הרשמה מקוונת קלה ובטוחה
ניתן להירשם כאן באתר מכל מכשיר ובכל זמן. תהליך מהיר, מידע מלא ואבטחה מלאה של הנתונים והתשלום.
מרכז מקצועי - חגי און
מתכנת בכיר וארכיטקט מערכת מנוסה בחברות מובילות במשק – "רפא"ל", "סאנדיסק", "קוואלקום" ועוד, ומפתח מומחה ב־C++ ,Java ,JS ופייתון במשך 25 שנים; בעל תואר בהנדסת חשמל ומחשבים בטכניון (2002) עם התמחות במסלולי למידת מכונה (ML) ורשתות עצביות.
להיות חלק מהדור שמפתח יישומי AI משמעותו – נוסף על למידת טכנולוגיות חדשות ורכישת כלים חדשים – להשתתף בעיצוב העתיד של התעשייה והחדשנות. התחום מציע יתרון מקצועי ברור, שוק תעסוקה רחב וביקוש גובר למומחים שמסוגלים להפוך רעיונות לפתרונות חכמים, יעילים ואוטונומיים. זו ההזדמנות שלך להשתתף כבר היום בשינוי שמעצב את העולם של מחר.
מסלול הלימודים שלנו מתמקד בהכשרה של מפתחי ומפתחות בינה מלאכותית (AI developers).
הוא פותח במיוחד כדי להתאים לדרישות השוק בתחום ה־GenAI, מתוך התמקדות בלימוד תכנות, בפיתוח של מערכות משולבות AI ושל סוכנים אוטונומיים (AI agents), בהנדסת פרומפטים, בשימוש במודלי שפה גדולים (LLM) ובפריסת שירות לסביבת הענן (Production).
בוגרי ובוגרות המסלול ידעו להפיק פתרונות מבוססי AI משלב הקונספט עד הפריסה בענן (E2E) – יתרון תחרותי מובהק בשוק הישראלי, המחפש מפתחים ומפתחות של מוצרי AI ממוקדי Production.
מה לומדים בקורס בקצרה
- פיתוח תוכנה בשפת Python למערכות AI, כולל OOP, TDD, עקרונות SOLID וכתיבת קוד מודולרי וניתן להרחבה
- שילוב AI בתהליך הפיתוח (AI-assisted coding), שימוש בכלי קוד גנרטיביים לבניית, בדיקת ושיפור קוד
- בניית שירותי רשת, עבודה עם APIs, מסדי נתונים SQL ו-NoSQL ופיתוח Backend מבוסס FastAPI
- עבודה עם מודלי AI ולמידת מכונה, כולל הנדסת פרומפטים, שליטה בפלט המודל ושימוש ב-RAG
- פיתוח ממשקי משתמש ואפליקציות AI אינטראקטיביות ללא צורך ב-Frontend קלאסי
- פיתוח סוכנים אוטונומיים ומערכות Agentic באמצעות Frameworks מובילים
- פריסה, קונטיינריזציה והטמעה של מערכות AI בסביבות ענן
- תכנות מונחה־עצמים (OOP) ותכנות מונחה־בדיקות (TDD) -
הידע ב-OOP הוא הבסיס הקריטי לבניית מערכות אוטונומיות פנימיות – Frameworks ו- Agentic systems . הלימוד יתמקד בארכיטקטורה של קוד מודולרי, בעקרונות SOLID , בירושה ובכתיבת ממשקים ובמעבר מפונקציה לתוכנה.
מטרת הקורס היא להכשיר מפתחים ומפתחות המסוגלים ליצור קוד (scalable code) קריא וקל לתחזוקה, הדרוש במערכות AI מורכבות.
נושאים נוספים שיילמדו הם תהליך הפיתוח, טיפול בחריגים, debugging , בדיקות יחידה (unit testing) וניהול גרסאות עם Git.
- אינטגרציית AI לתהליך הפיתוח (AI-assisted coding) -
הלמידה תשלב שימוש פרקטי ויום־יומי במנועי קוד והשלמה גנרטיביים (כגון Copilot ,Claude ו-Gemini). הסטודנטים והסטודנטיות ילמדו לא רק כתיבת קוד, אלא גם ביצוע Review ,Debug ו- Refactoring לקוד באמצעות מנוע AI. ההתמקדות היא בהבנה של כתיבת תוכנה פועלת לפי דרישות, במהירות הפיתוח ובכלי פרסום לענן של המוצר המוגמר. - יסודות בתקשורת, רשת, REST ,HTTP ,Json – פרוטוקולים סטנדרטיים ברשת האינטרנט, כיצד REST APIs משמשים ככלי לתקשורת ולהעברת מידע, מהם Microservices וניהול מפתחות ופרוטוקולים של אימות והזדהות (authentication).
- FastAPI Mastery – שימוש ב- FastAPI לבניית ממשקים אסינכרוניים ונקודות קצה פונקציונליות עבור בדיקות תקינוּת (health check, keep alive), שהן קריטיות לניטור המערכת בסביבת אמת (Production); יצירת תיעוד אוטומטי ל־API באמצעות Swagger או Redoc.
- בדיקות תקינות מידע עם Pydantic – בניית שירותים אמינים דורשת אכיפת חוזים עם סכמות מידע קבועות. שימוש בספריית Pydantic עבור ההגדרות של מבנה הנתונים (data validation).
- מסדי נתונים – בסיס SQL לעומת NoSQL, טבלאות ואינדקסים ושימוש בסיסי בשני מאגרי מידע – MongoDB עבור PostgreSQL ו-NoSQL עבור SQL מבוזר.
- כיצד מודלים של AI לומדים חיזוי מידע או ייצורו, וכיצד הם מאומנים ופועלים לשם כך; תהליכי למידה מפוקחת ולמידה לא מבוקרת, פידבק אנושי ותאוריה בסיסית.
- הנדסת פרומפטים (prompt engineering) - כתיבה נכונה של בקשות למודלים שונים, מהם חלקי הפרומפט, איך לקבל פלט בפורמט הנכון ועוד.
- שליטה והשפעה על הפלט של המודל - קביעת פרומפט מערכת, שינוי של ערכי הטמפרטורה של המודל להשפעה על היצירתיות שלו בהחזרת תשובות, קביעת מגבלות על אורך הפלט המקסימלי באמצעות Max Tokens ועוד.
- שימוש מערכתי בפרומפטים - פתרון בעיות בשימוש בשטח וטיפול במקרי קצה, יתרון בעצי מחשבה ובפיצול לפרומפטים קצרים וממוקדים, ניהול גרסאות של המערכת (Git basics) ושימוש בתבניות עם משתנים (placeholders).
- שימוש בידע קיים באמצעות RAG (Retrieval-Augmented Genion) - שימוש במודלים לסיפוק תשובות עובדתיות על בסיס ידע ארגוני קיים והקשר נתון – מרכיב קריטי לשימוש מותאם־חברה. בקורס נלמד כיצד לתכנן ארכיטקטורת RAG, מהו ייצוג וקטורי – הבנת ה- Embeddings ואינדוקס נתונים ב - Vector Stores.
- הכרת הפלטפורמות הקיימות כיום בשוקAgentic Loop, Tool Calling, Crew-AI) LangChain, AutoGen)
- הבנה של מנגנון הפעולה של סוכני AI, כולל תהליכים מרובי־שלבים; כיצד בונים סוכן אוטונומי רב־שלבי לפתרון בעיה; תכנון (plan), ביצוע (execute), תצפית (observe) והשתקפות (reflect/refinement); הבנה של ניהול זיכרון ומצב (state).
- LangChain – פלטפורמה שתשמש כבסיס ללימוד של עקרונות הניהול.
- Crew-AI ו-AutoGen – פלטפורמות המאפשרות בנייה של מערכות רב־סוכנים (Multi-Agent Systems) מבוססות תפקידים. Crew-AI מספקת את המודל הטוב ביותר לניהול של תהליכי עבודה שיתופיים, ומבטיחה שהבוגרים והבוגרות ידעו לפתור בעיות ארגוניות רב־שלביות; ב - AutoGen מודגמים תהליכי עבודה מבוססי שיחה ושיתוף פעולה בין סוכנים.
- Tool Calling ואינטראקצייה חיצונית – פלטפורמות המאפשרות לסוכנים להפעיל APIs (כלים) חיצוניים חיוניים, כגון גישה למערכת מיזוג אוויר או מערכת מלאי.
- אוריינטציה טכנולוגית גבוהה.
- 5 יחידות לימוד אנגלית.
- 4 יחידות לימוד מתמטיקה.
- מילוי שאלון התאמה.
- אוריינטציה טכנולוגית גבוהה.
- 5 יחידות לימוד אנגלית.
- 4 יחידות לימוד מתמטיקה.
- מילוי שאלון התאמה.
ניתן להירשם כאן באתר מכל מכשיר ובכל זמן. תהליך מהיר, מידע מלא ואבטחה מלאה של הנתונים והתשלום.
למי קורס מפתחי AI מתאים?
לכל אחד ואחת ששואפים להיות חלק ממהפכת ה-AI.
תוכנית הלימודים
תוכנה ופיתוח קוד בשפת פייתון
מסדי נתונים (DB), ממשקים ואינטגרציה
מאגרי המידע והחיבוריות לשירותים נוספים הם חלק חשוב בכל מערכת. קורס זה מעמיק בכלים סטנדרטיים של פייתון לבנייה של שירותי רשת ובשימוש ב־ APIs ככלי תקשורת בין מערכות נפרדות, מתוך שמירה על חוסר תלות במימוש הפנימי.
הנושאים הנלמדים:
AI, מודלים ולמידת מכונה
Vibe-Coding – תכנות ללא קוד
הכרת פלטפורמות חצי־חינמיות (Lovable, Base44) בשילוב Github לפיתוח של ממשקי משתמש (GUI) בצד הלקוח, ושימוש מתקדם בהן; שימוש חדש בצ'אטים שהכרנו כדי לייצר קוד ולנתחו.
נכיר גם דרך לייצור של ממשקי משתמש למפתחי פייתון ללא תלות בצד הלקוח, באמצעות פלטפורמות כגון H2O Wave או Streamlit, המאפשרות פיתוח אפליקציות AI אינטראקטיביות באמצעות פייתון בלבד, מתוך ביטול הצורך במיומנויות HTML ,CSS או JavaScript. לאחר בניית הסוכנים (במהלך הסמסטר השני) נלמד לחבר את ממשק המשתמש ל - FastAPI Backend ליצירת אפליקציה שלמה.
היכרות עם פלטפורמות ושימוש בהן ליצירה ולניהול של תהליכי אוטומציה (Make and N8N) – נבין מהם תהליך וטריגר (או אירוע); נלמד להשתמש ב־Webhooks לתקשורת בין תהליכים ואיך לשלב בהם מודלי AI, רשתות חברתיות ושירותים אחרים.
פיתוח סוכנים אוטונומיים
המודל המתקדם ביותר בתוכנית. מכסֶה את הטרנד המרכזי של פיתוח סוכנים אוטונומיים ומערכות אוטונומיות (agentic AI, Frameworks). פיתוח סוכנים באמצעות Frameworks (כגון ,LangChain AutoGen ו - Crew-AI) הפך להיות הסטנדרט החדש בבנייה של מערכות AI ניתנות להרחבה.
פריסה והטמעה לענן – עם קונטיינרים
פריסת המערכת היא החלק האחרון והקריטי ביותר של מוצר תוכנה שלם. בקורס נלמד על העקרונות הבסיסיים של הענן (compute, storage, network) כפלטפורמה להרחבה (scalability) ואבטחה, שדרכה נוכל להפיץ את המוצר שלנו בעולם הרחב; נלמד לבצע דחיפת קונטיינרים (deployment) לסביבות ענן בסיסיות (למשל ב־Google Cloud Run).
נכיר גם את Docker – פלטפורמה המאפשרת בנייה ואריזה של כל רכיבי המערכת לקונטיינר מוכן להפצה, ופריסת מערכת מלאה לענן. Docker מקצרת באופן משמעותי את מחזור הפיתוח המסורתי ומספקת תשתית אבטחה עקבית שקל לדבג ולנטר. הפריסה בענן היא על גבי GCP או AWS.
כמו כן, נכיר בצורה בסיסית את Docker Compose המיועדת לאריזה של כל רכיבי המערכת ולניהול של סביבת פיתוח מלאה (יכולה לכלול כמה microservices או צד שרת וצד לקוח על אותו קונטיינר).
משך הלימודים
הלימודים יתקיימו פעמיים בשבוע, בשעות הערב, במשך שני סמסטרים. התוכנית כוללת 234 שעות לימוד אקדמיות, ובמסגרתה יידרשו הסטודנטים והסטודנטיות להגיש עבודות בית ופרויקט גמר מסכם.
התוכנית מועברת באופן מקוון (פרט לארבעה מפגשים פרונטליים).
תנאי קבלה
תעודה
לעומדים בדרישות הקורס תוענק תעודה מטעם בית ספר חשיפה - האוניברסיטה הפתוחה, לימודי החוץ.
שאלות נפוצות על קורס מפתחי ai בינה מלאכותית
הקבלה לקורס מותנית בעמידה
בתנאי הקבלה המפורטים להלן.
תנאי קבלה
הקבלה לקורס מבוססת על אוריינטציה טכנולוגית גבוהה, עמידה בדרישות הלימוד באנגלית ובמתמטיקה, ומילוי שאלון התאמה.
הלימודים בקורס מתחילים מהקניית יסודות תכנות ופיתוח בשפת Python, ומתקדמים בהדרגה לנושאים מתקדמים בפיתוח מערכות בינה מלאכותית.
מס' הקורס: 84745
