top of page
Anchor 1

למידת מכונה 

איך ללמוד ?

נושא למידת מכונה הינו נושא רחב המשלב ידע רב במתמטיקה , בכתיבת קוד ובהבנת תהליכים , גם מי שמכיר פייתון יצטרך ללמוד על ספריות חשובות כגון pandas  לשם שימוש באלגברה לינארית ומטריצות ועוד ספריות לויזואליזציה כגון :seaborn, sklearn, matplotlib ישנן מספר דרכים ללמידה , אני מציג כאן שתי דרכים , קצרה , מרוכזת ומגוונת , ודרך קורסים בעברית בקמפוס IL.

 

בהצלחה !

​

למידת מכונה ורשתות נוירונים
  1. מצגת היכרות של תחום למידת מכונה -קישור למצגת היכרות (קישור למקור :  קישור למצגת) 

  2.  מצגת הכנה להתחלת הקורס - לפני תחילת הלמידה מומלץ לעבור על המצגות הבאות לפי הסדר :
     מצגת מבוא לרגרסיה לינארית  - איך מתבצע חיזוי בלמידת מכונה 
    פתרון מקדמי רגרסיה לינארית - הסבר מתמטי איך מוצאים את הפתרון האופטימלי של פונקציית Loss עבור רגרסיה לינארית.
    מצגת הבנה של Gradient descent - איך נמצא את המינימום במקרים של פונקציות מיוחדות 

​​

למידת מכונה ורשתות נוירונים

Shorts  (MachineToGo)  2min
Full clip (3Blue1Brown) 15-20min

אופטימייזרים  (Optimizers) - אופטימייזר הוא האלגוריתם שאחראי לעדכן ולשפר את המשקולות של המודל בזמן האימון, כדי להקטין את טעויות הניחוש שלו לשם מציאת מינימום של פונקציית השגיאה . הוא פועל כמו "מצפן" שמכוון את המודל לצעוד בכיוון הנכון לעבר התוצאה המדויקת ביותר. אלגוריתמים נפוצים :  SGD,Gradient descent,Momentum , Adam  וסרטון קצר להשוואה​

פרמטרים לעומת היפר-פרמטרים - Parameters הם המשתנים שהמודל לומד ואידיאלית מפתחים בעצמו מתוך הנתונים במהלך האימון (כמו משקולות ברשת ניורונים). לעומתם, Hyperparameters הם ההגדרות שנקבעות מראש על ידי המפתח לפני שהאימון מתחיל (כמו קצב הלמידה או מספר השכבות) כדי לשלוט באופציות ובאופן תהליך הלמידה. להן קישור המסביר את ההבדל

עיבוד שפה טבעית LLM

Shorts (youtube/instagram) 2min

Full explained clip (3Blue1Brown) 15-20min

Part 11: How Does an LLM Work

Part 31: TRANSFORMER

Part 21: ATTENTION

Part 30: RAG

Part 33: EMBEDDINGS

למידה מודרכת  (Supervised Learning Algorithms)

Shorts (youtube/instagram) 2min

Part 16: SPAM FILTER

Part 18: DECISION TREE

​Part 20: RANDOM FOREST

Part 22: XGBOOST

Part 24: K-NEAREST NEIGHBORS (KNN)

Part 29: SUPPORT VECTOR MACHINE (SVM)

​​

​

למידה בלתי מודרכת  (Unsupervised Learning
​

​

Part 15: THE ALGORITHM THAT KNOWS WHAT YOU LIKE

Part 17: K-MEANS ALGORITHM

Part 34: PRINCIPAL COMPONENT ANALYSIS

Part 35: SUPERVISED VS UNSUPERVISED LEARNING

​

למידת חיזוק Reinforcment Learning

​​

Part 14: Building an algorithm that can escape a maze

​

סרטונים אחרים

​

Part 23: 6 MUST KNOW ML ALGORITHMS

Part 26: AI SCALING LAWS

Part 27: 6 MUST KNOW ML ALGORITHMS

Part 28: SCALING LAW OF SIZE

 ועוד סרטונים קצרים בנושא :

Part 12: DOES AI REALLY THINK 

Part 19: BACKPROP & GRADIENT DESCENT CONNECTED

Part 25: DEEP NETWORK

​

רשתות נוירונים - מודלי יצירה GenerativeAI (שתי רשתות נוירונים : יוצרת ומפענחת)

​

Part 13: BUILDING OUR OWN IMAGE GENERATOR AI

Part 32: CONVOLUTIONAL NEURAL NETWORK  (CNN)

לימוד דרך קורסי קמפוס IL בעברית

גם כאן רמת הידע אינה מעמיקה , אך מביאה לרמת הבנה טובה יותר של איך הדברים עובדים , הלמידה כאן תתבצע דרך מספר קורסים מבית קמפוס IL (להלן הקישורים) העוסקים בלמידת פייתון ומדעי הנתונים ( שזהו התחום שעוסק בלמידת מכונה ).

שני הקורסים הראשונים עוסקים בפייתון אז למי שמכיר פייתון מוזמן לדלג.​​​

קישורים נוספים להעמקת הלמידה

​​

קישורים ממורים מתחום הדעת​

קישור לסרטונים של אריאל בר יצחק ושל קובי מייק האלופים ! הסרטונים מתחילים ממש מההתחלה , היכרות עם ספריות פייתון רלבנטיות , החלק המתמטי הנדרש ועד הגעה למימוש למידת מכונה לבעיות אמתיות .

Reinforcment Learning - האתר של גלעד מרקמן - אתר עם סרטונים של חומר הלימוד מתקופת הקורונה , הסברים מעולים שלב אחרי שלב

📖ספר דיגיטלי של גלעד מרקמן - ספר דיגיטלי המכיל כל מה שצריך לדעת בלמידת מכונה ולמידת חיזוקים , מאת גלעד מרקמן.

​

סדרות צפייה ביוטיוב

 

 קורס מעולה מבית 3dBrown - מתאים לצפייה אחרי שצופים בחלק 10 בקורס המקוצר הקודם   המאפשר הרחבה של נושאים שלא היו ברורים בקורס בקורס המקוצר הקודם.

🎥אלגברה לינארית - מספר סרטונים קצרים המסבירים אלגברה לינארית , מטריצות , הכפלת מטריצות וכו

🎥חדוא - חקירת פונקציות עם מספר משתנים , gradient  , רק סרטונים 1-5 ו- 19-21 

​

​​

קישורים נוספים

הבלוג של אריאל - לקישור לבלוג של אריאל אשר מכיל חומרים רבים בנושא למידת מכונה

קישור לתיקיית דרייב של אריאל בר יצחק עם חומר לימוד של השתלמות

​

קורסים מבית -Coursera  ( רישום כ-audit מאפשר גישה חינם)

התמחות ב- Machine Learning - קישור לעמוד קורסי ההסמכה של למידת מכונה - שימו לב שבתחתית העמוד קיימים שלושה מיני קורסים שכולם ביחד מרכיבים את ההסמכה. הקורסים בחינם !

  1. Supervised Machine Learning

  2. Advanced Learning Algorithms 

  3. Upsupervised Learning, Recommenders, RL 

 

התמחות ב-Deep Learning - קישור לעמוד קורסי ההסמכה של למידה עמוקה, שימו לב שבתחתית העמוד קיימים חמישה מיני קורסים שכולם ביחד מרכיבים את ההסמכה. בסיום הקורס מקבלים תעודת הסמכה. הקורסים בחינם !

  1. Neural Networks and Deep Learning

  2. Improving Deep Neural Networks 

  3. Structuring Machine Learning Projects 

  4. Convolutional Neural Networks 

  5. Sequence Models 

התמחות ב-DeepLearning.AI TensorFlow Developer Professional - קישור לעמוד קורסי ההסמכה מקצועית לשימוש בספריה TendorFlow ולמידה עמוקה , שימו לב שבתחתית העמוד קיימים ארבעה מיני קורסים שכולם ביחד מרכיבים את ההסמכה.. הקורסים בחינם !

  1. Intoduction to TensorFlow for Artificial Intelligence 

  2. Convolutional Neural Networks in TensorFlow 

  3. Natural Language Processing in TensorFlow 

  4. Sequences, Time Series and Prediction 

 

 

 

קורסים מבית Udemy


Complete Tensorflow 2 and Keras Deep Learning Bootcamp

 

​​
bottom of page