שיעור פרטי בעיבוד שפה טבעית (NLP) עם AI
מטקסט גולמי ועד טרנספורמרים ו-RAG: שלוש רמות ב-NLP, בתרגול חי על לוח משותף
המורה: נועם
- התוכנית עודכנה 11.2026
- עברית, ועוד 5 שפות
- 3 רמות: מתחילים · ממשיכים · מתקדמים
- 35 שיעורים · כ־20 שעות של שיעורים
עיבוד שפה טבעית (NLP)
מטקסט גולמי ועד טרנספורמרים ו-RAG: שלוש רמות ב-NLP, בתרגול חי על לוח משותף
11 שיעורים · 3 פרקים · שיעור חי פרטי עם המורה על הלוח
מה תדעו לעשות בסוף
- להסביר את שלבי ה-pipeline של NLP ולמה מחשב צריך מספרים ולא מילים
- להסביר איך טקסט נשמר כתווים ובייטים ולמה עברית נשברת ל'ג'יבריש'
- לנקות טקסט אמיתי עם regex ולהחליט אילו ניקויים מוחקים מידע חשוב
- לפרק טקסט לטוקנים ולהריץ ביד כמה צעדים של BPE על קורפוס קטן
- לבחור בין הסרת stop words, stemming ו-lemmatization ולהסביר את חוק Zipf
- לבנות מטריצת Bag of Words, להוסיף bigrams ולהעריך את המחיר בגודל ה-vocabulary
- לחשב TF-IDF ביד ולהסביר למה מילים נדירות מקבלות משקל גבוה
- לחשב דמיון קוסינוס ולבנות מנוע חיפוש פשוט שמדרג מסמכים לשאילתה
- להסביר איך embeddings נלמדים מהקשר: co-occurrence ו-skip-gram עם negative sampling
- לפתור אנלוגיה בחשבון וקטורים ולבחור בין word2vec, GloVe ו-fastText
- להסביר למה וקטור אחד למילה מבלבל בין משמעויות ולבנות וקטור מסמך ממיצוע
- לחשב ביד חיזוי של Naive Bayes עם Laplace ולקרוא משקלים של רגרסיה לוגיסטית
- לחשב precision, recall ו-F1 מ-confusion matrix ולבחור מדד לבעיה לא מאוזנת
- לתייג משפט בחלקי דיבר ובסכמת BIO ולהעריך NER ברמת span ולא ברמת טוקן
- להסביר למה טוקניזציה לפי רווחים נכשלת בעברית ולפרק מילה למורפמות לפי ההקשר
- לתכנן pipeline לסיווג ולזיהוי ישויות בעברית ולבחור רמת פילוח וכלים
- לחשב הסתברות למשפט במודל bigram עם smoothing ולפרש perplexity
- להסביר למה RNN שוכח הקשר רחוק ולמה seq2seq נתקע בצוואר בקבוק
- לחשב ידנית משקלי self-attention מ-query, key ו-value
- לצייר בלוק Transformer ולהסביר multi-head, positional encoding, residual ו-LayerNorm
- להסביר איך BERT לומד מ-MLM ולבחור אסטרטגיית decoding למודל causal כמו GPT
- לבחור בין fine-tuning מלא, LoRA ו-prompting למשימה נתונה
- לתכנן חיפוש סמנטי ו-RAG: bi-encoder, ANN, BM25, reranking, chunking ו-prompt
- לחשב Recall@k, MRR ו-nDCG ולבנות תוכנית הערכה שמזהה זליגת נתונים והזיות
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
- 20 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׳ 35 דק׳ בסך הכול
מתחיליםמתחילים: מטקסט גולמי לווקטורים3 פרקים • 11 שיעורים • 6 שע׳ 5 דק׳
הלומד יודע לקחת טקסט גולמי, לנקות אותו, לפרק לטוקנים ולהפוך אותו לווקטורי Bag of Words ו-TF-IDF, לחשב דמיון בין מסמכים ולהסביר מה הייצוג הזה מפספס.
טקסט כנתונים3 שיעורים • 1 שע׳ 35 דק׳
- 1מה זה NLP ואיך נראה ה-pipelineתדע/י לתאר את שלבי ה-pipeline מטקסט גולמי ועד תחזית, ולמה מחשב צריך מספרים ולא מילים.שיעור ניסיוןכ־30 דק׳
- 2טקסט במחשב: תווים, Unicode וקורפוסתדע/י להסביר איך טקסט נשמר כתווים ובייטים, למה עברית נשברת ל'ג'יבריש', ומה זה קורפוס ומסמך.כ־30 דק׳
- 3ניקוי ונרמול טקסט עם regexתדע/י לנקות טקסט אמיתי עם regex ולהחליט אילו ניקויים עוזרים למשימה ואילו מוחקים מידע חשוב.כ־35 דק׳
טוקניזציה3 שיעורים • 1 שע׳ 40 דק׳
- 4טוקניזציה למילים ולמשפטיםתדע/י לפרק טקסט לטוקנים ולמשפטים, ולזהות מקרים שבהם פיצול לפי רווח נכשל.כ־30 דק׳
- 5אוצר מילים: stop words, stemming ו-lemmatizationתדע/י לבנות אוצר מילים, להסביר את חוק Zipf, ולבחור בין הסרת stop words, stemming ו-lemmatization.כ־35 דק׳
- 6טוקניזציה של תת-מילים: BPEתדע/י להסביר את בעיית המילים הלא מוכרות ולהריץ ביד כמה צעדים של BPE על קורפוס קטן.כ־35 דק׳
ייצוג וקטורי של טקסט5 שיעורים • 2 שע׳ 50 דק׳
- 7Bag of Words ומטריצת מסמך-מונחתדע/י להפוך אוסף מסמכים למטריצת ספירות Bag of Words ולהסביר למה היא דלילה ומה היא שוכחת.כ־30 דק׳
- 8N-grams: להחזיר קצת סדרתדע/י לחלץ bigrams ו-trigrams, להוסיף אותם ל-BoW ולהעריך את המחיר בגודל ה-vocabulary.כ־30 דק׳
- 9TF-IDF: לא כל מילה שווה אותו דברתדע/י לחשב TF-IDF ביד למונח במסמך ולהסביר למה מילים נדירות מקבלות משקל גבוה.כ־35 דק׳
- 10דמיון קוסינוס וחיפוש מילות מפתחתדע/י לחשב דמיון קוסינוס בין וקטורי TF-IDF ולבנות מנוע חיפוש פשוט שמדרג מסמכים לשאילתה.כ־35 דק׳
- 11פרויקט מסכם: pipeline מלא וגבולות הייצוגתדע/י לתכנן pipeline מלא מטקסט גולמי עד דירוג מסמכים, ולהסביר למה ייצוג דליל מבלבל בין משמעויות.כ־40 דק׳
ממשיכיםממשיכים: embeddings, סיווג טקסט, זיהוי ישויות ועברית4 פרקים • 12 שיעורים • 6 שע׳ 40 דק׳
הלומד/ת מייצג/ת מילים כווקטורים צפופים, בונה ומעריך/ה מסווג טקסט, מתייג/ת ישויות ברצף ומתמודד/ת עם המורפולוגיה של עברית, ומסביר/ה למה וקטור סטטי מבלבל בין משמעויות.
Word embeddings: מילים כנקודות במרחב4 שיעורים • 2 שע׳ 5 דק׳
- 1מ-one-hot לווקטור צפוף: השערת ההתפלגותתסביר/י למה מילה מיוצגת לפי ההקשרים שלה, ואיך מטריצת co-occurrence הופכת לווקטורים צפופים.כ־30 דק׳
- 2word2vec: ללמוד וקטורים מניבוי הקשרתתאר/י איך skip-gram עם negative sampling לומד embeddings, ומה בדיוק מתעדכן בכל צעד אימון.כ־35 דק׳
- 3אנלוגיות, GloVe ו-fastTextתפתור/י אנלוגיה בחשבון וקטורים, ותבחר/י בין word2vec, GloVe ו-fastText לפי המשימה והשפה.כ־30 דק׳
- 4גבולות ה-embeddings: רב-משמעות, הטיה ווקטור למסמךתסביר/י למה וקטור אחד למילה מבלבל בין משמעויות, תזהה/י הטיה ב-embeddings ותבנה/י וקטור מסמך ממיצוע.כ־30 דק׳
סיווג טקסט4 שיעורים • 2 שע׳ 15 דק׳
- 5משימת הסיווג ו-Naive Bayesתנסח/י בעיית סיווג טקסט, ותחשב/י ביד חיזוי של Naive Bayes עם החלקת Laplace.כ־35 דק׳
- 6רגרסיה לוגיסטית על TF-IDFתסביר/י איך רגרסיה לוגיסטית לומדת משקל לכל מילה, ותקרא/י את המשקלים כדי להבין מה המודל למד.כ־35 דק׳
- 7האם המסווג טוב? confusion matrix ו-F1תבנה/י confusion matrix, תחשב/י precision, recall ו-F1, ותבחר/י מדד שמתאים לבעיה לא מאוזנת.כ־30 דק׳
- 8מסווג נוירוני מעל embeddingsתתכנן/י מסווג שממצע embeddings ומעביר אותם בשכבה נסתרת, ותשווה/י אותו ל-TF-IDF עם רגרסיה לוגיסטית.כ־35 דק׳
תיוג רצפים וזיהוי ישויות2 שיעורים • 1 שע׳ 5 דק׳
- 9תיוג רצפים: חלקי דיבר ו-BIOתסביר/י במה תיוג רצף שונה מסיווג מסמך, ותתייג/י משפט בחלקי דיבר ובסכמת BIO.כ־30 דק׳
- 10זיהוי ישויות (NER): כללים, CRF והערכהתשווה/י בין NER מבוסס כללים ורשימות לבין מודל נלמד, ותעריך/י NER ברמת span ולא ברמת טוקן.כ־35 דק׳
עברית ב-NLP2 שיעורים • 1 שע׳ 15 דק׳
- 11המורפולוגיה של עברית: תחיליות, שורשים ועמימותתסביר/י למה טוקניזציה לפי רווחים נכשלת בעברית, ותפרק/י מילה עברית למורפמות לפי ההקשר.כ־35 דק׳
- 12Pipeline עברי: כלים, NER עברי ופרויקט מסכםתתכנן/י pipeline לסיווג ולזיהוי ישויות בעברית, תבחר/י רמת פילוח וכלים, ותזהה/י היכן ייצוג סטטי עדיין מבלבל משמעויות.כ־40 דק׳
מתקדמיםNLP מתקדם: מודלי שפה, טרנספורמרים, חיפוש סמנטי והערכה4 פרקים • 12 שיעורים • 6 שע׳ 50 דק׳
הלומד/ת מסביר/ה איך טרנספורמר הופך משפט לווקטורים הקשריים, בונה חיפוש סמנטי ו-RAG ברמת production, ויודע/ת להעריך מודל שפה ומערכת חיפוש במדדים הנכונים.
מודלי שפה: מניבוי מילה לרשת נוירונית2 שיעורים • 1 שע׳ 5 דק׳
- 1מודל שפה: הסתברות למשפט ו-perplexityתחשב/י הסתברות למשפט במודל bigram, תסביר/י smoothing ותפרש/י perplexity כמדד איכות.כ־30 דק׳
- 2מודל שפה נוירוני ו-RNN: זיכרון של רצףתסביר/י איך RNN מעביר מצב נסתר לאורך המשפט, למה הוא שוכח הקשר רחוק ולמה seq2seq נתקע בצוואר בקבוק.כ־35 דק׳
טרנספורמרים ו-BERT5 שיעורים • 2 שע׳ 55 דק׳
- 3Attention: query, key ו-valueתחשב/י ידנית משקלי attention ותסביר/י איך self-attention נותן לכל טוקן לראות את כל המשפט.כ־35 דק׳
- 4ארכיטקטורת ה-Transformer מבפניםתצייר/י בלוק Transformer מלא ותסביר/י את תפקיד multi-head, positional encoding, residual ו-LayerNorm.כ־35 דק׳
- 5BERT: ייצוג הקשרי ו-Masked LMתסביר/י איך BERT לומד מ-MLM, למה 'בנק' מקבל וקטור שונה בכל הקשר ואיך משתמשים ב-[CLS] לסיווג.כ־35 דק׳
- 6מודלי decoder ו-GPT: יצירת טקסט ו-decodingתסביר/י איך מודל causal מייצר טקסט טוקן אחר טוקן ותבחר/י אסטרטגיית decoding מתאימה למשימה.כ־35 דק׳
- 7Fine-tuning ו-transfer learningתבחר/י בין fine-tuning מלא, LoRA ו-prompting למשימה נתונה ותתכנן/י כיול של BERT לסיווג.כ־35 דק׳
חיפוש סמנטי ו-RAG3 שיעורים • 1 שע׳ 40 דק׳
- 8Sentence embeddings: וקטור למשפט שלםתסביר/י איך מאמנים bi-encoder עם contrastive learning ולמה mean pooling של BERT גולמי לא מספיק.כ־30 דק׳
- 9אינדקס וקטורי, חיפוש היברידי ו-rerankingתתכנן/י מערכת חיפוש סמנטי למיליון מסמכים עם ANN, שילוב BM25 ושלב reranking.כ־35 דק׳
- 10RAG: לחבר חיפוש למודל שפהתתכנן/י pipeline של RAG מקצה לקצה, כולל chunking ו-prompt, ותאבחן/י אם תקלה נובעת מהאחזור או מהיצירה.כ־35 דק׳
הערכת מודלים ומערכות2 שיעורים • 1 שע׳ 10 דק׳
- 11מדדי הערכה: יצירה ואחזורתבחר/י ותחשב/י את המדד הנכון: BLEU/ROUGE ליצירה ו-Recall@k, MRR ו-nDCG לאחזור, ותדע/י את מגבלותיהם.כ־35 דק׳
- 12הערכה ב-production: benchmarks, שופט LLM והזיותתבנה/י תוכנית הערכה למערכת NLP אמיתית, כולל זיהוי זליגת נתונים, LLM-as-judge, הזיות והטיה.כ־35 דק׳
מה צריך
- אין צורך בידע קודם ברמת המתחילים
- היכרות בסיסית עם Python תעזור בתרגול
- ברמה המתקדמת כדאי להכיר embeddings וסיווג טקסט
- מחשב, טאבלט או טלפון עם מיקרופון, ודפדפן
על הקורס
הקורס מלמד עיבוד שפה טבעית בשלוש רמות: מתחילים מניקוי טקסט, טוקניזציה ו-TF-IDF, ממשיכים ל-embeddings, סיווג, זיהוי ישויות ועברית, ומסיימים בטרנספורמרים, חיפוש סמנטי והערכה. בשיעור אחד על אחד פותרים ומחשבים יחד על הלוח, צעד אחר צעד, והלומדים הם אלה שמגיעים לתשובה.
למי הקורס
- מי שרוצים להבין איך מחשב מבין טקסט, מהיסוד
- סטודנטים ומפתחים שצריכים NLP לקורס או לפרויקט
- מי שעובדים עם טקסט בעברית ורוצים להכיר את האתגרים שלו
- מי שמכירים מודלי שפה ורוצים להבין מה קורה בפנים
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 בעיבוד שפה טבעית (NLP)?
- בוחרים עיבוד שפה טבעית (NLP) 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 עיבוד שפה טבעית (NLP)?
- 11 שיעורים של כ־33 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.
- 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







