סטודנטים, בוגרים, לימודי חוץ ומרכזי קריירה
המכון הישראלי לבינה מלאכותיתמסלול מקצועי לקמפוסים, מרכזי קריירה וארגונים · 60 שעות אקדמיות
מיישם פתרונות GenAI, סוכני AI ו-RAG
מסלול טכני-יישומי שמכשיר משתתפים לעבור משימוש בכלי AI לבניית פתרון עובד: Python ו-API, פלטים מובנים, מערכות ידע, סוכנים, אוטומציה והערכת איכות.
מענה בדרך כלל בתוך יום עסקים · המעטפת מותאמת למוסד, לקהל ולתקציבאין חובת תכנות קודם; מומלץ אבחון ומכינת Python לפי הצורך
ארבעה פרויקטים, תיעוד, Evals ו-Demo לתיק עבודות
פרונטלי, מקוון או משולב, 15 מפגשים בני 4 שעות אקדמיות
איזה פער המסלול סוגר?
לא רק להשתמש ב-AI — לחבר, לבנות, לבדוק ולמסור פתרון
ארגונים זקוקים לאנשים שיודעים להפוך יכולת של מודל לתהליך עובד: לקרוא ל-API, לחבר מידע מאושר, להפעיל כלים תחת גבולות, למדוד איכות ולתעד החלטות. המסלול נבנה כגשר בין שימוש בכלי צ'אט לבין יישום טכני ברמת כניסה.
בוגר שעמד בדרישות מסיים עם ארבע ראיות יכולת: מחלץ מידע, עוזר RAG, Workflow סוכני ו-Capstone. הוא אינו מוצג כ-ML Engineer או Data Scientist, אלא כמיישם מתחיל שמסוגל לבנות אב-טיפוס מקצועי ולעבוד עם צוותי מוצר, תוכנה, מידע ואבטחה.
קבלו ערכת קורס והצעה מוסדית
סילבוס, תוצרי למידה, מודל הפעלה, רובריקה, לוח זמנים ורכיבי תקציב.
לתכנון מחזור עם המוסדהכשירו צוות סביב מקרי שימוש אמיתיים
התאמת ה-Stack, המעבדות והפרויקטים למערכות ולמידע המאושרים בארגון.
לבדיקת התאמה לצוותהצטרפו לרשימת המתעניינים
אם ייפתח מחזור לקהל הפרטי, נעדכן בתאריכים, תנאי קבלה ושכר לימוד. אין כרגע הבטחת מחזור פתוח.
לעדכון על מחזור פתוחמה ההבדל בין המסלולים?
הבחירה אינה רק לפי מספר שעות, אלא לפי נקודת היציאה המבוקשת: שימוש אישי, הובלת פרויקט ארגוני או מסוגלות טכנית לתפקיד כניסה. לחצו על כל מסלול לפירוט המלא.
שגרירי AI ללא קוד
שימוש בכלים, מחקר, תוכן, מצגות ותוצר עסקי בסיסי. מתאים למי שרוצה לעבוד טוב יותר עם AI, לא לפתח מערכת.
לעמוד תכנית שגרירי AI לעמוד תכנית שגרירי AIפרויקט AI לתהליך עבודה
Discovery, Context ו-RAG ברמת אפיון, עוזר או סוכן, אוטומציה, Evals ו-Capstone קבוצתי. הדגש הוא אב-טיפוס והטמעה בארגון.
לעמוד הקורס בן 24 השעות לעמוד הקורס בן 24 השעותיישום פתרונות GenAI
Python, API, Tool Calling, RAG, סוכנים, Evals וארבעה פרויקטים מתועדים. מיועד לבניית בסיס מקצועי לתפקידי כניסה.
לעמוד המסלול המקצועי בן 60 השעות לעמוד המסלול המקצועי בן 60 השעותמה באמת לומדים לבנות?
כל מושג נלמד דרך קוד, פרויקט ובדיקות קבלה — לא כהגדרה תאורטית או כרשימת כלים.
מחברים מודל ליישום
API מאפשר לקוד לשלוח משימה למודל, לקבל JSON או פלט מובנה ולשלב את התוצאה בתהליך שאפשר לבדוק ולתעד.
בפרויקט: שירות שמחלץ נתונים ממסמך, מאמת את המבנה ומטפל בשגיאות ובעלות.עונים מתוך מקורות מאושרים
Retrieval-Augmented Generation מחבר את המודל למסמכים, מטא-דאטה והרשאות כדי להחזיר תשובה מבוססת עם אסמכתאות.
בפרויקט: עוזר ידע שמצטט מקור ומזהה מתי אין במאגר תשובה מספקת.מפעילים כלים תחת גבולות
סוכן AI מבצע רצף פעולות באמצעות כלים, מצב וזיכרון, עם Guardrails, רישום פעולות ונקודות אישור אנושי.
בפרויקט: Workflow רב-שלבי שעוצר לפני פעולה רגישה ומסלים חריגה לאדם.מוכיחים איכות לפני Demo
מערך הערכה שיטתי בוחן דיוק, Grounding, עקביות, עלות, זמן תגובה, אבטחה ומקרי קצה לאורך גרסאות.
בפרויקט: Golden set, רובריקה, Red Team, בדיקת רגרסיה ודוח החלטה.Stack מקצועי, עם התאמה למוסד ולמחזור
הבחירה הסופית בספקי המודלים, בסביבת הפיתוח ובשירותי האחזור נסגרת לפני פתיחת המחזור. המטרה היא ללמד עקרונות ויכולת מעבר בין כלים, לצד ניסיון מעשי בסביבה מוסכמת.
Python · VS Code או Notebook · Git ו-GitHub
כתיבת קוד קריא, ניהול גרסאות ותיעוד שאדם אחר מסוגל להפעיל.
HTTP · JSON · API · Structured Outputs · Tool Calling
קריאות אמינות, ניהול מפתחות, טיפול בשגיאות ומעקב אחר שימוש ועלות.
Chunking · Embeddings · Metadata · Retrieval · Citations
תכנון אחזור, הרשאות ו-Grounding — לא רק העלאת קובץ לצ'אט.
Tools · State · Memory · Guardrails · Human in the loop
תכנון זרימה, גבולות, תצפית, עצירה והתאוששות מכשל.
Golden set · Rubrics · Regression · Cost · Latency
המרת המושג “איכות” לבדיקות חוזרות ולראיות שאפשר להציג.
README · Architecture · Runbook · Cost · Demo
תיק שמסביר מה נבנה, כיצד מפעילים, מה המגבלות ומהו השלב הבא.
60 שעות, מתשתית טכנית ועד הגנת פרויקט
כל יחידה משלבת הסבר, הדגמה, מעבדה, בדיקה ותוצר. לצד שעות ההוראה נדרשות 25–30 שעות תרגול עצמי לאורך המסלול.
014 שעות
יסודות GenAI וארכיטקטורת פתרון
ממודל שפה למערכת: מגדירים בעיה, משתמש, נתונים, מדד הצלחה וגבולות אחריות.
- יכולות ומגבלות של LLM
- מחזור חיים של פתרון GenAI
- Use Case וארכיטקטורה
- פרטיות, אבטחה ושימוש אחראי
אפיון פתרון ראשון ובניית תרשים ארכיטקטורה ומדדי הצלחה.
מסמך אפיון ומפת מערכת
028 שעות
Python ועבודה עם API
רוכשים את בסיס הקוד הדרוש כדי לקרוא ל-API, לנהל קלט ופלט ולחבר מודל ליישום.
- Python מעשי, JSON ו-HTTP
- מפתחות וסודות
- קריאות API וטיפול בשגיאות
- עלות, קצב שימוש ו-Logging
בניית יישום קטן שמקבל קלט, מפעיל מודל ומחזיר פלט מובנה.
יישום API עובד ומתועד
034 שעות
Prompt ו-Context Engineering
מתכננים הוראות, הקשר, דוגמאות ופורמט כפונקציה הניתנת לבדיקה, ולא כאוסף טריקים.
- System instructions
- Few-shot ודוגמאות נגדיות
- Structured Outputs
- גרסאות, עקיבות וקריטריונים
שיפור משימה עסקית מול סט בדיקות קבוע ותיעוד השינויים.
תבנית Prompt וערכת בדיקות
048 שעות
יישומי API ו-Tool Calling
מחברים את המודל לכלים ולנתונים חיצוניים ובונים זרימה אמינה עם פלטים סכמתיים.
- Function ו-Tool Calling
- סכמות ואימות פלט
- שילוב שירותים חיצוניים
- אישור אנושי וטיפול בחריגים
מיני-פרויקט לחילוץ מידע מובנה ולביצוע פעולה מבוקרת.
מחלץ מידע מבוסס API
0510 שעות
RAG ומערכות ידע
בונים עוזר שעונה מתוך מקורות, מציג אסמכתאות ומכיר במידע חסר.
- Embeddings ואחזור
- Chunking ומטא-דאטה
- Vector store וסינון
- ציטוטים, Grounding והרשאות
בניית עוזר ידע על מאגר מסמכים מאושר ובדיקת תשובות מול המקור.
עוזר RAG עם מקורות
0610 שעות
סוכני AI ואוטומציה
מתכננים סוכן בעל כלים, מצב, גבולות, נקודות עצירה והסלמה לאדם.
- Agent loop ותכנון משימה
- Tools, state ו-memory
- Guardrails ו-Human in the loop
- אורקסטרציה, תצפית ותקלות
בניית Workflow סוכני רב-שלבי עם אישור אנושי ורישום פעולות.
סוכן משימתי מבוקר
078 שעות
Evals, Red Team וניטור
מגדירים איכות במספרים, בונים מערך הערכה ומאתרים כשלים לפני הצגה או פיילוט.
- Dataset ו-Golden set
- מדדים ורובריקה אנושית
- Prompt injection ותרחישי קצה
- רגרסיה, עלות ו-latency
הרצת Evals ו-Red Team על אחד הפרויקטים, ניתוח תוצאות ותכנית תיקון.
דוח הערכה ו-Risk Register
084 שעות
מאב-טיפוס לשירות מקצועי
אורזים פתרון כך שצוות, לקוח או מראיין יוכלו להבין, להפעיל ולבחון אותו.
- README ותיעוד ארכיטקטורה
- Deployment בסיסי וסביבות
- אומדן עלות ותחזוקה
- Demo, מסירה והצעת המשך
הכנת תיק מסירה מקצועי לפרויקט הגמר.
README, תיעוד ותכנית מסירה
094 שעות
Capstone והגנת פרויקט
מציגים פתרון מקצה לקצה, ראיות לאיכות, מגבלות והחלטות תכנון.
- Demo חי
- הצגת ארכיטקטורה
- תוצאות Evals
- למידה, מגבלות ו-Roadmap
הגנה בפני פאנל ומשוב מסכם לפי רובריקה משותפת.
פרויקט גמר ותיק עבודות
ארבעה פרויקטים שהם ראיות יכולת
לכל פרויקט יש תרחיש משתמש, משימת פיתוח, בדיקות קבלה ותיק מסירה. כך המוסד מעריך ביצוע, והמשתתף יודע להסביר בראיון מה בנה, מדוע וכיצד בדק.
- 01
מחלץ מידע מבוסס API
- התרחיש
- צוות מקבל מסמכים או פניות בפורמטים שונים וצריך להפוך אותם לנתונים עקביים.
- מה בונים
- שירות Python שקורא למודל, מחזיר Structured Output, מאמת סכימה ומטפל בכשל, Retry ועלות.
- בדיקות קבלה
- קלט חסר, פורמט שגוי, מסמך ארוך ותגובה שאינה עומדת בסכימה.
- מה מגישים
- Repository, README, דוגמאות קלט ופלט, בדיקות ו-Demo קצר.
- 02
עוזר RAG עם מקורות
- התרחיש
- משתמש צריך תשובה אמינה ממאגר נהלים, מאמרים או ידע מקצועי מאושר.
- מה בונים
- Pipeline לטעינה, Chunking, Metadata ואחזור; תשובה עם אסמכתאות והודאה במידע חסר.
- בדיקות קבלה
- Grounding, מקור שגוי, שאלה מחוץ למאגר, הרשאות וניסיון Prompt Injection.
- מה מגישים
- קוד, תרשים ארכיטקטורה, Golden set, דוח תוצאות ומסמך מגבלות.
- 03
Workflow סוכני מבוקר
- התרחיש
- משימה דורשת איסוף מידע, החלטה, הפעלת כלי והעברה לאישור לפני פעולה.
- מה בונים
- סוכן עם Tools, State, Guardrails, Human in the loop, Logs ותכנית עצירה.
- בדיקות קבלה
- כלי שאינו זמין, לולאה, פעולה רגישה, קלט עוין ומעבר מסודר לאדם.
- מה מגישים
- Repository, מפת זרימה, יומן פעולות, Evals ו-Demo של תרחיש תקין וכשל.
- 04
Capstone מקצה לקצה
- התרחיש
- בעיה אמיתית שנבחרת עם המוסד, הארגון או צוות המשתתפים.
- מה בונים
- פתרון משולב עם API, מידע, ממשק או Workflow, הערכה, סיכונים ואומדן עלות.
- בדיקות קבלה
- קריטריוני קבלה, Red Team, רגרסיה, Latency, עלות וגבולות שימוש.
- מה מגישים
- קוד, README, תרשים, דוח Evals, Risk Register, Roadmap והגנה מול פאנל.
הערכה אקדמית מוצעת
לא מודדים נוכחות בלבד
הרובריקה בוחנת תקינות, איכות מקורות, אבטחה, Evals, קוד, תיעוד, Demo ותרומה אישית. סף מעבר, נוכחות והגשה חוזרת נקבעים עם המוסד; מומלץ לחייב מעבר בפרויקט הגמר.
- 15%
- תרגילים ומעבדות
- 30%
- שלושה מיני-פרויקטים
- 15%
- דוח Evals ו-Red Team
- 40%
- Capstone, תיעוד והגנה
מה המוסד והמשתתפים צריכים להכין?
הפרטים הסופיים נסגרים עם הגוף המארח, אך זהו בסיס תפעולי מומלץ למחזור איכותי.
רקע וכניסה
אין חובה לניסיון קודם בתכנות. נדרשות אוריינות דיגיטלית, אנגלית טכנית ותרגול בין מפגשים. אבחון קצר קובע אם להוסיף מכינת Python.
קבוצה והנחיה
מומלץ לעבוד בקבוצה של עד 24 משתתפים. במעבדות ובפרויקטים גדולים ניתן להוסיף מתרגל או שעות Office Hours לפי היחס הנדרש.
מחשב וסביבה
כל משתתף נדרש למחשב אישי, דפדפן, סביבת Python ו-Git. חשבונות, רישיונות ותקציב API מוגדרים בנפרד לפני הפתיחה.
שעות ועבודה עצמית
60 שעות אקדמיות הן 15 מפגשים בני ארבע שעות אקדמיות; אורכה של שעה אקדמית נקבע לפי כללי המוסד. נדרשות עוד 25–30 שעות תרגול.
יחיד, צוות ומשוב
המיני-פרויקטים יכולים להיות אישיים; ה-Capstone יכול להתבצע בצוות קטן, עם מעקב אחר תרומה אישית, ביקורת קוד והגנה.
שפה והשלמות
הוראה בעברית עם מונחים, תיעוד וקוד באנגלית. אפשר להפעיל באנגלית או במתכונת משולבת ולבנות מנגנון השלמות עם המוסד.
מסוגלות בוגרים
מה בוגר המסלול יודע לעשות?
בוגר שעמד בדרישות יכול להשתלב בתפקידי כניסה ביישום פתרונות GenAI ואוטומציה, או לפתח אב-טיפוס במסגרת תפקיד קיים.
- לאפיין Use Case, משתמשים, מידע, סיכונים ומדדי הצלחה
- לבנות יישום שמפעיל מודל דרך API ומחזיר פלט מובנה
- להקים עוזר RAG מבוסס מקורות ולבדוק עקיבות
- לבנות Workflow סוכני עם כלים, Guardrails ואישור אנושי
- לתכנן ולהריץ Evals, Red Team ובדיקות רגרסיה
- לתעד ארכיטקטורה, עלויות ומגבלות ולהציג Demo מקצועי
תיק עבודות ונתיבי המשך
יכולת שאפשר להסביר ולהדגים
שמות התפקידים משתנים בין ארגונים, ואין במסלול התחייבות להשמה. הוא יכול לתמוך במועמדות לתפקידי Junior GenAI Solutions Implementer, AI Automation Specialist, Knowledge Assistant Builder, AI Project Assistant או Innovation Lab Implementer.
תיק העבודות בסיום כולל
- שלושה Repositories או פרויקטים מתועדים
- Capstone עם קוד ו-Demo
- README והוראות הפעלה
- תרשים ארכיטקטורה ו-Runbook
- דוח Evals ו-Risk Register
- אומדן עלות, מגבלות ו-Roadmap
אותו בסיס מקצועי, מעטפת שונה לכל קהל
למוסד או לארגון ההצעה מתומחרת למחזור, לפי מספר המשתתפים, פורמט, סגל, Stack, היקף Mentoring ומורכבות הפרויקטים. רישיונות, תקציב API, מכינה, Train the Trainer ורישוי תוכן מפורטים כרכיבים נפרדים.
מסלול מוסדי
60 שעות הוראה, מעבדות, חומרי הוראה, רובריקת הערכה, הנחיית Capstone ו-Demo Day.
- ערכת קורס מלאה ותוצרי למידה
- התאמה לתחום ולכללי המוסד
- תכנית הפעלה, סגל ולוח זמנים
Career Ready
המסלול המלא בתוספת מכינת Python, קליניקות תיק עבודות והכנה להצגת פרויקט.
- אבחון ומכינת השלמה
- Mentoring ו-Office Hours
- Demo Day ותיק עבודות מקצועי
Enterprise AI Academy
הכשרה טכנית סביב מערכות, מידע ומקרי שימוש של הארגון, עם פרויקטים שנבחנים לפיילוט.
- סביבת עבודה וכלים מאושרים
- מנטורינג לצוותי הפרויקט
- ועדת פרויקטים ומפת המשך
מעטפת למוסד
לא רק מרצה וסילבוס — ערכת הפעלה שלמה
המכון יכול לספק סילבוס מלא, תוצרי למידה, מצגות ומעבדות, רובריקת הערכה, מאגר פרויקטים, חומרי מרצה, מפגש התנעה ו-Demo Day. אפשר להתאים את מקרי השימוש למנהל עסקים, מערכות מידע, הנדסה, מדעי החברה, תקשורת, משאבי אנוש או הכשרה מקצועית; לשלב מרצים מן החוג ולהפעיל ועדת פרויקטים משותפת.
מסגרות מתאימות כוללות לימודי חוץ, מרכזי קריירה, תכניות העשרה, Practicum ומסלולי הסבה לבוגרים. בשיחת התכנון מגדירים יחד קהל, תנאי כניסה, שפה, Stack, סגל, לוח הפעלה, תקציב ורכיבי תמיכה.
הכרה אקדמית, נקודות זכות, תנאי קבלה ותעודה, ככל שיוצעו, נקבעים וניתנים רק בידי המוסד האקדמי המוסמך. המכון הוא גוף הכשרה מקצועי עצמאי; הוא אינו מוסד מוכר להשכלה גבוהה ואינו מעניק באופן עצמאי תואר, נקודות זכות או תעודה אקדמית רשמית מטעם המל״ג.
לקוחות ממליצים
לכל הלקוחות והעדויות ←ניסיון בהדרכת AI שמחובר לעבודה אמיתית
משובים מאושרים מלקוחות המכון הישראלי לבינה מלאכותית.
“תהליך ההדרכה חיבר חדשנות, יצירתיות ועבודה מותגית עם כלים מעשיים למחקר, יצירת תוכן ופרודוקטיביות — תוך שמירה על הקול והחשיבה האנושיים.”
“התוכן הועבר בבהירות ובעומק, עם דגש על מסוגלות, למידה עצמית ושימוש אחראי. המשתתפים יצאו מסדנת ה-AI עם כלים שאפשר להפעיל מיד בעבודה.”
שאלות נפוצות
לפני שבונים את המסלול
היקף, תנאי קבלה, Stack והערכה נסגרים עם המוסד המארח.
האם נדרש ידע מוקדם בתכנות?
אין חובה לניסיון קודם בפיתוח, אך נדרשות אוריינות דיגיטלית, אנגלית טכנית ונכונות לתרגול בין המפגשים. לפני הפתיחה מומלץ לקיים אבחון קצר ומכינת Python לפי הצורך.
האם הקורס כולל API?
כן. העבודה עם API היא רכיב מרכזי: קריאות למודל, JSON, פלט מובנה, Tool Calling, טיפול בשגיאות, הרשאות, עלויות ורישום פעולות.
האם לומדים סוכני AI ו-RAG?
כן. המשתתפים בונים גם עוזר RAG מבוסס מקורות וגם Workflow סוכני רב-שלבי עם כלים, גבולות, נקודת אישור אנושי וניטור.
איך מעריכים את הלמידה?
הערכה מומלצת: 15% תרגילים, 30% מיני-פרויקטים, 15% דוח Evals ו-Red Team, ו-40% פרויקט גמר, תיעוד והגנה. המוסד המארח יכול להתאים את הרובריקה לכלליו.
איזו מסוגלות מקצועית יש לבוגרים?
בוגר שעומד בדרישות יכול לאפיין ולבנות אב-טיפוס עובד לפתרון GenAI מבוסס API, RAG או סוכן, להעריך אותו, לתעד ולהציגו. זו תשתית לתפקידי כניסה ביישום פתרונות GenAI ואוטומציה, ואינה שקולה להכשרת ML Engineer, Data Scientist או מומחה אבטחת מערכות ייצור.
האם הקורס מעניק נקודות זכות או תעודה אקדמית?
הכרה אקדמית, נקודות זכות, תנאי קבלה ותעודה, ככל שיוצעו, נקבעים וניתנים בידי המוסד האקדמי המוסמך. IIAI הוא גוף הכשרה מקצועי עצמאי ואינו מעניק באופן עצמאי תואר או תעודה אקדמית מטעם המל״ג.
האם אפשר להירשם באופן פרטי?
העמוד מציג מסלול שמופעל בעיקר עם מוסדות וארגונים. אם ייפתח מחזור לקהל הפרטי, תאריכים, שכר לימוד ותנאי קבלה יפורסמו במפורש. אפשר להצטרף לרשימת המתעניינים ללא התחייבות.
מה כולל המחיר ומה משפיע עליו?
למוסד או לארגון התמחור הוא למחזור ונקבע לפי מספר משתתפים, פורמט, סגל, Stack, מכינת Python, שעות ליווי ומורכבות הפרויקטים. רישיונות ותקציב API מוצגים בנפרד בהצעה כדי לשמור על שקיפות.
אילו מחשבים ורישיונות נדרשים?
נדרש מחשב אישי שמאפשר עבודה בדפדפן, Python ו-Git. לפני הפתיחה המוסד מקבל רשימת הכנות ובה סביבת העבודה, חשבונות, רישיונות ותקציב API מומלץ.
מי הבעלים של הקוד והפרויקטים?
הבעלות והשימוש בקוד, בנתונים ובפרויקטים נקבעים מראש עם המוסד או הארגון. אין להשתמש במידע חסוי או במידע אישי ללא אישור וסביבת עבודה מתאימה.
המכון הישראלי
לבינה מלאכותיתThe Israeli Institute for AIיש לכם אתגר ארגוני?בואו נהפוך אותו
לבינה מלאכותיתThe Israeli Institute for AIיש לכם אתגר ארגוני?