רגע! לפני שהולכים... 👋
אל תפספסו! מסלולי לימוד נפתחים בקרוב - מקומות מוגבלים
| מסלול RT Embedded Linux | 09/11 |
| מסלול Machine Learning | 16/11 |
| מסלול Computer Vision | 16/11 |
| מסלול Full Stack | 16/11 |
| מסלול Cyber | 25/11 |
✓ ייעוץ אישי ללא התחייבות | תשובה תוך 24 שעות
קורס AI Engineer מכשיר אתכם לבנות מערכות AI מודרניות ולהעלות אותן ל-Production. תלמדו לתכנן, לפתח, להעריך, לאבטח ולפרוס אפליקציות מבוססות מודלי שפה גדולים (LLMs). הנושאים כוללים מערכות RAG, סוכני AI, פרוטוקול MCP וטכנולוגיות ענן.
מהנדס AI הוא מהנדס תוכנה שבונה מערכות בינה מלאכותית לסביבת Production. Data Scientist מתמקד במחקר ובאימון מודלים. מהנדס AI מחבר מודלי שפה גדולים למוצר עובד.
התפקיד כולל:
זו דיסציפלינה הנדסית, לא תפקיד מחקרי. ההתמחות היא בנייה, פריסה ותחזוקה של מערכות AI, לא בפיתוח המודלים עצמם.
התוכנית משלבת עקרונות של הנדסת תוכנה קלאסית עם פיתוח AI מתקדם. היא מלווה אתכם מהיסודות ועד מערכות מוכנות ל-Production. בחרו את המסלול שמתאים לרקע שלכם.
המסלול מיועד למפתחי תוכנה ולמהנדסים עם ניסיון מעשי. אתם כבר מכירים תכנות, Git ועבודה עם API. לכן נדלג על יסודות התכנות ונתמקד ב-AI. נצלול ישר ל-LLMs, RAG, סוכנים ו-MCP. התוצאה היא מעבר מהיר ומעשי לתפקיד מהנדס AI.
המסלול מיועד למי שמתחיל מאפס ורוצה להיכנס לתחום. לא נדרש רקע קודם בתכנות. נבנה יחד את יסודות התכנות והנדסת התוכנה. משם נתקדם בהדרגה לפיתוח מערכות AI. התוצאה היא בסיס הנדסי איתן ויכולת לבנות מערכות AI מקצה לקצה.
אל תסתפקו בשימוש בכלי AI. למדו לבנות את המערכות שמאחוריהן.
כלי פיתוח ושפות תכנות
מיומנויות וטכניקות
תכנון ופיתוח מערכות AI מקצה לקצה, משלב האפליקציה ועד סביבת Production.
מה עושים בתפקיד?
טכנולוגיות נפוצות:
Python · FastAPI · LLMs · LangGraph · PostgreSQL · Redis · Docker · AWS
פיתוח והנדסה של אפליקציות המבוססות על Large Language Models.
מה עושים בתפקיד?
טכנולוגיות נפוצות:
Python · OpenAI · Anthropic · Gemini · Hugging Face · Pydantic
בניית מערכות AI המחברות מודלי שפה למידע ארגוני, מסמכים ומאגרי ידע.
מה עושים בתפקיד?
טכנולוגיות נפוצות:
Python · PostgreSQL · pgvector · Embeddings · LLMs · RAG
פיתוח סוכני AI ומערכות אוטונומיות המסוגלות להשתמש בכלים, לקבל החלטות ולבצע פעולות.
מה עושים בתפקיד?
טכנולוגיות נפוצות:
Python · LangGraph · MCP · OpenAI Agents SDK · PydanticAI
פיתוח תשתיות Backend יציבות ומאובטחות עבור אפליקציות ומערכות AI.
מה עושים בתפקיד?
טכנולוגיות נפוצות:
Python · FastAPI · PostgreSQL · Redis · Pydantic · REST APIs
העברת מערכות AI מ-Prototype למערכות אמינות, מאובטחות ומנוטרות בסביבת Production.
מה עושים בתפקיד?
טכנולוגיות נפוצות:
Langfuse · OpenTelemetry · Docker · LLM APIs · AWS
יש לך ניסיון או שאתה רק מתחיל? יש לנו מסלול שמתאים בדיוק בשבילך – לבחירתך שתי אפשרויות לימוד!
מסלול מקיף (לחסרי ניסיון)
במסלול זה תלמדו את כל המודולים ותהנו מהתמקצעות מירבית.
| AI Engineering | משך הקורס | |
|---|---|---|
| Linux Administration | למידע נוסף סגור | 50 שעות |
|
קורס Linux Administration מקנה בסיס מעשי בניהול מערכת ההפעלה לינוקס. הקורס עוסק במבנה מערכת הקבצים, ניהול משתמשים והרשאות, תצורת רשת ופקודות Shell נפוצות.
| ||
| פייתון Python | למידע נוסף סגור | 90 שעות |
|
קורס מעשי בשפת Python 3 המקנה בסיס מקצועי בפיתוח תוכנה. הקורס כולל משתנים, מבני נתונים, תנאים, לולאות, פונקציות, עבודה עם קבצים, טיפול בשגיאות, מודולים ותכנות מונחה עצמים. הידע משמש בסיס לאוטומציה, עיבוד נתונים ופיתוח מערכות AI.
| ||
| יסודות AI Engineering ו-Python | למידע נוסף סגור | 28 שעות |
|
הקורס מהווה נקודת פתיחה לעולם ה-AI Engineering ומשלב Python עם עקרונות הנדסת תוכנה. במהלך הקורס נלמד לעבוד עם APIs ו-JSON, לנהל קוד באמצעות Git ו-GitHub ולהכיר את מבנה מערכות ה-AI, משכבת המודל ועד שכבת האפליקציה.
| ||
| LLM Engineering – פיתוח אפליקציות AI | למידע נוסף סגור | 32 שעות |
|
הקורס מתמקד בפיתוח אפליקציות המבוססות על מודלי שפה גדולים. נלמד לבחור מודלים, להתחבר אליהם באמצעות APIs ולעבוד עם Prompt Engineering, Context Engineering, Structured Outputs, Streaming ו-Function Calling. בנוסף, נפתח פתרונות לסיכום, סיווג, חילוץ מידע ושיחות חכמות.
| ||
| RAG ו-Embeddings | למידע נוסף סגור | 32 שעות |
|
הקורס מלמד כיצד לחבר מודלי שפה למסמכים, מידע ארגוני ומאגרי ידע. נעסוק בעיבוד מסמכים, Chunking, יצירת Embeddings, בסיסי נתונים וקטוריים, Semantic Search, Retrieval, Reranking ו-Hybrid Search. במסגרת הקורס תיבנה מערכת RAG המספקת תשובות המבוססות על מידע ומקורות.
| ||
| AI Agents ו-MCP | למידע נוסף סגור | 36 שעות |
|
הקורס מתמקד בתכנון ופיתוח סוכני AI המסוגלים להשתמש בכלים ולבצע משימות מורכבות. נלמד Tool Calling, תכנון Workflows, ניהול State ו-Memory ופיתוח באמצעות LangGraph. בנוסף, נשתמש בפרוטוקול MCP לחיבור הסוכנים לשירותים, כלים ומקורות מידע חיצוניים
| ||
| AI Backend | למידע נוסף סגור | 28 שעות |
|
הקורס מלמד כיצד להפוך רכיבי LLM, RAG ו-AI Agents לשירותי Backend מקצועיים. נעסוק בפיתוח APIs באמצעות FastAPI, עבודה עם PostgreSQL ו-Redis, תכנות אסינכרוני, Streaming, Authentication, טיפול בשגיאות, Logging, Testing ותכנון ארכיטקטורה יציבה למערכות AI.
| ||
| LLMOps ו-Production AI | למידע נוסף סגור | 36 שעות |
|
הקורס עוסק בהעברת מערכות AI משלב ה-Prototype לסביבת Production. נלמד לבצע Evaluation, לזהות Hallucinations, לבדוק איומים כמו Prompt Injection וליישם Monitoring, Tracing ו-Observability. בנוסף, נעסוק בניטור עלויות, Tokens ו-Latency ובאופטימיזציה של ביצועים ואמינות.
| ||
| Cloud AI Engineer | למידע נוסף סגור | 28 שעות |
|
הקורס מתמקד באריזה, פריסה וניהול של מערכות AI בענן. נלמד לעבוד עם Docker, Docker Compose, GitHub Actions, תהליכי CI/CD ושירותי AWS. הקורס כולל תכנון ארכיטקטורה המותאמת ל-Production, תוך התייחסות לאבטחה, זמינות, Scalability, התאוששות מתקלות ושליטה בעלויות.
| ||
| מסדי נתונים וקטוריים | למידע נוסף סגור | 30 שעות |
|
הקורס מקנה ידע מעשי בבניית מסדי נתונים וקטוריים באמצעות PostgreSQL והתוסף pgvector. נלמד לשמור Embeddings, לבצע Vector Search ו-Similarity Search ולעבוד עם מדדי דמיון כגון Cosine Distance, L2 Distance ו-Inner Product. בנוסף, נלמד להשתמש באינדקסים מסוג HNSW ו-IVFFlat ולשלב חיפוש סמנטי עם SQL ומידע רלציוני לצורך בניית מערכות RAG ואפליקציות AI.
| ||
| AWS | למידע נוסף סגור | 35 שעות |
|
הקורס מעניק היכרות מעשית עם סביבת הענן של Amazon ועם שירותים מרכזיים כגון EC2, S3, IAM, VPC ו-Lambda. נלמד לתכנן, להקים ולנהל תשתיות ויישומים בענן בהתאם לעקרונות של זמינות, אבטחה, ביצועים ויעילות כלכלית.
| ||
| Git | למידע נוסף סגור | 25 שעות |
|
קורס Git מקנה שליטה מעשית בניהול גרסאות קוד ובעבודה משותפת בצוותי פיתוח. הקורס עוסק במאגרי קוד, תיעוד שינויים, עבודה עם ענפים, מיזוגים ופתרון התנגשויות, לצד שחזור גרסאות ועבודה מול מאגרים מרוחקים.
| ||
מסלול מקוצר (לבעלי רקע)
מיועד לבעלי רקע קודם בתחום פיתוח תוכנה ואפליקציות.
| AI Engineering | משך הקורס | |
|---|---|---|
| יסודות AI Engineering ו-Python | למידע נוסף סגור | 28 שעות |
|
הקורס מהווה נקודת פתיחה לעולם ה-AI Engineering ומשלב Python עם עקרונות הנדסת תוכנה. במהלך הקורס נלמד לעבוד עם APIs ו-JSON, לנהל קוד באמצעות Git ו-GitHub ולהכיר את מבנה מערכות ה-AI, משכבת המודל ועד שכבת האפליקציה.
| ||
| LLM Engineering – פיתוח אפליקציות AI | למידע נוסף סגור | 32 שעות |
|
הקורס מתמקד בפיתוח אפליקציות המבוססות על מודלי שפה גדולים. נלמד לבחור מודלים, להתחבר אליהם באמצעות APIs ולעבוד עם Prompt Engineering, Context Engineering, Structured Outputs, Streaming ו-Function Calling. בנוסף, נפתח פתרונות לסיכום, סיווג, חילוץ מידע ושיחות חכמות.
| ||
| RAG ו-Embeddings | למידע נוסף סגור | 32 שעות |
|
הקורס מלמד כיצד לחבר מודלי שפה למסמכים, מידע ארגוני ומאגרי ידע. נעסוק בעיבוד מסמכים, Chunking, יצירת Embeddings, בסיסי נתונים וקטוריים, Semantic Search, Retrieval, Reranking ו-Hybrid Search. במסגרת הקורס תיבנה מערכת RAG המספקת תשובות המבוססות על מידע ומקורות.
| ||
| AI Agents ו-MCP | למידע נוסף סגור | 36 שעות |
|
הקורס מתמקד בתכנון ופיתוח סוכני AI המסוגלים להשתמש בכלים ולבצע משימות מורכבות. נלמד Tool Calling, תכנון Workflows, ניהול State ו-Memory ופיתוח באמצעות LangGraph. בנוסף, נשתמש בפרוטוקול MCP לחיבור הסוכנים לשירותים, כלים ומקורות מידע חיצוניים
| ||
| AI Backend | למידע נוסף סגור | 28 שעות |
|
הקורס מלמד כיצד להפוך רכיבי LLM, RAG ו-AI Agents לשירותי Backend מקצועיים. נעסוק בפיתוח APIs באמצעות FastAPI, עבודה עם PostgreSQL ו-Redis, תכנות אסינכרוני, Streaming, Authentication, טיפול בשגיאות, Logging, Testing ותכנון ארכיטקטורה יציבה למערכות AI.
| ||
| LLMOps ו-Production AI | למידע נוסף סגור | 36 שעות |
|
הקורס עוסק בהעברת מערכות AI משלב ה-Prototype לסביבת Production. נלמד לבצע Evaluation, לזהות Hallucinations, לבדוק איומים כמו Prompt Injection וליישם Monitoring, Tracing ו-Observability. בנוסף, נעסוק בניטור עלויות, Tokens ו-Latency ובאופטימיזציה של ביצועים ואמינות.
| ||
| Cloud AI Engineer | למידע נוסף סגור | 28 שעות |
|
הקורס מתמקד באריזה, פריסה וניהול של מערכות AI בענן. נלמד לעבוד עם Docker, Docker Compose, GitHub Actions, תהליכי CI/CD ושירותי AWS. הקורס כולל תכנון ארכיטקטורה המותאמת ל-Production, תוך התייחסות לאבטחה, זמינות, Scalability, התאוששות מתקלות ושליטה בעלויות.
| ||
| מסדי נתונים וקטוריים | למידע נוסף סגור | 30 שעות |
|
הקורס מקנה ידע מעשי בבניית מסדי נתונים וקטוריים באמצעות PostgreSQL והתוסף pgvector. נלמד לשמור Embeddings, לבצע Vector Search ו-Similarity Search ולעבוד עם מדדי דמיון כגון Cosine Distance, L2 Distance ו-Inner Product. בנוסף, נלמד להשתמש באינדקסים מסוג HNSW ו-IVFFlat ולשלב חיפוש סמנטי עם SQL ומידע רלציוני לצורך בניית מערכות RAG ואפליקציות AI.
| ||
אלכס שויחיט
ראש תחום Machine Learning
בוגרי הקורס שלנו מרוויחים נסיון מקצועי כבר במהלך הלימודים. הצוות המיומן שלנו מסייע לשלבם בתעשיית ההייטק דרך עזרה בחיפוש העבודה, סיוע בבניית קורות חיים והשמה בחברה טכנולוגית.
1
התאמת תכנית לימודים
אנו עוזרים לך לבנות את מסלול הלימודים המתאים ביותר לצרכים ולשאיפות המקצועיות שלך.
2
הכשרה טכנולוגית
הענקת הידע התיאורטי והמעשי הנדרשים כדי להכניס אותך לתעשייה ולהפוך אותך לאחד מאיתנו.
3
פרויקט סיום
ביצוע פרויקט גמר מעשי מהשטח אשר משמש כתיק עבודות להצגה בפני מראיינים פוטנציאלי.
4
התמחות מעשית
רכישת נסיון מעשי המותאם לדרישות התעשיה לצד צוות מהנדסים ממובילי התחום.
5
ראיון עבודה
סיוע בבניית קורות חיים לבוגרים, כולל סימולציות ראיון והכוונה להמשך הקריירה.
ליווי מלא עד לראיון העבודה והשמה בחברת הייטק
סטודנטים מעוניינים יקבלו ליווי מלא עד להשמה בחברת הייטק, כאשר בנוסף, קיימת אופציה לסטודנטים מצטיינים להשתלב אצלנו בחברה, Real Time Group ,כחלק מהצוות הפיתוח.
המטרה שלנו היא להעניק לכם את הידע והניסיון ולהכין אתכם להתמקצעות בעולם ההייטק.
בואו ללמוד ולעבוד איתנו בתעשיית הטכנולוגיה.
מהנדס AI הוא מהנדס תוכנה שבונה מערכות בינה מלאכותית בסביבת פרודקשן. בפועל הוא מחבר מודלי שפה גדולים למוצר: בונה מערכות RAG לחיפוש במידע ארגוני, מפתח סוכני AI שמבצעים משימות, חושף את היכולות כשירותי Backend, ואחראי על הערכה, אבטחה, ניטור ובקרת עלויות של המערכת לאורך זמן.
Data Scientist עוסק במחקר, בניתוח נתונים ובאימון מודלים; מהנדס AI עוסק בבנייה ובפריסה של מערכות שמשתמשות במודלים קיימים. ההבדל המעשי הוא בתוצר: Data Scientist מייצר תובנות ומודל, ומהנדס בינה מלאכותית מייצר מערכת עובדת בפרודקשן. ML Engineer נמצא באמצע ועוסק בעיקר בתשתית האימון והפריסה.
שכר מהנדס AI בישראל משתנה לפי ותק, סוג החברה ותחום ההתמחות. ריכזנו טבלת שכר מלאה לפי רמות ותק במדריך שכר מהנדס AI בישראל.
מסלול ההכשרה המלא אורך 450 שעות לימוד ב-90 מפגשים, בפריסה של 9 עד 12 חודשים בלימודים היברידיים. המסלול בנוי כרצף: יסודות Python והנדסת תוכנה, לאחר מכן LLM Engineering, מערכות RAG וסוכני AI, ולבסוף LLMOps והעברת המערכת ל-Production.
כן, נדרש בסיס קודם בתכנות. המסלול מיועד למפתחי תוכנה ומהנדסים, וכולל בתוכו לימודי Python ובניית התשתית ההנדסית הנדרשת לפני המעבר לעבודה עם מודלי שפה גדולים.
המסלול כולל Python ו-FastAPI לבניית שירותים, עבודה עם מודלי שפה גדולים ו-Prompt Engineering, מערכות RAG ו-Embeddings, מסדי נתונים וקטוריים מבוססי PostgreSQL, סוכני AI עם Tool Calling ו-MCP, וכן Docker, AWS ו-Git לפריסה ולניהול גרסאות.
