קורס Cloud AI

על הקורס

קורס Cloud AI – פריסת מערכות AI בענן ופרויקט גמר הוא השלב השביעי והמסכם במסלול AI Engineer, ובו מחברים את היכולות שנרכשו לאורך המסלול למערכת AI מלאה.

במהלך הקורס תלמדו כיצד לארוז, לפרוס ולנהל מערכות AI באמצעות Docker, CI/CD ושירותי Cloud, ולבנות ארכיטקטורה המתאימה להפעלת מערכות AI בסביבת Production.

הקורס כולל עבודה עם Docker ו-Docker Compose, בניית תהליכי CI/CD באמצעות GitHub Actions, עבודה עם AWS ותכנון Cloud AI Architecture הכוללת Compute, Storage, Networking, Databases, IAM, Secrets ו-Container Deployment.

בנוסף, תלמדו לתכנן Production Architecture תוך התייחסות ל-Scalability, Reliability, Availability, Caching, Queues, Rate Limiting, Model Routing, Failure Recovery ו-Cost Control.

במסגרת פרויקט הגמר Production AI Product, כל סטודנט או צוות יבחר Use Case אמיתי ויבנה מערכת AI מלאה המשלבת את הידע והטכנולוגיות שנלמדו לאורך המסלול.

להמשך קריאה

מועדי פתיחת קורס Cloud AI

קורס ערב

18:00 - 22:00

28 ש"א (6 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 Cloud AI ?

ללמוד כיצד להעביר מערכת AI לענן
תלמדו כיצד לארוז, לפרוס ולנהל מערכות AI בסביבת Cloud ולהכין אותן לעבודה בתנאי Production.
לעבוד עם Docker ו-Containers
תלמדו Containers, Images, Dockerfiles, Docker Compose וניהול סביבות עבור אפליקציות AI.
לבנות תהליכי CI/CD
תרכשו ניסיון עם GitHub Actions, Automated Testing, Build Pipelines, Docker Builds, Deployment Pipelines ו-Release Management.
להכיר ארכיטקטורת Cloud למערכות AI
תלמדו כיצד לשלב Compute, Storage, Networking, Databases, IAM, Secrets, Containers ו-Scalability.
לעבוד עם AWS
הקורס כולל Cloud Architecture, Compute, S3, RDS, IAM ו-Container Deployment בסביבת AWS.
לתכנן מערכות AI ל-Production
תלמדו להתמודד עם Scalability, Reliability, Availability, Caching, Queues, Rate Limiting, Failure Recovery ו-Cost Control.
לבנות פרויקט AI מלא לתיק העבודות
בפרויקט הגמר תשלבו AI, Backend, Database, Security, Evaluation ו-Cloud במערכת אחת שניתן להציג כחלק מתיק עבודות מקצועי.

מה לומדים בקורס Cloud AI?

Docker & Containers
Docker Images & Dockerfiles
Docker Compose
Environment Management
CI/CD
GitHub Actions
Automated Testing
Build & Deployment Pipelines
Release Management
Cloud AI Architecture
Compute, Storage & Networking
Databases
IAM & Secrets
AWS Cloud Architecture
Amazon S3 & RDS
Container Deployment
Production Architecture
Scalability & Reliability
Availability & Caching
Queues & Rate Limiting
Model Routing
Failure Recovery
Cost Control

למי מיועד הקורס?

הקורס מיועד לסטודנטים ומפתחים המעוניינים להשלים את המעבר מפיתוח מערכת AI לפריסה וניהול שלה בסביבת Production ו-Cloud.

AI Engineers
AI Developers
Software Engineers
Backend Developers
DevOps Engineers
Cloud Engineers

תנאי קבלה

ידע בתכנות וב-Python
היכרות עם פיתוח אפליקציות ומערכות AI
היכרות עם APIs, Databases ועקרונות Backend Development
היכרות בסיסית עם LLMs, RAG ו-AI Agents

מיומנויות וטכניקות

Cloud AI Engineering
Docker
Containerization
Docker Compose
CI/CD
GitHub Actions
Automated Testing
Build & Deployment Pipelines
Cloud Architecture
AWS
Compute & Storage
Networking & Databases
IAM & Secrets Management
Container Deployment
Production Architecture
Scalability & Reliability
Rate Limiting
Model Routing
Failure Recovery
Cost Control

מבנה הקורס

פרק 1

Docker

Containers, Images, Dockerfiles, Docker Compose ו-Environment Management.

פרק 2

CI/CD

GitHub Actions, Automated Testing, Build Pipelines, Docker Builds, Deployment Pipelines ו-Release Management.

פרק 3

Cloud AI Architecture

Compute, Storage, Networking, Databases, IAM, Secrets, Containers ו-Scalability.

פרק 4

AWS

Cloud Architecture, Compute, S3, RDS, IAM ו-Container Deployment.

פרק 5

Production Architecture

Scalability, Reliability, Availability, Caching, Queues, Rate Limiting, Model Routing, Failure Recovery ו-Cost Control.

פרק 6

פרויקט גמר – Production AI Product

בחירת Use Case אמיתי ובניית מערכת AI מלאה המשלבת LLM, RAG, Agent, Tool Calling ו-MCP לצד Python, API, Database, Git ו-Testing.

פרק 7

Production & Documentation

שילוב Docker, CI/CD, Cloud Deployment, Evaluation, Security ו-Observability, לצד Architecture Diagram, Technical Documentation, API Documentation, Evaluation Report, Security Analysis ו-Cost Analysis.

פרק 8

AI Engineering Demo Day

הצגת פרויקט הגמר הכוללת את הבעיה, הפתרון, הארכיטקטורה, Live Demo, Evaluation, Security, Cost ו-Scalability.

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.