הרצאות אורח- סדנה בנושא מיוחד במדעי המחשב
קורס 20975 · 3 נ״ז
פרטי הקורס מקטלוג האוניברסיטה הפתוחה, עודכנו ב-7.11.2026.
טוען את דף הקורס…
קורס 20975 · 3 נ״ז
פרטי הקורס מקטלוג האוניברסיטה הפתוחה, עודכנו ב-7.11.2026.
האוניברסיטה עוד לא פרסמה מועדי בחינות לקורס הזה. נעדכן כאן ברגע שיתפרסמו.
לפי לוח הבחינות של האוניברסיטה הפתוחה; ייתכנו שינויים, והמועד שלכם מופיע בהזמנה לבחינה. כל מועדי הבחינות
טוען…
הסדנה תועבר בסמסטר 2026ב לאורך 7 מפגשים, אחת לשבועיים. כל מפגש יכלול שעתיים של הרצאה עיונית בנושאי הקורס, ולאחריהן שעה נוספת שתוקדש לחניכה אישית של קבוצות הסטודנטים בהצעת הפרויקט - החל משלב זיהוי הבעיה ועד לתכנון ראשוני של הסוכן האוטונומי.
במסגרת הקורס, הסטודנטים יחולקו לזוגות, וכל זוג יפתח באופן עצמאי סוכן AI אוטונומי. לצורך כך, לכל קבוצה יוקצה תקציב צנוע (כ-20 דולר), שישמש עבור גישה לכלי הבינה המלאכותית של OpenAI API, כולל מודלים מתקדמים ליצירת טקסט.
הרצאה 1: מבוא לבינה מלאכותית גנרטיבית
הרצאה 2 : כוונון עדין (Fine-Tuning) של מודלי שפה גדולים וRAG
הרצאה 3: מבוא לסוכני בינה מלאכותית (AI Agents)
הרצאה 4: בניית סוכן בינה מלאכותית אוטונומי (חלק 1)
הרצאה 5: בניית סוכן בינה מלאכותית אוטונומי (חלק 2)
הרצאה 6: מגמות חדשות בסוכני בינה גנרטיבית ויישום פרויקטים קיימים
הרצאה 7: יום הדגמות - הצגת פרויקטים
מצילומי מסך של עמוד "התפלגות הציונים" בשאילתא, שסטודנטים שולחים כאן או בקבוצה (איך).
לקורס הזה עדיין אין קבוצה בקהילה. רוצים שנפתח? כתבו לנו באחת הקבוצות.
לפי תכנון האוניברסיטה; שינויים אפשריים.
בסמסטר זה הידע הקודם הדרוש ללימוד הסדנה הוא: כל קורסי החובה בתוכניות מדעי המחשב, שפות תכנות (20905), מבוא ללמידה חישובית (20942). ידע קודם מומלץ: למידה עמוקה (22961).
שיוך נוסף: הנדסה / הנדסת תוכנה
תנאי קבלה: 36 נ"ז במדעי המחשב וכן פטור מקורסי שפה באנגלית ועמידה בדרישות ההדרכה הביבליוגרפית בספרייה. יתכנו תנאי קבלה נוספים, בהתאם לנושא הקורס. ההרשמה לקורס מותנית באישור בכתב מהאחראי האקדמי.
הרצאות אורח - מערכות סוכני בינה מלאכותית
בסמסטר 2026ב נושא הסדנה יהיה מערכות סוכני בינה מלאכותית (Agentic AI Systems)
מרצה: עידן האן
הקורס עוסק בפיתוח סוכני בינה מלאכותית אוטונומיים, תוך שילוב של מודלים גנרטיביים מתקדמים (כגון GPT, DALL·E, Whisper) עם כלים כמו LangChain, RAG ו־OpenAI API. במהלך הסדנה ייחשפו הסטודנטיות והסטודנטים להבדלים בין מודלים בסיסיים למודלים מכווננים, ילמדו עקרונות תכנון של מערכות מבוססות סוכנים יחידים ומרובים, ויפתחו סוכנים אינטראקטיביים היודעים לפעול באופן עצמאי. הקורס כולל מקרי בוחן עדכניים (למשל Lilli ו־Harvey), יישום של פרומפטים מתקדמים, עבודה עם Embeddings, ויצירת ממשקי פעולה מול מערכות חיצוניות.
תוצאות למידה:
בסיום הסדנה, הסטודנטיות והסטודנטים יהיו מסוגלים:
להסביר את היסודות של בינה גנרטיבית ומודלים בסיסיים כגון GPT, BERT ו-DALL·E.
ליישם טכניקות כמו Fine-Tuning ו־RAG לצורך שיפור ביצועים והפחתת הזיות.
לפתח סוכני בינה אוטונומיים מבוססי LangChain ו־OpenAI API .
ליישם טכניקות של N-shot learning והנדסת פרומפטים (Prompt Engineering) להתאמת מודלים למשימות ספציפיות.
להציג פרויקט מסכם המדגים יישום של סוכן בינה לפתרון בעיה מהעולם האמיתי.
Syllabus:
The course focuses on the design and implementation of autonomous AI agents that leverage advanced generative models (e.g., GPT, DALL·E, Whisper) along with tools such as LangChain, RAG, and the OpenAI API. Students will explore the differences between foundation and fine-tuned models, and learn how to build monolithic and multi-agent AI systems capable of independent reasoning and action. Through real-world case studies (such as Lilli and Harvey), participants will apply cutting-edge prompting techniques, embeddings, and tool integrations to build interactive agents.
Learning Outcomes:
At the end of the course, students will be able to:
Explain the fundamentals of generative AI and key models such as GPT, BERT, and DALL-E.
Utilize fine-tuning and RAG to improve accuracy and reduce hallucinations.
Develop autonomous AI agents using LangChain and OpenAI APIs
Apply N-shot learning and prompt engineering techniques to adapt models to specific tasks.
Present a final project demonstrating the practical application of an AI agent solving a real-world problem.