רגע! לפני שהולכים... 👋
אל תפספסו! מסלולי לימוד נפתחים בקרוב - מקומות מוגבלים
| מסלול Machine Learning | 06/10 |
| מסלול Cyber | 08/10 |
| מסלול Computer Vision | 08/10 |
| מסלול RT Embedded Linux | 04/11 |
✓ ייעוץ אישי ללא התחייבות | תשובה תוך 24 שעות
מסלול AI Engineer מיועד למפתחי תוכנה ומהנדסים המעוניינים להוביל את חזית הטכנולוגיה ולהתמקצע בפיתוח מערכות AI מתקדמות.
המסלול מקנה ידע וכלים לתכנון, פיתוח, הערכה (Evaluation), אבטחה ופריסה (Deployment) של אפליקציות AI מודרניות המבוססות על מודלי שפה גדולים (LLMs), מערכות RAG, סוכני AI (AI Agents), פרוטוקול MCP וטכנולוגיות ענן.
התוכנית משלבת בין עקרונות הנדסת תוכנה קלאסיים לבין פיתוח AI מתקדם, ומלווה את הסטודנטים מהיסודות ועד לבניית מערכות AI מוכנות ל-Production.
אל תסתפקו רק בשימוש בכלי AI — למדו לבנות את המערכות שמאחוריהם.
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 | |
|---|---|---|
| לינוקס | Linux Admin | למידע נוסף סגור | 50 שעות |
|
בקורס תלמדו לתפעל ולנהל מערכות Linux באופן מעשי, כולל התקנה וקונפיגורציה, עבודה בשורת הפקודה, ניהול קבצים, משתמשים והרשאות, תהליכים, שירותים ותקשורת. הקורס מעניק בסיס חיוני לעבודה בסביבות פיתוח, ענן, DevOps ומערכות AI.
| ||
| 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 לפיתוח Backend, אוטומציה, עיבוד נתונים ומערכות 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.
| ||
| DB וקטורי | 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 |
|
הקורס מקנה שליטה מעשית בניהול גרסאות קוד באמצעות Git. נלמד לעבוד עם Repositories, Commits, Branches, Merge, Rebase, Pull Requests ומאגרים מרוחקים. בנוסף, נתרגל עבודה משותפת בצוות, מעקב אחר שינויים, פתרון התנגשויות ושחזור גרסאות קוד.
| ||
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.
המסלול מקנה את הידע והכלים הנדרשים לפיתוח מערכות AI מודרניות, החל מ-Python ו-AI Engineering ועד לעבודה עם LLMs, מערכות RAG, סוכני AI, MCP, פיתוח Backend, אבטחה, Evaluation, LLMOps ופריסה לענן.
נדרש בסיס קודם בתכנות. המסלול כולל לימודי Python ובניית התשתית ההנדסית הנדרשת לקראת המשך העבודה עם מערכות AI מתקדמות.
כן. המסלול מתאים במיוחד למפתחי תוכנה ומהנדסים המעוניינים להרחיב את הידע והיכולות שלהם לעולם ה-AI Engineering.
כן. המסלול כולל עבודה הנדסית עם מודלי שפה גדולים (LLMs), חיבור באמצעות APIs, בחירת מודלים, Prompt Engineering, Context Engineering, Structured Outputs ו-Function Calling.
כן. המסלול כולל בניית מערכות RAG, עבודה עם Embeddings, בסיסי נתונים וקטוריים, Semantic Search, Chunking, Retrieval, Reranking וחיבור מודלי AI למידע ארגוני ומסמכים.
כן. המסלול כולל בניית AI Agents, שימוש ב-Tool Calling, ניהול State ו-Memory, עבודה עם LangGraph, פרוטוקול MCP ובניית Multi-Agent Systems.
AI Engineering Demo Day הוא שלב הסיום של המסלול, שבו הסטודנטים מציגים את פרויקט הגמר שלהם, כולל הבעיה, הפתרון, הארכיטקטורה, Live Demo, Evaluation, Security, Cost ו-Scalability.
כן. לאורך המסלול הסטודנטים מפתחים פרויקטים מעשיים בתחומי LLM, RAG, AI Agents, Backend ו-Production, כאשר היכולות שנלמדות משתלבות בהדרגה למערכות AI מתקדמות.
כן. המסלול עוסק ב-Evaluation, אבטחת מערכות AI, Red Teaming, LLMOps, Observability, ניטור ביצועים ועלויות ואופטימיזציה של מערכות AI בסביבת Production.
