LLM Engineering – פיתוח אפליקציות AI

קורס LLM Engineering – פיתוח אפליקציות AI

על הקורס

קורס LLM Engineering & AI Application Development הוא השלב השני במסלול AI Engineer ומתמקד בפיתוח אפליקציות AI המבוססות על מודלי שפה גדולים (Large Language Models – LLMs).

במהלך הקורס תלמדו כיצד לעבוד עם מודלי LLM מנקודת מבט הנדסית – החל מבחירת המודל המתאים וחיבור אליו באמצעות API, דרך Prompt Engineering וניהול Context, ועד ליצירת Structured Outputs ושימוש ב-Function Calling.

הקורס שם דגש על LLM Engineering – שילוב מודלי שפה כחלק ממערכת תוכנה ולא רק שימוש בהם כממשק שיחה. תלמדו לעבוד עם ספקי מודלים שונים, לנהל Streaming, לתכנן Prompts ו-Context בצורה נכונה ולבנות דפוסי יישום עבור Chat, Extraction, Classification, Summarization ו-Data Transformation.

במסגרת הפרויקט המעשי תמשיכו לפתח את מערכת AI Document Intelligence מהקורס הראשון, ותשלבו בה LLM לעיבוד מידע והחזרת תוצאות מובנות ומאומתות.

בסיום הקורס תוכלו לבחור מודל מתאים למשימות שונות, לפתח אפליקציות מבוססות LLM, לשלוט בצורה מדויקת יותר בפלטי המודל וליישם טכניקות המסייעות בצמצום Hallucinations ובבניית יישומי AI אמינים.

להמשך קריאה

מועדי פתיחת קורס פיתוח אפליקציות AI

קורס ערב

18:00 - 22:00

32 ש"א (7 מפגשים)

21/02/2027

מתכונת הקורס

* מספר המפגשים והשעות למפגש עשויים להשתנות בין קורס לקורס

צוות הוראה מהתעשייה עם ניסיון מעשי אמיתי
מודל לימודים היברידי - גמישות מלאה בין כיתה ואונליין
גישה חופשית לכל חומרי הלימוד מכל מקום ובכל זמן
סביבת לימודים מתקדמת וכלים עדכניים
תכנית לימודים מקיפה ומובנית לפי דרישות השוק
הקלטות שיעורים לחזרה, חיזוק וסגירת פערים
הכנה מקצועית ואישית לראיונות עבודה
שיעורים פרטיים אחד על אחד ללא עלות

למה כדאי ללמוד פיתוח אפליקציות AI ?

להבין כיצד מודלי LLM עובדים
תלמדו את העקרונות ההנדסיים של Large Language Models, כולל Tokens, Context Windows, Transformers, Attention, Inference, Temperature ו-Sampling.
לפתח אפליקציות AI מבוססות LLM
תלמדו כיצד לשלב מודלי שפה בתוך מערכות תוכנה ולבנות יישומים עבור Chat, Extraction, Classification, Summarization ו-Data Transformation.
לעבוד עם LLM APIs ומודלים שונים
תרכשו ניסיון בחיבור למודלי AI באמצעות APIs, עבודה עם Streaming, בחירת מודלים ושילוב מודלים מספקים שונים וממודלים בקוד פתוח.
להתמקצע ב-Prompt Engineering ו-Context Engineering
תלמדו לתכנן Prompts, לנהל Context בצורה דינמית, לבצע Context Compression ו-Grounding ולבנות אפליקציות שמספקות למודל את המידע הנכון לביצוע המשימה.
לשלוט בפלטים של מודלי AI
תלמדו לעבוד עם Structured Outputs, JSON, Schemas ו-Pydantic וליישם Function Calling כחלק מאפליקציות AI.
לפתח יישומי AI אמינים יותר
תלמדו טכניקות לניהול נכון של Context, Grounding ושליטה בפלטים במטרה לצמצם Hallucinations ולשפר את אמינות המערכת.
לצבור ניסיון מעשי בפיתוח מערכת LLM
במסגרת פרויקט AI Document Intelligence תשלבו מודל LLM במערכת תוכנה, תעבדו עם מידע ותפיקו תוצאות מובנות ומאומתות.

מה לומדים בקורס LLM Engineering?

במהלך הקורס הסטודנטים רוכשים ידע תיאורטי ומעשי בתחום, החל מעקרונות היסוד ועד לעבודה עם כלים וטכנולוגיות מתקדמות. הלימודים משלבים תרגול מעשי, התנסות Hands-On ועבודה על תרחישים מהעולם האמיתי, במטרה לפתח את המיומנויות הנדרשות להשתלבות מקצועית בתעשייה.

למי מיועד הקורס?

הקורס מיועד למפתחים ומהנדסים המעוניינים להתמקצע בפיתוח אפליקציות AI המבוססות על מודלי שפה גדולים (LLMs) ולשלב מודלי AI כחלק ממערכות תוכנה.

Software Engineers
Python Developers
Backend Developers
AI Developers
ML Engineers
Full Stack Developers

תנאי קבלה

ידע בסיסי בתכנות ובפיתוח תוכנה
היכרות עם Python, APIs, JSON ו-Git ברמת התכנים הנלמדים בקורס AI Engineering & Python Foundations

מיומנויות וטכניקות

LLM Engineering
Prompt Engineering
Context Engineering
LLM API Integration
Model Selection
Streaming Responses
Structured Outputs
JSON & Schema Validation
Pydantic
Function Calling
Grounding
Context Management & Compression
Hallucination Reduction
AI Application Development

מבנה הקורס

פרק 1

LLM Fundamentals

Large Language Models, Tokens, Context Windows, Transformers, Attention, Inference, Temperature, Sampling ו-Model Limitations.

פרק 2

LLM APIs

עבודה עם Model APIs, API Integration, Streaming, Model Selection ומודלים בקוד פתוח.

פרק 3

Prompt Engineering

System Instructions, User Prompts, Few-Shot Prompting, Prompt Templates ו-Structured Prompts.

פרק 4

Context Engineering

Context Management, Context Prioritization, Dynamic Context, Context Compression, Grounding ו-Prompt Injection.

פרק 5

Structured Outputs & Function Calling

עבודה עם JSON, Schemas, Pydantic ו-Function Calling Fundamentals.

פרק 6

AI Application Patterns

פיתוח יישומים עבור Chat, Extraction, Classification, Summarization, Generation ו-Transformation.

פרק 7

פרויקט מעשי – AI Document Intelligence

שילוב LLM במערכת שנבנתה בשלב הראשון, עיבוד מידע באמצעות מודל שפה והחזרת מידע מובנה ומאומת.

על המרצה

אלכס שויחיט

ראש תחום Machine Learning

לאלכס יש תואר ראשון בתחום מערכות מידע (BSC), תואר שני בהנדסת חשמל ואלקטרוניקה.
אלכס הוא במקצועו מהנדס RT \ Machine Learning. מומחה בתחום ה - AI, עם מעל ל -13 שנות ניסיון בפיתוח, ניהול והעברת פרויקטים מפיתוח לייצור במגוון תחומים כגון, Linux Embedded.
לאלכס יש ניסיון עם עבודה בשילוב Machine learning ו- Deep Learning בתחום ה- Computer Vision ו- Data Analysis.

תשובות לשאלות נפוצות

מה לומדים בקורס LLM Engineering?

בקורס לומדים LLM Fundamentals, עבודה עם LLM APIs, Prompt Engineering, Context Engineering, Structured Outputs, Function Calling ופיתוח אפליקציות AI המבוססות על מודלי שפה.