TOP HOT – מסלולי הכשרה המבוקשים של נאיה קולג’

חייגו עכשיו: 073-2865544

AI Engineer

לקחת את הידע שלך בדאטה וקוד – ולהפוך אותו לפתרונות AI מתקדמים
תיאור הקורס:

תאור הקורס:

קורס AI Engineer של מכללת נאיה נבנה מתוך ההבנה שהשוק נמצא בנקודת מעבר: מארגונים שמשתמשים בכלי AI נקודתיים — לארגונים שמפתחים, מנהלים ומטמיעים מערכות AI כחלק אינטגרלי מהפעילות העסקית שלהם.

בעולם הזה, נדרש תפקיד חדש – AI Engineer: איש מקצוע שמחבר בין דאטה, מודלים, מערכות ותהליכים עסקיים, ויודע להפוך יכולות AI לפתרונות אמיתיים שעובדים בפרודקשן.

הקורס מיועד לאנשי דאטה ומפתחי תוכנה שרוצים לעשות קפיצה מקצועית, ולעבור מהבנה או שימוש ב-AI – ליכולת לבנות מערכות חכמות מקצה לקצה.

במהלך הקורס המשתתפים יעמיקו בהבנת האופן שבו מערכות AI עובדות “מאחורי הקלעים” החל מהבסיס של עבודה עם דאטה, דרך הבנת מודלים מתקדמים מסוג LLM, ועד לתכנון ארכיטקטורה של פתרונות מורכבים הכוללים Knowledge Bases, Agents, ואינטגרציות עם מערכות ארגוניות.

הקורס שם דגש מיוחד על השכבה שהפכה להיות קריטית בעולמות ה-AI לא המודל עצמו, אלא איך מחברים אותו לעולם האמיתי:
איך מזינים אותו בדאטה נכון, איך שולטים באיכות התשובות, איך בונים תהליכים סביבו, ואיך הופכים אותו לכלי עבודה אמין בארגון.

בנוסף, המשתתפים ילמדו כיצד לתכנן ולבנות מערכות מבוססות Retrieval Augmented Generation (RAG), לעבוד עם Vector Databases ו-Embeddings, ולבנות תהליכים חכמים באמצעות Agents ו-Workflow Automation – כל זאת תוך הבנה של שיקולי ביצועים, עלויות, וסקייל.

הקורס משלב בין ראייה טכנולוגית עמוקה לבין הבנה מערכתית ועסקית של פרויקטי AI:
כיצד נראה פרויקט AI אמיתי בארגון, מהם האתגרים הייחודיים שלו, כיצד מקבלים החלטות, ואיך מנהלים תהליך שמבוסס על ניסוי, למידה ושיפור מתמיד.

לאורך הקורס יש דגש חזק על פרקטיקה – עבודה עם כלים, תרגולים, ובניית רכיבים אמיתיים – מתוך מטרה שבסיום הקורס המשתתפים לא רק יבינו את העולם הזה, אלא ידעו לעבוד בו בפועל.

שיאו של הקורס הוא בפרויקט מסכם, שבו המשתתפים יבנו פתרון AI מלא מקצה לקצה – החל מהגדרת הבעיה, דרך תכנון הארכיטקטורה, עבודה עם דאטה ומודלים, ועד יצירת מערכת עובדת שנותנת מענה לצורך עסקי אמיתי.

מה לומדים בקורס

הקורס בנוי ממודולים משלימים המכסים את כלל שכבות העבודה של AI Engineer:

מודול 1 – Python for AI Engineering

  • יסודות Python לפיתוח אפליקציות AI
  • עבודה עם APIs, קבצים ונתונים מובנים
  • תכנות מונחה עצמים (OOP)
  • טיפול בשגיאות, Logging וניהול קונפיגורציה
  • כתיבת קוד מודולרי וניתן לתחזוקה

מודול 2 – יסודות AI ו-LLMs

  • היכרות עם עולם ה-AI Engineering
  • כיצד פועלים מודלי LLM
  • Tokenization, Embeddings ו-Transformers
  • תהליכי אימון והתאמת מודלים
  • עבודה בסיסית עם מודלים גנרטיביים

מודול 3 – Prompt Engineering ו-LLM APIs

  • עקרונות כתיבת פרומפטים אפקטיביים
  • טכניקות Prompt Engineering מתקדמות
  • עבודה עם APIs של מודלי שפה
  • יצירת Structured Outputs
  • שיפור אמינות ואיכות תוצרים

מודול 4 – בניית אפליקציות AI

  • ארכיטקטורות נפוצות לאפליקציות AI
  • מעבר מקוד ניסויי למערכת ייצור
  • תכנון שכבות מערכת ו-APIs
  • Validation וניהול קונפיגורציה
  • Best Practices לפיתוח מערכות AI

מודול 5 – Retrieval-Augmented Generation (RAG)

  • עקרונות וארכיטקטורת RAG
  • עיבוד וטעינת מסמכים למאגר ידע
  • Embeddings ו-Vector Databases
  • Semantic Search ו-Hybrid Search
  • שיפור איכות תשובות באמצעות ידע ארגוני

מודול 6 – Evaluation & Observability

  • זיהוי כשלים נפוצים במערכות AI
  • Validation ובדיקת איכות תוצרים
  • Evaluation Frameworks ובדיקות ביצועים
  • Logging, Tracing ו-Observability
  • Debugging ושיפור אמינות המערכת

מודול 7 – Agents & LangGraph

  • עקרונות Agentic AI
  • בניית AI Agents ו-Workflows
  • שילוב כלים ו-APIs בתוך Agents
  • עבודה עם LangGraph וניהול State
  • Human-in-the-Loop ותהליכים מורכבים

מודול 8 – AI Security & Governance

  • אבטחת מערכות AI ו-Guardrails
  • בקרות והרשאות גישה
  • ניהול סיכונים ו-Compliance
  • עבודה עם מקורות מידע מהימנים
  • מנגנוני Human Escalation

מודול 9 – Model Adaptation & Optimization

  • Fine-Tuning ו-LoRA
  • התאמת מודלים למשימות ייעודיות
  • Evaluation ו-Benchmarking
  • בחירה בין RAG ל-Fine-Tuning
  • שיפור ביצועים ואופטימיזציה

מודול 10 – Deployment & LLMOps

  • יסודות LLMOps
  • Docker ופריסת אפליקציות AI
  • ניהול תלויות וקונפיגורציות
  • Monitoring, Cost Tracking ו-Latency
  • CI/CD ופריסה לסביבת ייצור

מודול 11 – פרויקט גמר

  • אפיון פתרון AI מקצה לקצה
  • בניית Assistant או Workflow מבוסס AI
  • שילוב RAG, Agents ו-Tools
  • הוספת מנגנוני בקרה ואמינות
  • הצגת פרויקט מלא ותיק עבודות מקצועי

מסלול הכשרה זה מלווה בלפחות 50% תרגול מעשי במהלך השיעורים, ובנוסף הסטודנטים יקבלו משימות ופרויקטים לכל נושא רלוונטי, במסגרתם יוכלו לממש את הידע הנרכש במהלך השיעורים. 

צוות המדריכים שלנו

עמית הינו Data Scientist וותיק ומנוסה, מרצה בכיר ומוביל בתחום. עמית בוגר הטכניון בתואר הנדסת
עוד…

עמית רפל

רז שמואלי הינו Data Scientist בחברת IronSource, בעל תואר בסטטיסטיקה מאוניברסיטה העברית בירושלים. רז מתמחה
עוד…

רז שמואלי - תמונות מרצים לאתר - נאיה קולג

דרור גבע הינו Data Scientist מוביל בנאיה טכנולוגיות, בוגר נאיה קולג’ לפני מספר שנים ומאז
עוד…

דרור

דרור גבע
ערן הינו יועץ מוביל ובכיר בנאיה טכנולוגיות בתחום מסדי נתונים ו-Big Data. במסגרת תפקידו ערן מתמחה בניהול מסדי נתונים, בניית ארכיטקטורה, וכן בפלטפורמות NoSQL מובילות בעולם ה- Big Data.
  • 29/06/2026 מועד פתיחה
  • ב'+ה' 17:30-21:30daysימים ושעות
  • 120academic hours שעות אקדמיות
  • מעמיק ומעשיcourse levelרמת הקורס
  • עבריתlanguageשפת הדרכה
  • לבדיקת התאמה לקורס
  • [current_url]

    השאירו פרטים ונחזור אליכם בהקדם!

Call Now Button דילוג לתוכן