החומר, ומה עושים עם האנגלית?

כל התוכן באנגלית — שיעורים, הוראות פרויקטים ורובריקות. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לשאול אותו בעברית, לבקש ממנו סיכום של השיעור או לבקש שיבחן אותך על החומר.

מה בדיוק מגישים בפרויקט הראשון?

בפרויקט ניתוח קמעונאי מגישים שאילתות SQL כקובץ zip או דרך גיטהאב, יחד עם מילון-נתונים ותרשים יחסי-ישויות. העבודה נעשית על מסד נתונים יחסי מוכן שכולל רשומות מכירות, פרטי מוצרים ומיקומי חנויות.

מי בודק את הפרויקטים?

אודסיטי מצהירה שהפרויקטים מוגשים לבדיקה אנושית מול רובריקה. את מה שקראנו ברובריקה של הפרויקט הראשון פירטנו בסעיף "מי בודק את זה בסוף".

כמה זמן זה באמת לוקח?

אודסיטי מפרסמת 63 שעות. בקצב ריאלי זה מתפרס על 8 עד 11 שבועות — הפירוט בסעיף "מה זה לא נותן".

לומדים כאן למידת מכונה או בניית דשבורדים?

לא. אין במסלול מודלים סטטיסטיים ולא למידת מכונה, ואין כלי BI. פרויקט נתוני נאס״א מוגדר במפורש כניתוח חקרני, והתוצרים הם שאילתות, מחברת פייתון, סקריפטים ומאגר גיטהאב.

63 שעות, ארבעה פרויקטים, תיק אחד

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

לעמוד המסלול באודסיטי ←

הרשמה ותמחור מתבצעים אצל אודסיטי · קישור שיווקי · אנחנו לא מוכרים את הקורס

מקורות

  1. עמוד המוצר הרשמי של אודסיטי — Programming for Data Science with Python (nd104): משך, רמה, דירוג, מספר קורסים, שיעורים ופרויקטים והסילבוס המלא. נמדד ב-9.9.2026.
  2. הוראות הפרויקטים בתוך הכיתה של אודסיטי — שלבים, תוצרי הגשה, מועדי הגשה, חומר הגלם והרובריקה. נקראו ב-9.9.2026.

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.

מסלול Nanodegree בתכנות למדעי הנתונים עם פייתון — אודסיטי 63 שעות · ארבעה פרויקטים · 4.8 ★ לעמוד המסלול ←
גילוי נאות: התוכן באתר אינו ייעוץ פיננסי, פנסיוני, מסים או השקעות. החלטות פיננסיות אישיות מומלץ לקבל בליווי בעל מקצוע מוסמך.