סילבוס הקורס

Module 1 | Python

במודול זה תבנו את התשתית התכנותית הנדרשת לעבודה בעולמות ה-Data Science וה-AI ותלמדו לעבוד עם Python בצורה מעשית.

בתחילת המודול תכירו את סביבת העבודה, סוגי הנתונים ומבני הנתונים המרכזיים, ותלמדו להשתמש בתנאים, לולאות ופונקציות לצורך כתיבת תוכניות ועיבוד מידע.

בהמשך תעסקו בעבודה עם קבצים, תלמדו את יסודות התכנות מונחה העצמים ותכירו עבודה עם APIs ב-Python.

בנוסף תכירו יכולות מרכזיות של הספרייה הסטנדרטית של Python, עבודה עם Modules ו-Packages, טיפול בתאריכים באמצעות datetime ועבודה עם Regular Expressions.

Module 2 | Exploratory Data Analysis – EDA

במודול זה תלמדו כיצד לקחת נתונים גולמיים ולהפוך אותם ל-Data שניתן לחקור, לנתח ולהשתמש בו לצורך בניית מודלים.

במהלך המודול תעבדו עם Pandas ותלמדו לבצע תהליכי Pre-processing, סינון ואינדוקס של נתונים, Aggregations ומניפולציות מתקדמות.

בנוסף תכירו ספריות מתמטיות מרכזיות ובהן NumPy ו-SciPy, ותלמדו ליצור ויזואליזציות באמצעות Matplotlib ו-Seaborn.

בהמשך תלמדו לעבוד עם מקורות מידע מסוגים שונים, לרבות קבצי JSON, מסדי נתונים ומקורות מידע מה-Web, כחלק מתהליך EDA מקצה לקצה.

Module 3 | Machine Learning

במודול זה תעברו מעבודה וחקירה של נתונים לבנייה, אימון והערכה של מודלים מבוססי Machine Learning.

בתחילת המודול תכירו את ההבדלים בין Supervised Learning לבין Unsupervised Learning ותלמדו כיצד לבנות תהליכי Machine Learning באמצעות Pipelines, Transformers ו-Estimators.

בהמשך תעסקו ב-Feature Engineering, הפחתת ממדים, בחירת מודלים באמצעות Cross Validation ו-Grid Search ובהתמודדות עם Overfitting באמצעות שיטות Regularization.

בנוסף תלמדו לעבוד עם Ensemble Methods כגון Voting, Bagging ו-Boosting ותכירו דרכים להתמודדות עם Imbalanced Data ועם Anomaly Detection.

בהמשך תעסקו ב-Clustering, במדדי דמיון ובשיטות Scoring לצורך בחינה והערכה של ביצועי המודלים.

במסגרת המודול תכירו ותיישמו מגוון מודלים ואלגוריתמים מרכזיים, ובהם Linear Regression, Logistic Regression, Decision Trees, Random Forest, K-Nearest Neighbors, K-Means ו-Agglomerative Clustering.

Module 4 | Deep Learning & Generative AI

במודול זה תעמיקו בעולמות ה-Deep Learning וה-Generative AI ותכירו את הטכנולוגיות והארכיטקטורות שמאחורי פתרונות AI מתקדמים.

בתחילת המודול תלמדו את עקרונות העבודה של Neural Networks ותפתחו מודלים באמצעות PyTorch. בנוסף, תכירו טכנולוגיות מרכזיות ובהן Transformers, Diffusion, Embeddings ו-Hugging Face.

בהמשך המודול תעברו לפיתוח יישומים מבוססי מודלי שפה ותעבדו עם Prompt Engineering, LangChain ו-LlamaIndex. תלמדו לבנות פתרונות RAG ו-Agentic AI ולחבר מודלי שפה למקורות מידע ולתהליכי עבודה.

לסיום המודול תכירו גישות ל-Fine-Tuning ול-Workflow Automation ותלמדו כיצד לבצע Evaluation לפתרונות מבוססי LLM ו-GenAI.

Module 5 | Final Capstone Project

במודול זה תחברו בין היכולות שרכשתם לאורך התוכנית ותיישמו אותן במסגרת פרויקט גמר מעשי.

במהלך העבודה תפתחו את הפרויקט באופן עצמאי, כאשר המפגשים בכיתה ישמשו לליווי מקצועי, Mentoring, ייעוץ, פתרון בעיות והחלפת רעיונות עם יתר המשתתפים.

בנוסף תקבלו במסגרת שלב הפרויקט סדנאות מבוא בנושאים משלימים, ובהם NLP, עבודה עם Big Data באמצעות Spark ועבודה בסביבת הפיתוח PyCharm.

בסיום התוכנית תצאו עם פרויקטים מעשיים ועם תיק עבודות מקצועי ב-GitHub, שנועד להמחיש את היכולת שלכם לעבוד עם Data, לפתח מודלים ולבנות פתרונות Data Science ו-GenAI מקצה לקצה