קורס RAG ו-Embeddings

על הקורס

קורס RAG ו-Embeddings – בניית מערכות AI וניהול ידע מתמקד בחיבור מודלי שפה גדולים (LLMs) למידע ארגוני, מסמכים פרטיים ומאגרי ידע באמצעות Retrieval-Augmented Generation (RAG). במהלך הקורס תלמדו כיצד להפוך מסמכים ומידע ל-Embeddings, לאחסן ולחפש מידע באמצעות Vector Databases ולבנות תהליכי Retrieval המאפשרים למודלי AI לקבל מידע רלוונטי ומדויק בזמן יצירת התשובה. הקורס עוסק בתכנון ובנייה של מערכות RAG מקצה לקצה, כולל Document Processing, Chunking, Semantic Search, Retrieval, Reranking, Hybrid Search וטכניקות Advanced RAG לשיפור איכות התוצאות. במסגרת הפרויקט המעשי תפתחו Enterprise Knowledge Assistant – מערכת RAG מלאה המחוברת למאגר מסמכים ומספקת תשובות המבוססות על המידע הארגוני, כולל מקורות וציטוטים. קורס RAG ו-Embeddings הינו חלק מתוך מסלול AI Engineer המקיף של מכללת Real Time, המיועד להכשרת מפתחי בינה מלאכותית מקצה לקצה.

מועדי פתיחת קורס RAG

קורס ערב

18:00 - 22:00

32 ש"א (7 מפגשים)

28/03/2027

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 RAG ?

לחבר מודלי AI למידע ארגוני
תלמדו כיצד לאפשר ל-LLMs לעבוד עם מסמכים, מידע פרטי ומאגרי ידע שאינם חלק מהידע המקורי של המודל.
לבנות מערכות RAG מקצה לקצה
תלמדו לתכנן Pipeline מלא הכולל עיבוד מסמכים, Embeddings, אחסון וקטורי, Retrieval ויצירת תשובות.
לעבוד עם Embeddings ו-Vector Databases
תרכשו ניסיון ביצירת Embeddings, Vector Search, Similarity Search ועבודה עם PostgreSQL ו-pgvector.
לשפר את איכות תוצאות ה-AI
תלמדו Chunking Strategies, Reranking, Hybrid Search, Query Expansion וטכניקות Retrieval מתקדמות.
לבנות מערכות AI אמינות יותר
תלמדו לבצע Grounding של תשובות במקורות מידע ולהפחית Hallucinations באמצעות Retrieval נכון וציטוט מקורות.
לצבור ניסיון בפרויקט RAG מעשי
תבנו Enterprise Knowledge Assistant המחבר מודל AI למאגר מסמכים ומאפשר חיפוש ושאלת שאלות על המידע הארגוני.

מה לומדים בקורס RAG ו-Embeddings?

Embeddings ו-Embedding Models
Vector Similarity ו-Semantic Search
Vector Databases
PostgreSQL ו-pgvector
Document Processing ו-Document Loaders
Text Extraction ו-Chunking Strategies
Metadata Management
RAG Architecture
Retrieval Pipelines
Querying ו-Reranking
Hybrid Search
Query Expansion
Multi-Query Retrieval
Contextual Retrieval
RAG Evaluation
Hallucination Analysis

למי מיועד הקורס?

הקורס מיועד למפתחים ומהנדסים המעוניינים ללמוד כיצד לבנות מערכות AI המחוברות למידע ארגוני ולמאגרי ידע באמצעות RAG ו-Embeddings.

Software Engineers
Backend Developers
Python Developers
AI Developers
Data Engineers
ML Engineers
AI Engineers

תנאי קבלה

ידע בסיסי בתכנות וב-Python
היכרות עם APIs, JSON ועקרונות פיתוח תוכנה
היכרות בסיסית עם LLMs ופיתוח אפליקציות AI

מיומנויות וטכניקות

▶

מבנה הקורס

▶

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 RAG ו-Embeddings?

לומדים כיצד לבנות מערכות RAG המחברות מודלי LLM למידע ארגוני, כולל Embeddings, Vector Databases, Document Processing, Semantic Search, Retrieval, Reranking וטכניקות Advanced RAG.

מה ההבדל בין RAG לשימוש רגיל ב-LLM?

מערכת RAG מאפשרת למודל השפה לקבל בזמן השאילתה מידע רלוונטי ממסמכים וממאגרי ידע חיצוניים, ולהשתמש בו לצורך יצירת תשובה מבוססת ומדויקת יותר.

האם יש פרויקט מעשי בקורס?

כן. במהלך הקורס תבנו Enterprise Knowledge Assistant – מערכת RAG מלאה המחוברת למאגר מסמכים ומספקת תשובות המבוססות על המידע שנשלף, כולל מקורות וציטוטים.