שיעור פרטי בבינה מלאכותית ולמידת מכונה עם AI
מבינים איך מכונה לומדת מדוגמאות, ובונים ובודקים בעצמכם מודלים מפשוטים ועד LLM וסוכנים
המורה: נועם
- התוכנית עודכנה 11.2026
- עברית, ועוד 5 שפות
- 3 רמות: מתחילים · ממשיכים · מתקדמים
- 35 שיעורים · כ־19 שעות של שיעורים
בינה מלאכותית ולמידת מכונה
מבינים איך מכונה לומדת מדוגמאות, ובונים ובודקים בעצמכם מודלים מפשוטים ועד LLM וסוכנים
11 שיעורים · 3 פרקים · שיעור חי פרטי עם המורה על הלוח
מה תדעו לעשות בסוף
- להבחין בין AI לתוכנה רגילה ולהסביר מתי עדיף ללמוד מדוגמאות ולא לכתוב חוקים
- לתרגם בעיה אמיתית לטבלת נתונים עם שורות, פיצ'רים ותווית
- לזהות אם בעיה היא סיווג או חיזוי מספר ולנסח אותה כלמידה מונחית
- להפעיל ביד k-NN על נקודות בגרף ולחזות מחלקה לדוגמה חדשה
- להריץ ביד סבב של k-means ולמדוד טעות של קו חיזוי על נתונים
- לחלק נתונים לאימון ובדיקה ולחשב אחוז הצלחה מול מודל בסיס
- לזהות נתונים חסרים או תוויות שגויות ולהציע תיקון
- לתכנן פרויקט ML קטן מקצה לקצה ולהחליט אם המודל מוכן
- לבנות רגרסיה לינארית y = wx + b ולהסביר מה אומרים השיפוע והחיתוך
- לחשב MSE ולהזיז את w ו־b בירידה במדרון עד שהטעות קטנה
- לנרמל פיצ'רים ולקודד פיצ'ר קטגוריאלי ב־one-hot
- להפוך ציון לינארי להסתברות בסיגמואיד ולשרטט גבול החלטה
- לחשב Precision ו־Recall ממטריצת בלבול ולבחור סף ומדד לפי חומרת הטעויות
- לבנות ביד עץ החלטה לפי Gini ולנבא דוגמה חדשה
- לזהות התאמת יתר מעקומות טעות ולבחור נגדה ולידציה, גיזום או רגולריזציה
- לחשב ביד מעבר קדימה ברשת קטנה ולהסביר תפקיד של פונקציית הפעלה
- לאבחן אימון תקוע או over-fit מעקומות loss ולבחור learning rate, batch ו־Dropout
- למדוד דמיון בין embeddings ב־cosine similarity
- להסביר איך LLM מנבא את ה־token הבא ואיך temperature משנה את הפלט
- לחשב ביד משקלות attention קטנים ולשרטט בלוק טרנספורמר
- לתאר את שלבי האימון של צ'אטבוט ולהסביר למה מודלים הוזים
- לתכנן צינור RAG ולאבחן באיזה שלב הוא נכשל
- לתכנן סוכן עם כלים וגבולות ולזהות מתקפות prompt injection
- לבנות סט בדיקה למערכת LLM ולהשוות מדדי הוגנות בין קבוצות
בסוף כל רמה המורה בודק שזה באמת ברור, לא רק שעברנו על החומר
נושאים קשורים
הקורס כולל
- שיעורים חיים 1:1 עם מורה פרטי AI על לוח
- 19 שעות של שיעורים חיים אחד על אחד
- 35 שיעורים על לוח משותף, כל אחד עם יעד ברור
- תרגול ובדיקת הבנה בכל שיעור
- סיכום אחרי כל שיעור, שנשמר בהיסטוריה
- תעודת סיום לכל רמה
- מחשב, טאבלט או טלפון
- עברית, ועוד 5 שפות
תוכנית הקורס
3 רמות · 11 פרקים · 35 שיעורים · 19 שע׳ 20 דק׳ בסך הכול
מתחיליםמתחילים: איך מכונה לומדת מדוגמאות3 פרקים • 11 שיעורים • 5 שע׳ 50 דק׳
להבין מה AI באמת עושה, לתאר נתונים כפיצ'רים ותוויות, להפעיל ביד מודל פשוט לסיווג וחיזוי, ולבדוק אותו בהוגנות על נתוני בדיקה.
ממופה למבחן: אין מבחן חיצוני לרמה הזו; המבנה מבוסס על AI4K12 (Big Idea 3: Learning) ועל פרקי המבוא של Elements of AI.
מה זה AI ומאיפה מגיע הידע שלו3 שיעורים • 1 שע׳ 30 דק׳
- 1מה זה AI ומה הוא לאלהבחין בין מערכת AI לתוכנה רגילה ולהפריך מיתוסים נפוצים על "מחשב שחושב".שיעור ניסיוןכ־30 דק׳
- 2חוקים מול למידה מדוגמאותלהסביר מתי כותבים חוקים ידנית ומתי עדיף שהמחשב ילמד את החוק בעצמו מדוגמאות.כ־30 דק׳
- 3נתונים: דוגמאות, פיצ'רים ותוויותלתרגם בעיה אמיתית לטבלת נתונים עם שורות, פיצ'רים ותווית, ולבחור פיצ'רים מועילים.כ־30 דק׳
איך מכונה לומדת: סיווג, חיזוי וקיבוץ4 שיעורים • 2 שע׳ 10 דק׳
- 4סיווג מול חיזוי מספרלזהות אם בעיה היא סיווג לקטגוריה או חיזוי מספר, ולנסח אותה כבעיית למידה מונחית.כ־30 דק׳
- 5השכן הקרוב: מודל ראשון בידלהפעיל ביד k-NN על נקודות בגרף, לחשב מרחק ולחזות מחלקה של דוגמה חדשה.כ־35 דק׳
- 6למידה = הקטנת טעותלהסביר שאימון מודל הוא כיוונון פרמטרים כדי להקטין טעות, ולמדוד טעות של קו חיזוי על נתונים.כ־35 דק׳
- 7למידה בלי תשובות: קיבוץלהבחין בין למידה מונחית ללא-מונחית ולהריץ ביד סבב של k-means על נקודות.כ־30 דק׳
בדיקה הוגנת: האם המודל באמת למד?4 שיעורים • 2 שע׳ 10 דק׳
- 8נתוני אימון ונתוני בדיקהלהסביר למה בודקים מודל רק על נתונים שלא ראה, ולחלק נכון סט נתונים לאימון ולבדיקה.כ־30 דק׳
- 9כמה טוב המודל? אחוז הצלחה ובסיס להשוואהלחשב אחוז הצלחה ושגיאה ממוצעת על סט בדיקה ולהשוות למודל בסיס פשוט כדי לדעת אם יש בכלל למידה.כ־30 דק׳
- 10כשהנתונים מטעים: איכות ושינוי בעולםלזהות איך נתונים חסרים, תוויות שגויות או עולם שהשתנה גורמים למודל לטעות, ולהציע תיקון.כ־30 דק׳
- 11פרויקט מסכם: מבעיה למודל בדוקלתכנן מקצה לקצה פרויקט ML קטן: לנסח בעיה, לבנות נתונים, לבחור מודל, לבדוק ולהחליט אם הוא מוכן.כ־40 דק׳
ממשיכיםממשיכים: מודלים אמיתיים ואיך בודקים אותם4 פרקים • 12 שיעורים • 6 שע׳ 45 דק׳
הלומד/ת בונה ביד רגרסיה לינארית ולוגיסטית, עץ החלטה ורשת נוירונים קטנה, בוחר/ת מדד הצלחה שמתאים לבעיה, מזהה התאמת יתר ויודע/ת איך להילחם בה.
ממופה למבחן: אין מבחן חיצוני ברמה הזו. ההערכה היא פרויקט מסכם: בעיה אמיתית, בחירת מודל ומדד, ונימוק למה המודל לא נמצא בהתאמת יתר.
רגרסיה: לחזות מספר עם קו3 שיעורים • 1 שע׳ 35 דק׳
- 1רגרסיה לינארית: הקו שהכי מתאיםלחזות מספר בעזרת קו y = wx + b ולהסביר מה המשמעות של השיפוע ושל החיתוך עם הציר.כ־30 דק׳
- 2פונקציית טעות וירידה במדרוןלחשב MSE ולהסביר איך ירידה במדרון מזיזה את w ואת b צעד אחר צעד עד שהטעות קטנה.כ־35 דק׳
- 3הרבה פיצ'רים: משקלות, קנה מידה וקידודלבנות רגרסיה עם כמה פיצ'רים, לנרמל אותם לאותו קנה מידה ולקודד פיצ'ר קטגוריאלי ב־one-hot.כ־30 דק׳
סיווג ומדדי הצלחה3 שיעורים • 1 שע׳ 40 דק׳
- 4רגרסיה לוגיסטית: מקו להסתברותלהפוך ציון לינארי להסתברות בעזרת סיגמואיד, לבחור סף ולשרטט גבול החלטה בין שתי מחלקות.כ־35 דק׳
- 5מטריצת בלבול: Precision ו־Recallלבנות מטריצת בלבול, לחשב Accuracy, Precision ו־Recall, ולהסביר למה דיוק גבוה יכול להטעות.כ־35 דק׳
- 6לבחור סף ולבחור מדדלהזיז את סף ההחלטה, לחזות מה יקרה ל־Precision ול־Recall, ולבחור מדד לפי המחיר של כל סוג טעות.כ־30 דק׳
עצי החלטה והתאמת יתר3 שיעורים • 1 שע׳ 40 דק׳
- 7עץ החלטה: לשאול את השאלה הנכונהלבנות ביד עץ החלטה קטן, לבחור פיצול לפי ירידה באי־טוהר (Gini), ולנבא דוגמה חדשה לאורך העץ.כ־30 דק׳
- 8התאמת יתר והתאמת חסרלזהות התאמת יתר והתאמת חסר מתוך עקומות טעות האימון והבדיקה, ולהסביר את הסיבה במונחי הטיה ושונות.כ־35 דק׳
- 9להילחם בהתאמת יתר: ולידציה ורגולריזציהלפצל נתונים לאימון, ולידציה ובדיקה, להריץ cross-validation, ולבחור כלי נגד התאמת יתר: גיזום, רגולריזציה או יער אקראי.כ־35 דק׳
רשתות נוירונים ופרויקט מסכם3 שיעורים • 1 שע׳ 50 דק׳
- 10מנוירון אחד לרשתלחשב ביד מעבר קדימה ברשת קטנה ולהסביר למה פונקציית הפעלה לא לינארית מאפשרת לרשת ללמוד גבולות עקומים.כ־35 דק׳
- 11איך רשת לומדת: אפוקים ו־Backpropagationלהסביר במילים איך backpropagation מחלק אשמה לכל משקל, ולקרוא עקומות אימון כדי להחליט מתי לעצור.כ־35 דק׳
- 12פרויקט מסכם: מודל, מדד והחלטהלקחת בעיה אמיתית, לבחור מודל ומדד מתאימים, לתכנן בדיקה הוגנת ולנבא איך המודל יתנהג על דוגמה חדשה.כ־40 דק׳
מתקדמיםמתקדמים: למידה עמוקה, LLM וסוכנים4 פרקים • 12 שיעורים • 6 שע׳ 45 דק׳
להבין לעומק איך רשתות עמוקות וטרנספורמרים לומדים, איך LLM נבנה ונכשל, לתכנן מערכת RAG או סוכן עם הערכה, ולזהות הטיות וסיכונים.
למידה עמוקה בפועל3 שיעורים • 1 שע׳ 40 דק׳
- 1לאמן רשת עמוקה: Optimizer, Batch ו־Dropoutתדע/י לבחור learning rate, גודל batch ו־Dropout, ולקרוא עקומות loss כדי לאבחן אימון שנתקע או עושה over-fit.כ־35 דק׳
- 2רשתות קונבולוציה: איך מחשב רואהתדע/י להסביר איך פילטר קונבולוציה מזהה תבנית, לחשב גודל פלט, ולהבין למה CNN עדיפה על רשת רגילה לתמונות.כ־35 דק׳
- 3Embeddings: מילים כנקודות במרחבתדע/י להסביר מה זה embedding, למדוד דמיון בין וקטורים ב־cosine similarity, ולהבין למה זה הבסיס ל־LLM ול־RAG.כ־30 דק׳
טרנספורמרים ומודלי שפה4 שיעורים • 2 שע׳ 10 דק׳
- 4מודל שפה: Tokens וחיזוי המילה הבאהתדע/י להסביר ש־LLM מנבא את ה־token הבא כהתפלגות, ואיך temperature ודגימה קובעים את הטקסט שיוצא.כ־30 דק׳
- 5Attention: לאן כל מילה מסתכלתתדע/י להסביר את מנגנון Query-Key-Value, לחשב משקלות attention קטנים ביד, ולהבין למה הוא פותר את בעיית ההקשר הארוך.כ־35 דק׳
- 6בלוק הטרנספורמר: מ־Attention למודל שלםתדע/י לשרטט בלוק טרנספורמר, להסביר multi-head, positional encoding ו־residual, ולהבין מה גדל כשמגדילים מודל.כ־30 דק׳
- 7איך נולד צ'אטבוט: Pretraining, Fine-tuning ו־RLHFתדע/י לתאר את שלבי האימון של LLM, מה כל שלב מוסיף, ולהסביר למה מודלים הוזים ואיך מעריכים אותם.כ־35 דק׳
RAG וסוכני AI3 שיעורים • 1 שע׳ 40 דק׳
- 8RAG: לתת למודל לקרוא לפני שהוא עונהתדע/י לתכנן צינור RAG — חלוקה ל־chunks, embeddings, אחזור והרכבת prompt — ולאבחן איפה הוא נכשל.כ־35 דק׳
- 9סוכני AI: כלים, לולאה ותכנוןתדע/י להסביר איך סוכן קורא לכלים בלולאה, לתכנן סוכן פשוט עם גבולות, ולזהות כשלים ומתקפות prompt injection מנקודת מבט מגינה.כ־35 דק׳
- 10להעריך מערכת LLM: מדדים, בדיקות ו־LLM-as-judgeתדע/י לבנות סט בדיקה למערכת LLM, לבחור מדדים לנכונות ולנאמנות למקור, ולהבין את המגבלות של LLM כשופט.כ־30 דק׳
אחריות: הטיות, הוגנות ופרויקט2 שיעורים • 1 שע׳ 15 דק׳
- 11הטיות, הוגנות ופרטיות במודליםתדע/י לזהות מאיפה מגיעה הטיה במודל, להשוות מדדי הוגנות בין קבוצות, ולהכיר את עקרונות הפרטיות והרגולציה בישראל ובעולם.כ־35 דק׳
- 12פרויקט מסכם: לתכנן מערכת AI אחראיתתדע/י לתכנן מקצה לקצה מערכת מבוססת LLM — ארכיטקטורה, הערכה, סיכונים והגנות — ולהגן על כל החלטה.כ־40 דק׳
מה צריך
- אין צורך בידע קודם ברמת המתחילים
- נוחות בסיסית עם מספרים וגרפים
- מחשב, טאבלט או טלפון עם מיקרופון, ודפדפן
על הקורס
קורס בשלוש רמות: מתחילים, ממשיכים ומתקדמים. מתחילים מנתונים ומודל פשוט ביד, עוברים לרגרסיה, עצים ורשתות נוירונים, ומגיעים ל־LLM, RAG וסוכנים. בכל שיעור פותרים יחד על לוח משותף ובודקים מודלים בהגינות, לא רק מדברים עליהם.
איך לומדים בינה מלאכותית ולמידת מכונה אצלנו
בינה מלאכותית לומדים הכי טוב כשרואים אותה עובדת. המורה מתחיל מהרעיון של למידה מדוגמאות, מצייר על הלוח נקודות, קו ושגיאה, ומתקדם בקצב של הלומד עד רשתות נוירונים, מודלי שפה ו־RAG.
שאלה טיפוסית: למה מודל שקיבל ציון מושלם באימון נכשל על נתונים חדשים? המורה מבקש לשרטט על הלוח עקומה שעוברת בדיוק בכל הנקודות, ושואל מה יקרה עם נקודה חדשה. הלומד מגלה בעצמו מה זו התאמת יתר, ומשם קל להבין למה מפרידים נתוני אימון ובדיקה.
למי הקורס
- מי שסקרנים מה AI באמת עושה ורוצים להבין אותו מהיסוד
- תלמידים שרוצים לבנות ביד מודלי למידת מכונה ולבדוק אותם
- מי שמכירים את הבסיס ורוצים להבין לעומק LLM, RAG וסוכנים
מבחנים והסמכות
- מתחילים: אין מבחן חיצוני לרמה הזו; המבנה מבוסס על AI4K12 (Big Idea 3: Learning) ועל פרקי המבוא של Elements of AI.
- ממשיכים: אין מבחן חיצוני ברמה הזו. ההערכה היא פרויקט מסכם: בעיה אמיתית, בחירת מודל ומדד, ונימוק למה המודל לא נמצא בהתאמת יתר.
קורסים נוספים במסלול
המורה שלך
נועםמורה AI פרטי, בשיעור חי על לוח משותףמורה AI פרטי שמלמד בשיחה חיה: שואל, מקשיב, מצייר על הלוח ונותן לפתור לבד עם רמזים. זוכר מה למדתם ומתחיל כל שיעור מהמקום שעצרתם.
איך נראה שיעור?
הילד מדבר עם המורה בקול, כמו בשיחת וידאו, ושואל מה שלא ברור.
המורה מסביר, כותב ומצייר על לוח משותף, והילד פותר איתו על אותו לוח.
אפשר לצלם דף עבודה או שיעורי בית וללמוד ממנו, תרגיל אחרי תרגיל.
ההורה מקבל דוח: זמן לימוד, מה הצליח ומה כדאי לחזק.
כללי השיעור
- רק לימוד
שאלות נפוצות
- איך עובד שיעור פרטי בבינה מלאכותית ולמידת מכונה?
- בוחרים בינה מלאכותית ולמידת מכונה ורמה, ומדברים עם המורה בקול. המורה שואל מה כבר ידוע, מסביר, כותב ומצייר על הלוח, ונותן לפתור לבד עם רמזים עד שהעניין ברור.
- כמה זמן לוקח הקורס בינה מלאכותית ולמידת מכונה?
- 11 שיעורים של כ־32 דקות ברמה הראשונה, בקצב שלך. אפשר לעצור, לחזור ולדלג על מה שכבר ידוע.
- צריך ידע קודם?
- לא ברמת המתחילים. בתחילת השיעור הראשון המורה בודק מה כבר ידוע ומתאים את הרמה, ואפשר להתחיל ישר מרמה מתקדמת.
- צריך לדעת לתכנת כדי ללמוד בינה מלאכותית?
- לא בשביל להתחיל. הרעיונות נלמדים בהסבר ובציורים על הלוח. מי שרוצה לבנות מודל בעצמו ימשיך לפייתון.
- איך מתחילים בחינם?
- נכנסים עם חשבון Google או עם קוד שנשלח למייל, כותבים שם וכיתה של הילד, והשיעור מתחיל מיד. כל משפחה מקבלת 45 דקות שיעור חינם, בכל מקצוע, לפי זמן השיעור בפועל, בלי כרטיס אשראי. אחר כך בוחרים מנוי בתשלום, ומבטלים בכל עת.
- על איזה מכשיר לומדים?
- בכל מחשב, טאבלט או טלפון עם דפדפן ומיקרופון. אפשר גם להתקין את האתר כאפליקציה במסך הבית.
רוצים לנסות?
נכנסים, כותבים שם וכיתה של הילד, והשיעור מתחיל. 45 דקות שיעור חינם, בלי כרטיס אשראי.
להתחיל בחינםשיעור פרטי עם AI: מה זה ואיך זה עובד







