סילבוס הקורס

Module 1 | AI & Large Language Model Fundamentals

במודול זה תבנו את התשתית להבנת עולם ה-AI וה-Generative AI ותכירו את המושגים והטכנולוגיות המרכזיות בתחום. תלמדו את ההבדלים בין Automation, Machine Learning, Deep Learning ו-Generative AI ותבינו כיצד כל אחת מהגישות יכולה להשתלב בפתרונות ארגוניים.

בהמשך תכירו את עולם מודלי השפה הגדולים, את היכולות והמגבלות שלהם ואת ה-Use Cases המרכזיים שלהם בסביבה העסקית. בנוסף תלמדו עקרונות של Prompt Engineering ותתרגלו בניית Prompts אפקטיביים כחלק מתכנון פתרונות AI.

Module 2 | Knowledge Bases, RAG & AI Agents

במודול זה תכירו את הארכיטקטורות המרכזיות שעליהן מבוססים פתרונות GenAI ארגוניים. תלמדו כיצד עובדים Knowledge Bases, תהליכי Data Ingestion ו-Information Retrieval וכיצד ארכיטקטורת RAG מאפשרת לחבר מודלי שפה למידע ארגוני.

בנוסף תכירו בסיסי נתונים מסוג Relational, Vector ו-Graph ותבינו את ההבדלים בין Chatbots, Assistants, Workflows ו-AI Agents. בהמשך תיחשפו לארכיטקטורות של Agents, לעבודה עם Skills ו-Tools ולתפקיד של MCP בחיבור מערכות AI לכלים ושירותים חיצוניים.

Module 3 | Responsible AI & AI Project Definition

במודול זה תלמדו כיצד עוברים מהיכרות עם הטכנולוגיה לזיהוי והגדרה של פרויקט AI בעל ערך עסקי. תעסקו בזיהוי, הערכה ותעדוף של AI Use Cases ותלמדו לבחון אותם על בסיס ערך עסקי, ישימות, עלויות, ROI ומוכנות ארגונית.

במקביל תכירו סוגיות מרכזיות של Responsible AI, ובהן Privacy, Security, Bias, Hallucinations ו-Human Oversight. תלמדו כיצד להגדיר מטרות, בעלי עניין, מדדי הצלחה ותוצרים לאורך מחזור החיים של פרויקט AI – משלב ה-Discovery דרך POC ו-MVP ועד Production.

Module 4 | AI & Automation Platforms

במודול זה תעברו מהאפיון לבנייה מעשית של פתרונות AI באמצעות פלטפורמות וכלי Low-Code ו-No-Code מובילים. תכירו את Microsoft Copilot ותלמדו לבנות Agents ו-Workflows מותאמים באמצעות Copilot Studio.

בנוסף תעבדו עם n8n לבניית תהליכי Automation ואינטגרציות בין מערכות ותכירו את EPAM DIAL לפיתוח Agents ו-Workflows. הדגש במודול יהיה על התנסות מעשית בבניית פתרונות AI המתאימים לצרכים ותהליכים ארגוניים.

Module 5 | Python Programming Fundamentals

במודול זה תרכשו את יסודות התכנות ב-Python הנדרשים כדי להרחיב את היכולת שלכם מעבר לכלי מדף ולבנות פתרונות AI מותאמים. תלמדו לעבוד עם Variables, Data Types, Operators, Strings ו-Collections ותכירו את עקרונות העבודה עם Conditions, Loops, Functions ו-Modules.

בנוסף תתרגלו כתיבת קוד ועיבוד נתונים, תכירו עקרונות בסיסיים של Error Handling ו-Clean Code ותבנו בסיס שיאפשר לכם להמשיך לעבודה יישומית יותר עם Python כחלק מפתרונות AI.

Module 6 | Applied Python for AI Solutions

במודול זה תעברו מיסודות Python לשימוש בו ככלי לבניית פתרונות AI ואינטגרציות. תלמדו לעבוד עם Files, CSV ו-JSON, לטפל ב-Data Payloads ולחבר מערכות ושירותים באמצעות HTTP ו-REST APIs.

בנוסף תכירו Logging, Monitoring ו-Troubleshooting בסיסי ותעמיקו בעקרונות של Object-Oriented Programming לבניית יישומי AI מודולריים. תעבדו גם עם Data Classes, Type Hints ו-Data Validation כחלק מפיתוח פתרונות מובנים ואמינים יותר.

Module 7 | AI Engineering & RAG Development

במודול זה תחברו בין הידע העסקי והטכנולוגי ותעברו לבנייה של יישומי AI מבוססי LLM. תכירו את העקרונות של AI Engineering ותלמדו כיצד מתכננים ארכיטקטורה של אפליקציה המבוססת על מודלי שפה.

בהמשך תבנו RAG Pipelines ותעבדו עם תהליכי Document Ingestion, Chunking, Embeddings ו-Vector Databases. תלמדו כיצד לאחזר מידע רלוונטי ולהשתמש בו ליצירת תשובות מבוססות מידע, תוך שיפור איכות ה-Retrieval וצמצום תשובות שאינן נתמכות במקורות.

Module 8 | Advanced Agentic AI Development

במודול זה תעמיקו בעולם ה-Agentic AI ותלמדו כיצד לבנות Agents שמסוגלים להשתמש בכלים, APIs וידע ארגוני כדי לבצע משימות ותהליכים מורכבים.

במהלך המודול תפתחו Workflows מרובי שלבים באמצעות LangGraph, תכירו מנגנוני Short-Term ו-Long-Term Memory ותלמדו כיצד לבנות ולתאם Multi-Agent Systems. בנוסף תלמדו לחבר Agents לכלים ושירותים חיצוניים באמצעות MCP ותיישמו את הידע בבנייה מעשית של פתרון Agentic AI משולב.

Module 9| Final Project

בפרויקט הסיום תחברו את הידע והכלים שנרכשו לאורך הקורס ותבנו פתרון AI עובד מקצה לקצה. הפרויקט יכלול יישום מבוסס LLM, פתרון RAG, פלטים מובנים ושילוב של Tool או Workflow מעבר לשאלות ותשובות פשוטות.