מפתח יישומי GenAI

כל מפתח יודע לקרוא ל-API של ChatGPT ולקבל תשובה. מעטים יודעים לבנות מוצר GenAI שעובד בפרודקשן עם RAG, Agents, Guardrails ו-Monitoring. ההבדל בין "משתמש בכלי" לבין "בונה כלים" שווה עשרות אלפי שקלים בשכר.

שעות לימוד
200
פורמט
בוקר / ערב
משך
5 חודשים
תעודה
BDO GenAI Application Developer

לקרוא ל-API של OpenAI ולקבל תשובה? כל מפתח ג'וניור יכול לעשות את זה ב-10 דקות. לבנות מוצר GenAI שעובד בפרודקשן, עם ארכיטקטורת RAG שנותנת תשובות מדויקות מתוך מסמכי הארגון, סוכנים אוטונומיים שמבצעים משימות מורכבות בלי לאבד שליטה, Guardrails שמונעים Hallucination ודליפת מידע, ו-Monitoring שמראה מה באמת קורה בפרודקשן? זה כבר סיפור אחר לגמרי. הבעיה עם רוב קורסי ה-AI בשוק היא שהם מלמדים "להשתמש בכלי". לפתוח API, לשלוח Prompt, לקבל תשובה. זה כמו ללמד מישהו להדליק מנוע ולקרוא לזה "קורס נהיגה". המסלול הזה מלמד לבנות כלים. 200 שעות של הנדסת GenAI מעשית שמכסות את כל מחזור החיים: LLM APIs מכל הספקים, Prompt Engineering ברמת ארכיטקטורה, RAG Architecture מלאה ב-28 שעות, Agents עם Tools, Memory ו-Orchestration, שכבת Backend עם FastAPI, Evaluation ו-Testing, אבטחה מקצה לקצה, ו-Deployment עם Docker ו-CI/CD בענן. הפרופיל של GenAI Developer הוא אחד המבוקשים ביותר בהייטק הישראלי ב-2026. חברות כמו AI21 Labs, Gong, Wiz, Monday.com ו-Microsoft מחפשות מפתחים שיודעים לבנות מערכות GenAI אמיתיות, לא מישהו ש"עשה קורס ChatGPT". הפער בשכר בין מפתח רגיל למפתח GenAI הוא 30-50%. נדרש רקע בפיתוח. Python מועדף מאוד. Git ו-APIs חובה. זה לא מסלול למתחילים. זה מסלול למפתחים שרוצים לעבור לשורה הראשונה של ה-AI.

יסודות הנדסת GenAI

הנוף הטכנולוגי של GenAI: ארכיטקטורות, מודלים, Trade-offs

להבין את הנוף הטכנולוגי של GenAI ולבחור ארכיטקטורות נכונות

  • ארכיטקטורת Transformers
  • מודלים מרכזיים: GPT, Claude, Gemini
  • Tokenization, Context Windows
  • בחירת מודלים ו-Trade-offs

Python ל-GenAI

Python לפיתוח אפליקציות AI: Async, APIs, Data Processing

לכתוב Python ברמה שמתאימה לפיתוח GenAI

  • Python מתקדם: Async, Generators
  • עבודה עם JSON, APIs
  • Pandas לעיבוד נתונים
  • Virtual Environments ו-Packaging

עבודה עם LLM APIs

שליטה מלאה ב-APIs של OpenAI, Anthropic ו-Google

לעבוד עם LLM APIs בצורה מקצועית: Streaming, Functions, Cost

  • OpenAI API: Chat, Vision, Functions
  • Anthropic Claude API
  • Google Gemini API
  • Streaming, Token Management, עלויות

Prompt Engineering למפתחים

Prompt Engineering ברמת מפתח: System Prompts, Templates, Chains

לתכנן Prompt Architectures למוצרי GenAI

  • System Prompts מתקדמים
  • Prompt Templates ו-Variables
  • Chain-of-Thought, Few-Shot
  • Prompt Testing ו-Version Control

RAG Architecture ומערכות Retrieval

Retrieval-Augmented Generation: ארכיטקטורה שמחברת LLMs לנתונים

לבנות מערכת RAG מלאה: Embedding, Vector DB, Retrieval ו-Generation

  • Embeddings & Vector Databases
  • Chunking Strategies
  • Retrieval Optimization
  • Hybrid Search & Re-ranking

Agents, Tools, Memory, Orchestration

סוכני AI אוטונומיים, הפרונטיר של GenAI

לבנות Agentic Flows עם Tools, Memory ו-Orchestration

  • Agent Design Patterns
  • LangChain / LangGraph
  • Tool Use ו-Function Calling
  • Memory ו-Conversation State

שכבת Backend ותכנון שירותים

FastAPI, Service Design ו-API Layer לאפליקציות GenAI

לבנות Backend מקצועי לאפליקציית GenAI

  • FastAPI ו-Streaming
  • Service Design Patterns
  • API Layer ו-Authentication
  • Error Handling ו-Retry Logic

Evaluation, Testing, Hallucination, Observability

איך בודקים שאפליקציית GenAI באמת עובדת: מדידה, בדיקות ומעקב

לבנות Evaluation Harness ולמדוד איכות של אפליקציית GenAI

  • Evaluation Frameworks
  • Hallucination Detection
  • Testing Strategies
  • Observability ו-Logging

אבטחה ותכנון GenAI בטוח

אבטחת מידע, Prompt Injection, Guardrails ו-Safety

לבנות אפליקציות GenAI עם שכבת אבטחה מובנית

  • Prompt Injection ו-Jailbreaking
  • Guardrails ו-Content Filtering
  • Data Privacy
  • Security Best Practices

Deployment, Monitoring ותפעול

מ-Prototype ל-Production: Docker, Cloud, Monitoring

לפרוס אפליקציית GenAI בענן עם Monitoring ו-CI/CD

  • Docker ו-Containerization
  • Cloud Deployment: AWS/GCP
  • Monitoring ו-Alerting
  • Cost Management

פרויקט גמר - Capstone

בניית מוצר GenAI מלא, מ-Ideation ועד Demo עובד

להציג מוצר GenAI עובד בפורטפוליו

  • Product Definition
  • Architecture ו-Development
  • Evaluation ו-Security
  • Demo ו-Presentation

כלים וטכנולוגיות

  • Python
  • FastAPI
  • Git
  • Docker
  • LangChain
  • LangGraph
  • Vector Databases
  • OpenAI API
  • Anthropic API
  • LangSmith

שאלות נפוצות

צריך רקע בפיתוח?

כן. נדרש ניסיון בפיתוח, הבנת APIs ו-Git. Python מועדף מאוד.

מה ההבדל בין GenAI Dev ל-AI/ML Engineer?

GenAI Dev מתמקד בבניית אפליקציות מבוססות LLMs: RAG, Agents, Evaluation. AI/ML Engineer מתמקד במודלים סטטיסטיים, Deep Learning ו-MLOps.

יש השמה?

כן. Nona Jobs מלווה את הבוגרים ומתאימה למשרות GenAI.

אינדקס המדריכים המלא · כל הקורסים · הבלוג