20975 הרצאות אורח- סדנה בנושא מיוחד במדעי המחשב ‏

20975 הרצאות אורח- סדנה בנושא מיוחד במדעי המחשב ‏‏1

3 נקודות זכות ברמה מתקדמת סמינריונית

שיוך: מדעים / מדעי המחשב

שיוך נוסף: הנדסה / הנדסת תוכנה

תנאי קבלה: 36 נ"ז במדעי המחשב וכן פטור מקורסי שפה באנגלית ועמידה בדרישות ההדרכה הביבליוגרפית בספרייה. יתכנו תנאי קבלה נוספים, בהתאם לנושא הקורס. ההרשמה לקורס מותנית באישור בכתב מהאחראי האקדמי.

-הקורס יילמד בשפה האנגלית-

הרצאות אורח - מערכות סוכני בינה מלאכותית

בסמסטר 2026ב נושא הסדנה יהיה מערכות סוכני בינה מלאכותית (‏Agentic AI Systems‎)‏

בסמסטר זה הידע הקודם הדרוש ללימוד הסדנה הוא: כל קורסי החובה בתוכניות מדעי המחשב, שפות תכנות (‏20905‎)‏, מבוא ללמידה חישובית (‏‏20942‎‎)‏‏. ידע קודם מומלץ: למידה עמוקה (‏22961‎)‏.

מרצה: עידן האן

אחראי אקדמי: דוד לורנץ

הקורס עוסק בפיתוח סוכני בינה מלאכותית אוטונומיים, תוך שילוב של מודלים גנרטיביים מתקדמים (‏כגון GPT, DALL·E, Whisper‎)‏ עם כלים כמו LangChain, RAG ו־OpenAI API. במהלך הסדנה ייחשפו הסטודנטיות והסטודנטים להבדלים בין מודלים בסיסיים למודלים מכווננים, ילמדו עקרונות תכנון של מערכות מבוססות סוכנים יחידים ומרובים, ויפתחו סוכנים אינטראקטיביים היודעים לפעול באופן עצמאי. הקורס כולל מקרי בוחן עדכניים (‏למשל Lilli ו־Harvey‎)‏, יישום של פרומפטים מתקדמים, עבודה עם Embeddings, ויצירת ממשקי פעולה מול מערכות חיצוניות.

תוצאות למידה:

בסיום הסדנה, הסטודנטיות והסטודנטים יהיו מסוגלים:

• להסביר את היסודות של בינה גנרטיבית ומודלים בסיסיים כגון GPT, BERT ו-DALL·E.

• ליישם טכניקות כמו Fine-Tuning ו־RAG לצורך שיפור ביצועים והפחתת הזיות.

• לפתח סוכני בינה אוטונומיים מבוססי LangChain ו־OpenAI API .

• ליישם טכניקות של N-shot learning והנדסת פרומפטים (‏Prompt Engineering‎)‏ להתאמת מודלים למשימות ספציפיות.

• להציג פרויקט מסכם המדגים יישום של סוכן בינה לפתרון בעיה מהעולם האמיתי.

Syllabus:

The course focuses on the design and implementation of autonomous AI agents that leverage advanced generative models (‏e.g., GPT, DALL·E, Whisper‎)‏ along with tools such as LangChain, RAG, and the OpenAI API. Students will explore the differences between foundation and fine-tuned models, and learn how to build monolithic and multi-agent AI systems capable of independent reasoning and action. Through real-world case studies (‏such as Lilli and Harvey‎)‏, participants will apply cutting-edge prompting techniques, embeddings, and tool integrations to build interactive agents.

Learning Outcomes:

At the end of the course, students will be able to:

• Explain the fundamentals of generative AI and key models such as GPT, BERT, and DALL-E.

• Utilize fine-tuning and RAG to improve accuracy and reduce hallucinations.

• Develop autonomous AI agents using LangChain and OpenAI APIs

• Apply N-shot learning and prompt engineering techniques to adapt models to specific tasks.

• Present a final project demonstrating the practical application of an AI agent solving a real-world problem.

לוח זמנים:

הסדנה תועבר בסמסטר 2026ב לאורך 7 מפגשים, אחת לשבועיים. כל מפגש יכלול שעתיים של הרצאה עיונית בנושאי הקורס, ולאחריהן שעה נוספת שתוקדש לחניכה אישית של קבוצות הסטודנטים בהצעת הפרויקט - החל משלב זיהוי הבעיה ועד לתכנון ראשוני של הסוכן האוטונומי.

תקציב:

במסגרת הקורס, הסטודנטים יחולקו לזוגות, וכל זוג יפתח באופן עצמאי סוכן AI אוטונומי. לצורך כך, לכל קבוצה יוקצה תקציב צנוע (‏כ-20 דולר‎)‏, שישמש עבור גישה לכלי הבינה המלאכותית של OpenAI API, כולל מודלים מתקדמים ליצירת טקסט.

סילבוס מפורט:

הרצאה 1: מבוא לבינה מלאכותית גנרטיבית

• התפתחות הבינה המלאכותית: ממערכות AI קלאסיות ועד Generative AI

• יסודות AI, למידת מכונה (‏ML‎)‏, למידה עמוקה (‏DL‎)‏ ו-Generative AI

• מודלים בסיסיים (‏Foundation Models‎)‏ ויישומיהם (‏GPT, BERT, DALL-E, Whisper, etc‎)‏

• מקרי שימוש בתחומי טקסט, תמונה, וידאו, אודיו וקוד

• איך Generative AI עובד? סקירה על טרנספורמרים (‏Transformers‎)‏

• יסודות יצירת טקסט באמצעות AI

• רשתות עצביות חוזרות (‏RNNs‎)‏ והאתגרים שלהן

• ארכיטקטורת הטרנספורמר: מנגנון תשומת הלב (‏Self-Attention‎)‏ ומנגנון תשומת לב רב-ראשים (‏Multi-Head Attention‎)‏

הרצאה 2 : כוונון עדין (‏Fine-Tuning‎)‏ של מודלי שפה גדולים וRAG

• מקרה בוחן: Lilli של חברת מקינזי – צ'אטבוט ייעודי לשיפור עבודת יועצים עסקיים.

• כוונון עדין (‏Fine-Tuning‎)‏ של מודלי שפה גדולים (‏LLMs‎)‏

• מודלים בסיסיים (‏Foundation models‎)‏ לעומת מודלים מכווננים (‏Fine-tuned models‎)‏

• סוגי כיוונון: לורה, כיוונון חלקי, כיוונון לפי הוראות, וכיוונון פרומפטים

• מקרה בוחן: Harvey AI – חד-קרן הטכנולוגיה המשפטית הראשון מבוסס RAG

• למה מודלים מכווננים אינם מספיקים: בעיית ההזיות

• מבוא לRAG: הבנת אופן הפעולה של RAG על ידי שילוב בין שליפה ליצירת שפה.

• שימושים של RAG במשפט, ברפואה ובפיננסים

הרצאה 3: מבוא לסוכני בינה מלאכותית (‏AI Agents‎)‏

• מהם סוכני AI? תפקידם באוטומציה

• הבדל בין מערכות מונוליטיות (‏Monolithic‎)‏ למערכות מורכבות (‏Compound AI Systems‎)‏

• יכולת ההסקה של LLM: פריצת דרך שמאפשרת לסוכנים לתכנן, להחליט ולפעול באופן עצמאי

• דוגמה: Toby, Auto HR – סוכן AI למיון מועמדים לעבודה

• תהליכי עבודה רב-שלביים עם בינה מלאכותית והאתגרים שבהם

• יתרונות של מערכות מרובות סוכנים: סוכנים מתמחים למשימות שונות, סקיילביליות ועיבוד מקבילי

• כיצד סוכני AI משתפים פעולה

• שימושים מעשיים של מערכות מרובות סוכנים

הרצאה 4: בניית סוכן בינה מלאכותית אוטונומי (‏חלק 1‎)‏

• ההיכרות עם LangChain וLangGraph: אבני הבניין לפיתוח סוכני AI

• למידת N-shot: למידה ללא דוגמה (‏Zero-shot‎)‏, עם דוגמה אחת (‏One-shot‎)‏ ועם מספר דוגמאות (‏Few-shot‎)‏

• זיכרון והבנת הקשר (‏Memory & Contextual Understanding‎)‏ בסוכנים חכמים

• דרישות פרויקט: פיתוח סוכן אוטונומי לפתרון בעיה בעולם האמיתי

• עבודה עם OpenAI APIs: יצירת טקסטים, תמונות ואודיו

• שימוש בהטמעות (‏Embeddings‎)‏ לשליפת מידע (‏RAG‎)‏

הרצאה 5: בניית סוכן בינה מלאכותית אוטונומי (‏חלק 2‎)‏

• יצירת פלט מובנה בפורמט JSON

• דוגמה: יצירת סוכן לכתיבת פוסטים לבלוג באמצעות LangChain

• הנדסת פרומפטים: תבניות מרכזיות ושרשרת מחשבה (‏Chain of Thought‎)‏

• כלים לסוכנים: שילוב עם כלים חיצוניים ו-API, פרומפטים מובנים ושרשור משימות מורכבות

• LangChain ReAct ולולאות קבלת החלטות: שימוש בדפוסים של הסקה + פעולה ליצירת סוכנים אינטראקטיביים ממוקדי מטרה

הרצאה 6: מגמות חדשות בסוכני בינה גנרטיבית ויישום פרויקטים קיימים

• Google A2A: פרוטוקול תקשורת בין סוכנים (‏Agent-to-Agent‎)‏ לתיאום משימות מובנות מבוססות מטרה

• (‏MCP (‏Model Context Protocol: השיטה של Anthropic לשיתוף הקשר דינמי ותיאום בין מודלים

• סקירה של החידושים אחרונים בתחום

• שילוב בינה גנרטיבית במוצרים, שירותים ותהליכי עבודה קיימים

• מקרה בוחן: ניהול תנועה חכם מבוסס בינה – Waycare

• שימוש בבינה גנרטיבית לחיזוי תאונות, זיהוי תקלות וניהול עומסי תנועה

הרצאה 7: יום הדגמות - הצגת פרויקטים

• צוותי הסטודנטים מציגים את פרויקטי סוכני הבינה האוטונומיים שלהם

• הדגמות חיות, שימושים מעשיים ויישומים יצירתיים

• משוב, דיון על חדשנות ומה הלאה

---

1 להשלכות על צבירת נ"ז בשל חפיפה עם קורס(‏ים‎)‏ אחר(‏ים‎)‏, ראו פירוט החפיפה.