ידע מקצועי בתחום AI
עולם ה-AI משתנה בקצב שבו לא מספיק "להכיר" את הכלים: צריך לדעת לשלב אותם בתהליכי עבודה אמיתיים, להבין את המגבלות ולהפיק ערך מדיד.
קורס LLM Agentic Development & Intelligent Applications for Developers
קורס LLM Agentic Development & Intelligent Applications for Developers בהיקף 40 שעות אקדמיות (5 מפגשים), מתחום AI ב-John Bryce, חטיבת ההדרכה של Matrix. הקורס מועבר על ידי מרצים מהתעשייה, במתכונת פרונטלית או אונליין, עם דגש על תרגול ויישום. בין הנושאים המרכזיים: The AI Landscape & Core LLM Mechanics · Prompting, Tool Calling & Agentic Foundations · Core RAG & Knowledge Integration · Multi-Agent Orchestration & Enterprise Protocols.
מרצים מהתעשייה 40 שעות אקדמיות · 5 מפגשים
אורך הקורס40 שעות אקדמיות
רמת קהללאנשי מקצוע בתחום
מתכונת לימודפרונטלי או אונליין
יתרון ייחודיThe AI Landscape & Core LLM Mechanics · Prompting, Tool Calling & Agentic Founda
בוגרינו עובדים בחברות המובילות
למה ללמוד AI?
LLM Agentic Development & Intelligent Applications for Developers הוא קורס מקצועי בתחום AI. המטרה: לתת ידע מסודר, כלים שעובדים בפועל ותרגול שמכין לעבודה אמיתית.
מחלקת ההשמה של ג'ון ברייס
* ליווי והכוונה בתהליך ההכנה לשוק העבודה. אין במידע זה התחייבות להשמה, לעבודה או לשכר.
סיפורי בוגרים
" הקורס המוצלח ביותר שעברתי בתחום ה-AI ב-3 שנים האחרונות. הפתרונות שהציגו המרצים ואופן הבנייה של הידע באמצעות מערך שיעור חכם נותן לכולם יכולת להתחבר ליכולות הגבוהות ביותר של ה-AI היום בלי לשרוף זמן על ניסוי וטעייה ותסכול מסרטוני יוטיוב. "
ציון גלבנדבוגר קורס כלי AI פרקטיים
AI
למי מתאים הקורס?
תנאי קבלה
Strong familiarity with Node.js or Python programming is assumed from Day 1. The course can be conducted using either language as it leverages libraries…
מסלול ההכשרה והסילבוס
תוכנית הלימודים בנויה מ-6 חלקים בהיקף כולל של 40 שעות אקדמיות. בכל חלק משלבים הסבר, דוגמאות ותרגול על כלים אמיתיים.
מה תלמדו בקורס
מה כולל הקורס
40 שעות אקדמיות
5 מפגשים, פרונטלי או אונליין.
סילבוס להורדה
תוכנית הלימודים המלאה נשלחת אליכם לאחר השארת פרטים.
תעודת סיום
תעודה מטעם John Bryce, חטיבת ההדרכה של Matrix, למי שעומד בדרישות הקורס.
סילבוס מפורט
תיאור המודול
Generative AI Landscape: Exploration of text-to-text, text-to-image, and multimodal models
נושאים נלמדים
An overview of the building blocks of modern LLMs - embeddings, Transformer architectureDeveloper AI Assistants Deep Dive: Detailed explanation of Anthropic's Claude, a comparison of different developer AI assistants (e.g., GitHub Copilot, Amazon Q, Gemini), how they…Foundational Agent Concepts: Differentiating between LLMs, agents, skills, rules, and the role of instructions/configuration files (e.g., agents.md)LLM Core Capabilities: Understanding reasoning, contextual awareness, pattern recognition, and creative generationUnderstanding LLM Boundaries: Hallucinations, knowledge cutoffs, resource demands, and context window limitsProprietary vs. Open-Source Models: Comparing commercial models (e.g., OpenAI, Anthropic) with open-weight alternatives (e.g., Llama, Mistral), evaluating costs, data privacy…Under the Hood: Auto-regressive architecture (next-word prediction), Tokenization fundamentals, and token-to-word cost ratios across different languages (English vs. Hebrew)Message Structures & Chat Flows: System, User, Assistant, and Tool messagesIntroduction to Advanced Patterns: High-level overview of Function Calling (Tools), Agentic flows, Embeddings, and RAG (Retrieval-Augmented Generation)
תיאור המודול
Advanced Prompt Engineering: Zero-shot, Few-shot, and Chain-of-Thought (CoT) prompting in code
נושאים נלמדים
Introduction to Agent Frameworks: Core concepts of LangChain and LangGraphWorking with LLM Memory: Managing conversation states and context windows programmaticallyStructured Output: Techniques for forcing LLMs to return reliable, parseable data structures (e.g., JSON schemas) for downstream code integrationMultimodal LLMs: Processing and integrating images, audio, and other modalities into agentic workflowsFunction Calling & Tool Integration: Wrapping internal APIs and JavaScript/Node.js functions as LLM toolsBuilding Multi-Tool Agents: Designing agents that dynamically select and execute tools based on user intentRapid UI Prototyping: Using frameworks like Streamlit to quickly build interactive web interfaces for LLM applicationsMore Topics for LLMs: Deep dive into structured outputs, multimodal LLMs, and their practical usages across different application flowsHands-on: Building multi-Tool Agents
תיאור המודול
Deep Dive into Embeddings: Text representation, vector mathematics, and Cosine Similarity
נושאים נלמדים
Vector Databases: Selection, indexing strategies, and integration (e.g., FAISS, Chroma, Pinecone)Data Ingestion & Chunking: Strategies for splitting unstructured data (PDFs, docs) effectivelyRetrieval Techniques: Keyword search vs. Vector search vs. Hybrid searchIntegrating Structured Data: Connecting LLMs to SQL/NoSQL databases for dynamic queryingHands-on: Building a functional RAG pipeline over a set of provided corporate documents and a mock database
תיאור המודול
Multi-Agent Architectures: Exploring different collaborative patterns, including Hierarchical, Sequential, and Joint/Networked agent teams
נושאים נלמדים
Advanced Agentic Flows with LangGraph: Building stateful applications, routing, and managing message passing and shared state across multiple agentsThe Model Context Protocol (MCP): Introduction to MCP for standardizing tool and data integration across different models and enterprise environmentsHands-on: Orchestrating "Supervisor" and "Worker" agents for complex task delegation and execution
תיאור המודול
Custom Agentic Workflows: Designing specific, tailored agentic loops that go beyond standard ReAct patterns to solve complex business logic
נושאים נלמדים
Mastering LangGraph State: Advanced state management, defining custom schemas, and handling shared memory across complex execution pathsCustom Graph Architectures: Building cyclical graphs, implementing dynamic conditional routing, and managing parallel node executionHuman-in-the-Loop (HITL) Workflows: Pausing agent execution for human approval before executing sensitive API calls (e.g., using LangGraph breakpoints)
תיאור המודול
נושאים נלמדים
LLM Frameworks and Tools: LangChain, LangGraph, LangSmithModel Context Protocol (MCP)LLM Models (Proprietary): OpenAI (GPT family), Anthropic (Claude), Google (Gemini).LLM Developer Platforms/Playgrounds: Google AI Studio, OpenAI Platform (including API & Playground)LLM Models (Open-Weight): Meta (Llama 2/3), Mistral AI (Mistral 7B/Mixtral), DeepSeek.Vector Databases & RAG: Pinecone, Chroma, FAISS, Milvus, Qdrant, Elasticsearch, MongoDB (Atlas Vector Search), PostgreSQL (pgvector), Azure AI Search.Open-Source Deployment: vLLM, Ollama, Hugging Face TGI (Text Generation Inference).Developer Assistants & IDEs: GitHub Copilot, Amazon Q, Amazon CodeWhisperer, Cursor IDE, Antigravity, Claude CodePrototyping & UI: Streamlit, Gradio
סך כל שעות הלימוד בקורס: 40 שעות
הורדת הסילבוס מתאפשרת לאחר השארת פרטים
טכנולוגיות וכלים
LangChainPythonNode.jsתעודת סיום קורס
מסיימי הקורס שעומדים בדרישות זכאים לתעודת סיום מטעם John Bryce, חטיבת ההדרכה של Matrix. הסמכות חיצוניות, כאשר קיימות, כפופות לתנאי הגוף המסמיך.
למה ללמוד בג'ון ברייס, זרוע ההדרכה של matrix
הקורס מועבר במסגרת John Bryce, חטיבת ההדרכה של Matrix. כך ההכשרה יושבת בתוך מעטפת טכנולוגית רחבה שמחוברת לעולמות הפיתוח, הענן, הדאטה וה-AI.
17,000+
עובדים בקבוצה
6,000+
לקוחות
50+
מדינות פעילות
חברה ציבורית
גלובלית ומובילה
- John Bryce כחטיבת ההדרכה של Matrix
- מרצים בעלי ניסיון מקצועי מהתעשייה
- דגש על תרגול ויישום ולא רק על תיאוריה
- תכנים שמתעדכנים לפי השוק
- התאמה גם להכשרות סגורות לארגונים
אפשרויות תשלום ומימון
פיקדון חיילים משוחררים
אפשרות שימוש בפיקדון לזכאים.
מימון ופריסת תשלומים
מסלולי תשלום נוחים ומותאמים.
פתרונות גמישים
מגוון אפשרויות בהתאם לצורך.
ליווי פיננסי
יועץ ילווה אתכם בבחירת המסלול.
שאלות נפוצות
הקורס מיועד לSoftware Developers. נדרש: Strong familiarity with Node.js or Python programming is assumed from Day 1. The course can be conducted using either language as it leverages libraries….
40 שעות אקדמיות, ב-5 מפגשים. המתכונת פרונטלית או אונליין, לפי המחזור.
הקורס מכסה The AI Landscape & Core LLM Mechanics, Prompting, Tool Calling & Agentic Foundations, Core RAG & Knowledge Integration, Multi-Agent Orchestration & Enterprise Protocols ועוד. הסילבוס המלא זמין להורדה לאחר השארת פרטים.
כן. מסיימי הקורס שעומדים בדרישות זכאים לתעודת סיום מטעם John Bryce, חטיבת ההדרכה של Matrix.
כן. הקורסים המקצועיים מותאמים גם להכשרות סגורות לצוותים בארגונים, כולל התאמת תכנים ודגשים לצרכי הארגון.
רוצים לבדוק אם LLM Agentic Development & Intelligent Applications for Developers מתאים לכם?
השאירו פרטים ונחזור אליכם עם מידע על המועד הקרוב, המתכונת ואפשרויות ההכשרה לצוותים.