חלק ממסלול Machine Learningחדשמסלולסטטיסטיקה ללמידת מכונה, בלי לשנן נוסחאות
הסטטיסטיקה שכל מודל נשען עליה, נלמדת דרך סימולציות וגרפים במקום שינון נוסחאות. Python אמיתי עם NumPy, pandas, SciPy ו־scikit-learn, וגרף בכל שיעור.
64 שיעורים63 אתגרים265 שאלות חידון
- ידידותי למתחילים
עזרה בתכנות בליווי AI
שיעורים אינטראקטיביים ומעשיים
חידונים לבדיקת הידע
תעודת סיום בחינם
סילבוס
היחידה הזו היא חלק ממסלול Machine Learning. בסילבוס המלא יש עוד יחידות: לחצו על כל תצוגה מקדימה למטה כדי לראות אותה בדף המסלול.
- יחידה 1נתונים ותרשימים60 שיעורים
יחידה 2
סטטיסטיקה ללמידת מכונה
להתחיל את היחידהלהתחילהסטטיסטיקה שמאחורי כל מודל: מרכז ופיזור, התפלגויות, הסתברות באמצעות סימולציה, מדגמים, ערכים חריגים, מתאם, קווי מגמה ומבחנים להשוואת קבוצות, ולאחר מכן התאמת קנה מידה וקידוד של תכונות. כל רעיון מחושב על נתונים אמיתיים ומוצג בתרשים.מרכז ופיזור
6 שיעורים625התפלגויות
6 שיעורים625הסתברות באמצעות סימולציה
6 שיעורים625מדגמים ואוכלוסיות
5 שיעורים520ערכים חריגים
5 שיעורים520קשרים
6 שיעורים525קווי מגמה
6 שיעורים625השוואה בין קבוצות
6 שיעורים625סקיילינג של תכונות
5 שיעורים520קידוד קטגוריות
4 שיעורים415חקר מערך נתונים
5 שיעורים520אתגרים מסכמים
4 שיעורים420- יחידה 3למידה מונחית58 שיעורים
- יחידה 4למידה בלתי מונחית51 שיעורים
ללמוד תוך כדי עשייה
כתבו קוד אמיתי, שלפו נתונים ממסדי נתונים, בנו אתרים ושלטו בפרומפטים ל-AI. השיעורים האינטראקטיביים שלנו מכסים כל מיומנות שמפתחים מודרניים צריכים.
לבנות רצף
שמרו על עקביות וראו איך ההתקדמות שלכם גדלה! עקבו אחרי הרגל התכנות היומי, הגנו על הרצף עם ימי הקפאה וקבלו פרסים על כל יום שאתם מגיעים.
12 ימי רצף
חזרו מחר כדי לשמור על הרצף!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
הכל או כלום
יום 5 מתוך 7
הקפאת רצף
2 left
לתכנת מכל מקום
קחו את מסע התכנות שלכם לכל מקום! בלי התקנות, בלי הורדות: פשוט פותחים ומתחילים לתכנת. זמין ב-iOS, ב-Android ובאתר עם דירוג של 4.9 כוכבים.
אתם לא לבד
התחרו בטבלאות דירוג עולמיות, הזמינו חברים כדי לקבל פרסים וחגגו את ההצלחות אחד של השני. תכנות עם חברים זה יותר כיף!
1
2
3
אזור העלייהכל הדרכים ללמוד
לקרוא, להאזין, לבחון את עצמכם, לשאול את ה-AI או לחפש כל דבר שכבר למדתם. כל שיעור פוגש אתכם בדיוק איפה שאתם.
משתנה הוא מיכל עם שם ששומר ערך שאפשר להתייחס אליו בהמשך התוכנית.
ב-Python יוצרים משתנה על ידי כתיבת השם, סימן שווה, ואז הערך שרוצים לשמור.
הערך יכול להשתנות עם הזמן. השמה מחדש לאותו שם פשוט מפנה אותו לערך חדש.
לקבל תעודה
קבלו תעודה על כל קורס שתסיימו. הוסיפו אותן לפרופיל ה-LinkedIn ולקורות החיים כדי להציג למעסיקים את כישורי התכנות שלכם.
תעודת סיוםיסודות Python
להוסיף ל-LinkedInלמה ללמוד סטטיסטיקה ללמידת מכונה עם Coddy
- קודם מדמים, אחר כך רואים. הטילו אלפי קוביות, שלפו אלפי מדגמים, ערבבו קבוצות אלפי פעמים, וצפו בהיסטוגרמה מתייצבת. הסתברות היא קודם כול חלק שאפשר לספור, ורק אחר כך נוסחה.
- בכל שיעור יש גרף: היסטוגרמות צפיפות עם עקומה נורמלית מעליהן, דיאגרמות קופסה עם החריגים שלהן, מפות חום של מתאם, קווי מגמה מותאמים. הגרף שלכם מופיע בלשונית גרפים בכל הרצה.
- הסטטיסטיקה שלמידת מכונה באמת משתמשת בה: ממוצע וחציון, פיזור ואחוזונים, התפלגויות וציוני z, דגימה, חריגים, מתאם, ריבועים פחותים ו־R בריבוע, ערכי p ומבחן t.
- החלק מסתיים במקום שבו מודלים מתחילים: שינוי קנה מידה של מאפיינים עם
StandardScaler, קידוד קטגוריות עםpd.get_dummies, ורשימת בדיקה לחקירת מערך נתונים חדש לפני שמאמנים משהו.
שאלות נפוצות על סטטיסטיקה ללמידת מכונה
כמה סטטיסטיקה צריך ללמידת מכונה?
פחות ממה שרוב האנשים חוששים. כדי לאמן ולשפוט מודלים היטב צריך לקרוא מרכז ופיזור, לדעת מה הם התפלגות וחריג, למדוד קשר בעזרת מתאם, להתאים קו, ולהבחין בין הבדל אמיתי למקרה. זה בדיוק החלק הזה. הוכחות ותורת הסתברות כבדה חשובות למחקר, לא לשימוש טוב ב־scikit-learn.
זו אותה סטטיסטיקה כמו למדעי הנתונים?
כן. סטטיסטיקה תיאורית, התפלגויות, דגימה, מתאם, קווי רגרסיה ובדיקת השערות הם הליבה המשותפת של סטטיסטיקה למדעי הנתונים וללמידת מכונה. הפרקים האחרונים נוטים לכיוון מודלים, עם שינוי קנה מידה, קידוד וחקירת מערך נתונים לפני אימון.
צריך חשבון דיפרנציאלי או אלגברה לינארית?
לא. הכול נלמד עם חשבון פשוט, סימולציות וגרפים. איפה שיש נוסחה, פוגשים אותה כשורת קוד אחת ותמונה, ואז בודקים אותה מול סימולציה. חשבון דיפרנציאלי ואלגברה לינארית נעשים שימושיים בהמשך, אם תרצו לצלול לאופן שבו אלגוריתמים בנויים.
מה זה ערך p, במילים פשוטות?
stats.ttest_ind, קיצור הדרך של הנוסחה לאותה שאלה.באילו ספריות Python החלק משתמש?
stats של SciPy להתפלגויות ומבחנים, ו־scikit-learn בשביל StandardScaler. את כולן מלמד החלק על ויזואליזציה של נתונים בפייתון שבא לפני החלק הזה.כמה זמן לוקח חלק הסטטיסטיקה?
64 שיעורים, כ־11 שעות בקצב שלכם: שלושה עד ארבעה שבועות בחצי שעה ביום, כולל ארבעה אתגרי סיום על נתונים שנראים אמיתיים.
חלק הסטטיסטיקה חינמי?
כן. השיעורים, הגרפים, רמזי ה־AI ותעודת החלק חינמיים. חשבון חינמי מאפשר לעבור כמה שיעורים ביום, ו־Pro מסיר את המגבלה היומית.
