קורס Machine Learning אינו קורס תכנות ואינו קורס סטטיסטיקה, אלא הצטלבות של השניים סביב מטרה אחת: לבנות מערכת שמשתפרת מנתונים במקום להתנהג לפי כללים שנכתבו מראש. ההבדל נשמע תיאורטי והוא בדיוק מה שמכתיב את סדר הלימוד. תוכנית שמתחילה מאלגוריתמים לפני שהמשתתפים יודעים לעבד נתונים מייצרת בוגר שמכיר שמות של מודלים ולא מצליח להריץ אף אחד מהם על דאטה אמיתי.
התכנים של קורס Machine Learning
הליבה כמעט זהה בכל תוכנית רצינית, וההבדל בין תוכניות נמצא בעומק ובכמות התרגול ולא ברשימת הנושאים.
- פייתון ברמה שמאפשרת לעבד ולנקות נתונים.
- יסודות מדעי הנתונים והבנה של התפלגויות.
- אלגוריתמים של למידה מונחית ולא מונחית.
- אימון מודל, בדיקתו ומדידת ביצועיו.
- יישום על מערך נתונים אמיתי מקצה לקצה.
במכללת איקום הנושאים האלה מסודרים בארבעה מודולים: פייתון, כלים וסביבת פיתוח ל-AI, מדעי הנתונים ולמידת מכונה. קורס בינה מלאכותית מחזיק את כולם ברצף אחד, עם TensorFlow, PyTorch, Scikit-learn ו-NLTK ככלי העבודה בפועל.
פייתון ודאטה הם התנאי המקדים
שני אלה אינם רקע נחמד אלא תנאי מעשי. מודל למידת מכונה ניזון מנתונים, ורוב העבודה האמיתית בתחום היא הכנת הנתונים ולא בחירת האלגוריתם. מי שמגיע בלי שליטה בשפה מבלה את החודש הראשון בהיאבקות עם תחביר במקום עם הבעיה עצמה.
קורס פייתון למתקדמים מכסה בדיוק את השכבה הזאת. הוא נקודת פתיחה טובה למי שכבר כתב קוד בעבר, וגם למי שלמד את השפה לבד והגיע לתקרה. הפער בין הכרת התחביר לבין עבודה עם מבני נתונים גדולים מתגלה כאן במלואו.
ההבדל בין Machine Learning לבין בינה מלאכותית
המונחים מתערבבים בשיווק, ובפועל היחס ביניהם היררכי ולא מקביל. ההבחנה חשובה למי שמשווה תוכניות לימוד, מפני שאותו שם מכסה לפעמים שתי תוכניות עם עומק שונה לגמרי.
בינה מלאכותית כמטריה
זהו שם כולל לכל מערכת שמבצעת משימה שנחשבה אנושית. הוא כולל גם מערכות מבוססות כללים שאינן לומדות דבר, ולכן מוצר שמוגדר כמונע בינה מלאכותית לא בהכרח מכיל מודל מאומן.
למידת מכונה כשיטה
כאן המערכת לא מקבלת כללים אלא מסיקה אותם מדוגמאות, ואיכות הדוגמאות קובעת את איכות התוצאה. זו הסיבה שניקוי נתונים תופס יותר זמן מאימון המודל, ולעיתים קרובות יותר זמן מכל שאר השלבים יחד.
סוגי הלמידה ומה מבדיל ביניהם
שאלת הפתיחה בכל בעיה חדשה היא לא איזה אלגוריתם להריץ אלא איזה סוג למידה מתאים לנתונים שיש ביד. ההחלטה הזאת מקדימה את הכול, והיא גם זו שנשאלת בראיונות טכניים לפני שאלות על מודלים ספציפיים.
למידה מונחית עובדת כשיש תשובה נכונה ידועה לכל דוגמה, למשל עסקאות שסומנו כתקינות או כחשודות. למידה לא מונחית עובדת כשאין תשובה כזאת והמטרה היא למצוא מבנה בנתונים בעצמם, למשל חלוקת לקוחות לקבוצות שאיש לא הגדיר מראש.
ההבדל המעשי בין השתיים אינו באלגוריתם אלא בעלות. נתונים מתויגים יקרים ואיטיים להשגה, ולכן פרויקט אמיתי מתחיל לא פעם בשאלה כמה תיוג בכלל אפשר להרשות. תוכנית שמדלגת על השיקול הזה מלמדת מודלים ולא מלמדת עבודה.
עבודה על מערכי נתונים אמיתיים
ההבדל בין תוכנית שמלמדת לבין תוכנית שמכינה לעבודה נמצא בסוג הדאטה. מערך נתונים מסודר שהוכן מראש מלמד את התחביר, ומערך אמיתי מלמד את המקצוע.
- איתור הנתונים והבנה מה הם בכלל מייצגים.
- ניקוי והשלמת חוסרים וטיפול בערכים חריגים.
- בחירת מודל והרצתו על חלק מהנתונים.
- מדידת ביצועים על נתונים שהמודל לא ראה.
- הסקת מסקנה עסקית מהתוצאה שהתקבלה.
השלב האחרון הוא זה שמבדיל בין תרגיל לבין פרויקט. מודל שמדייק בתשעים אחוז ולא עונה על שאלה עסקית אינו שווה דבר, וזו בדיוק המיומנות שנבחנת גם בתפקידי ניתוח נתונים. קורס דאטה אנליסט עוסק באותה שאלה מהצד של הפרשנות ולא של המודל.
הרקע המתמטי הנדרש בפועל
לא ברמה שרוב האנשים חוששים ממנה. נדרשת הבנה אינטואיטיבית של ממוצע, פיזור והסתברות, ולא יכולת להוכיח משפטים. המושגים שמשמשים בפועל נלמדים בתוך התוכנית ובהקשר של בעיה אמיתית, וזו הדרך היחידה שבה הם באמת נשארים.
מה שכן נדרש הוא נוחות עם מספרים וסבלנות לתהליך איטרטיבי. מודל כמעט אף פעם לא עובד היטב בניסיון הראשון, והיכולת לחזור אחורה ולשנות הנחה שווה יותר מהיכולת לזכור נוסחה.
קורס AI למפתחים מציג את אותה תמונה מזווית של מי שכבר עובד בפיתוח, שם השאלה היא מה מתווסף לארגז כלים קיים.
התפקידים שנפתחים בתחום
הכניסה אינה דרך תפקיד יחיד, והמשותף לכולם הוא שילוב של קוד ונתונים.
- מפתח מוצר שמשלב יכולות למידת מכונה במערכת קיימת.
- אנליסט נתונים שמוסיף מודלים לניתוח שהוא כבר עושה.
- מהנדס דאטה שאחראי על התשתית שמזינה את המודלים.
שלושת התפקידים דורשים את אותו בסיס ומתפצלים אחריו. הבחירה ביניהם נעשית בדרך כלל אחרי המודול השלישי, כשכבר ברור מה מהחלקים מרגיש טבעי.
ההסמכה והתעודה בסוף המסלול
המכללה מציעה הכנה למבחני הסמכה בינלאומיים מוכרים, ביניהם AWS Machine Learning, והתעודה מאושרת על ידי משרד החינוך. שתי ההסמכות משרתות שלבים שונים בתהליך הגיוס.
הערך שלהן עולה כשהן מגיעות לצד פרויקט מעשי שאפשר להציג. מעסיק שרואה תעודה בלבד מניח ידע תיאורטי, ומעסיק שרואה מודל מאומן על דאטה אמיתי מקבל תשובה על השאלה החשובה יותר.
שאלות נפוצות על קורס Machine Learning
האם אפשר להתחיל בלי רקע בתכנות?
אפשר להתחיל, אבל המסלול ארוך יותר. פייתון הוא הכלי שבו מתבצעת כל העבודה המעשית, ולכן שליטה בו לפני תחילת המסלול חוסכת זמן משמעותי.
מה ההבדל בין למידת מכונה לבין למידה עמוקה?
למידה עמוקה היא תת תחום של למידת מכונה שמבוסס על רשתות נוירונים. היא מתאימה במיוחד לתמונות, לקול ולטקסט, ודורשת יותר נתונים ויותר כוח חישוב.
כמה נתונים נדרשים כדי לאמן מודל?
אין מספר אחיד וזה תלוי בבעיה ובסוג המודל. הכלל המעשי הוא שאיכות הנתונים ורלוונטיותם משפיעות על התוצאה יותר מכמותם.
האם המסלול כולל הכנה למבחנים חיצוניים?
כן. התוכנית כוללת הכנה למבחני הסמכה בינלאומיים מוכרים, ביניהם AWS Machine Learning, לצד התעודה של המכללה עצמה.
