אודסיטי · Nanodegree · 3 קורסים · 56 שעות
מסלול Nanodegree בבינה מלאכותית יוצרת — אודסיטי
המסלול מורכב משלושה קורסים ברצף: יסודות בינה מלאכותית יוצרת · מודלי שפה גדולים ושליפה מועשרת (RAG) · ובסוף יישומים מולטימודליים של בינה מלאכותית.
"מסלול-המשך לבינה מלאכותית יוצרת, למי שכבר כותב פייתון ומכיר רשתות-נוירונים — לא אימון מודל מאפס ולא עבודת תשתית-ענן מלאה. בקצב של אדם עובד: כמה חודשים לפי הקצב שלך, ושלושה יישומים מעל מודלי-שפה מוכנים."
סרטון קצר על אודסיטי · 2:41
56ש׳
משך רשמי
ביניים
רמת כניסה
3 · 3
קורסים · פרויקטים
4.9★
221 מדרגים
2חוד׳
עד סיום · שלנו
הרשמה ותמחור מתבצעים אצל אודסיטי · קישור שיווקי · אנחנו לא מוכרים את הקורס
בשורה אחת
חמש שאלות, חמש תשובות
אם אין לך זמן לקרוא את כל העמוד — אלה התשובות שמספיקות כדי להחליט.
למי זה
למי שכבר כותב פייתון, מכיר רשתות נוירונים, ורוצה לבנות מערכות מעל מודלי-שפה מוכנים.
מה יוצא ביד
שלושה תוצרים — מתאם LoRA מכוונן, מערכת שליפה עם הערכת איכות, וסוכן מולטימודלי לאימון נציגי שירות לקוחות.
כמה זמן באמת
56 שעות רשמיות; בקצב של 6 עד 8 שעות בשבוע זה כחודשיים.
איפה זה ממקם אותך
בעבודה של בנייה מעל מודלים מוכנים — שליפה, פרומפטים, סוכנים, פלט מובנה וניטור.
מה חסר
אימון מודל מאפס, וכל התוכן באנגלית — כולל הוראות הפרויקטים והרובריקות.
המסגרת במספרים
56 שעות, ומה שיוצא מהן
אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר. נמדדו ב-8.9.2026.
56
שעות רשמיות
כחודשיים, בקצב של 6 עד 8 שעות בשבוע
3
קורסים
80
שיעורים
3
פרויקטים
4.9
221 מדרגים
9.2026
עודכן
2
עד סיום · שלנו
מסלול הלימוד
שלושה קורסים ברצף אחד
אורך העמודה מציג את יחס השעות בין הקורסים. פתח קורס כדי לראות כל שיעור בשמו.
קורס 1
יסודות בינה מלאכותית יוצרת
21ש׳
קורס 2
מודלי שפה גדולים ושליפה מועשרת (RAG)
16.6ש׳
קורס 3
יישומים מולטימודליים של בינה מלאכותית
18.4ש׳
1יסודות בינה מלאכותית יוצרת21 שעות
- מבוא ליסודות הבינה המלאכותית היוצרת — עקרונות הליבה, הכלים והשימוש האתי, וגם המודלים שמניעים יישומים יצירתיים.
- סקירת בינה מלאכותית יוצרת — יסודות התחום, סוגי המודאליות, היכולות המתקדמות ושיקולי האתיקה.
- הפקת מפתחות ל-OpenAI API — איך משיגים מפתח לממשק של OpenAI ומחברים אותו לסביבת העבודה.
- יישומים של בינה מלאכותית יוצרת — שימושים בעולם האמת, כולל כתיבת קוד בעזרת מודל שפה ואימות התוצאה.
- מבוא למודלי יסוד — מודלים גדולים ורחבי-שימוש שאומנו על מסדי נתונים עצומים ומכלילים בין משימות.
- בניית יישומים מעל מודלי יסוד — מסווגי טקסט בפרומפטים ללא דוגמאות ועם דוגמאות מעטות, ומדידת הדיוק.
- איך בינה מלאכותית יוצרת עובדת — כיצד ארכיטקטורות טרנספורמר ומודלי דיפוזיה מייצרים נתונים חדשים.
- הערכת מודלים יוצרים — הערכה אנושית, מדדים מדויקים, שופט מבוסס מודל ומדדי ייחוס.
- מימוש הערכות למודלים יוצרים — התאמה מדויקת, ROUGE, דמיון סמנטי, נכונות קוד ו-Pass@k.
- רשתות נוירונים ופרספטרון רב-שכבתי — מהפרספטרון ועד רשתות רב-שכבתיות, אימון, גרדיאנט יורד והתפשטות לאחור.
- מימוש רשתות נוירונים ב-PyTorch — טנזורים, בניית מודל, פונקציות שגיאה, אופטימייזרים ולופ אימון שלם.
- פרשנות מודלים ואתיקה — הטיה, מידע שגוי, השפעה סביבתית והוגנות בפיתוח ובהטמעה.
- יצירת טקסט עם מודלי שפה — איך מודל מייצר טקסט טוקן אחר טוקן, עם ספריית Transformers של Hugging Face.
- פרומפטים מבוססי תפקיד — התיאוריה של שימוש בפרסונות כדי לשלוט בטון, בסגנון וברמת המומחיות של הפלט.
- מימוש פרומפטים מבוססי תפקיד בפייתון — פיתוח הדרגתי של פרומפט שיוצר פרסונה היסטורית אמינה.
- התאמת מודלי יסוד — התאמה למשימות ייעודיות בפרומפטים, שליפה, כיוונון, דחיסת מודל וכלים סוכניים.
- יישום PEFT על מודלי יסוד — התאמה יעילה עם LoRA וכיוונון מונחה, כולל הכנת הנתונים.
- אימון-על של מודלי יסוד — כיוונון מונחה וכיוונון לפי העדפות, כדי ליישר את המודל עם ערכים אנושיים.
- כיוונון בחיזוקים של מודלי יסוד — כיוונון למשימות מובנות כמו ספירה ואיות, עם GRPO, LoRA ופונקציות תגמול.
- פרויקטללמד מודל שפה לספור
2מודלי שפה גדולים ושליפה מועשרת (RAG)16.6 שעות
- מבוא למודלי שפה גדולים ולשליפה מועשרת — מושגי הליבה, מבנה הקורס, הכנת הסביבה והגדרת השליפה המועשרת.
- מפת מודלי השפה — ארבע יכולות הליבה: יצירה, תמצות, סיווג והיסק, ולמה שליפה בונה אמון.
- בניית צ׳אטבוט מעל מודל שפה — ניהול היסטוריית שיחה, פרומפט מערכת ותפקידי ההודעות.
- פרומפטים והיסק במודלי שפה — שליטה בפלט דרך טמפרטורה, top-p, מספר טוקנים ורצפי עצירה.
- פרומפטים והיסק בפועל — מימוש שרשרת-חשיבה ובחינת השפעת פרמטרי ההיסק על התנהגות המודל.
- חידוד הוראות הפרומפט — שיטה מסודרת לשינוי תפקיד, משימה, הקשר, דוגמאות ותסדיר פלט.
- חידוד הוראות פרומפט בפייתון — תרגול הדרגתי שהופך מנתח מתכונים כללי ליועץ תזונה שמחזיר JSON מובנה.
- טוקנים, הטמעות וחיפוש וקטורי — יסודות עיבוד השפה: פירוק לטוקנים, הטמעות כווקטורים סמנטיים וחיפוש דמיון.
- מימוש טוקנים, הטמעות וחיפוש וקטורי — בניית מערכת חיפוש סמנטי מאפס, מהטמעות ועד שליפה.
- בחירת מודל וכלכלת ההפעלה — שקלול ביצועים, עלות, מהירות ושליטה, והשוואה בין מודל כללי למודל היסק.
- יישום בחירת מודל וכלכלתו — חישוב עלות כוללת (TCO) ובניית ניתוב היברידי בין מודלים.
- תהליך העבודה של שליפה מועשרת — ארכיטקטורת RAG, גרסה נאיבית מול מודולרית, צינור קליטה וחיתוך מקטעים.
- חיפוש סמנטי עם מסדים וקטוריים — אלגוריתמי אינדוקס כמו HNSW וטכניקות שליפה מתקדמות כמו HyDE ודירוג מחדש.
- הנדסת פרומפטים לשליפה מועשרת — עיגון תשובות בהקשר, טיפול בסתירות ואכיפת אזכורים שאפשר לבדוק.
- מימוש שליפה מועשרת עם מסד וקטורי — עבודה ב-ChromaDB: הוספת מסמכים, סינון לפי מטא-נתונים וצינור שליפה ויצירה.
- הערכת מערכות שליפה — דיוק הקשר, כיסוי הקשר, נאמנות למקור ורלוונטיות התשובה, ומסגרת RAGAS.
- מימוש הערכה למערכת שליפה — בניית צינור הערכה במסגרת RAGAS וקריאת המדדים לשיפור המערכת.
- פרויקטמודיעין משימות נאס״א — מערכת צ׳אט מבוססת שליפה
3יישומים מולטימודליים של בינה מלאכותית18.4 שעות
- מבוא — היכרות עם המרצה, המושגים המרכזיים והכלים, ואיך ניגשים ל-Gemini API.
- יסודות בינה מלאכותית מולטימודלית — מודלים ומקרי שימוש שמעבדים ומייצרים טקסט, תמונה, שמע ווידאו.
- שימוש בטכנולוגיות מולטימודליות — כיתוב תמונות ותמלול שמע דרך ממשקי API ומודלים פתוחים, כולל טיפול מאובטח במפתחות.
- טרנספורמרים ועיבוד מולטימודלי — איך קשב, הטמעות ואיחוד מודאליות מאחדים טקסט, תמונה, שמע ווידאו.
- כלים ליישומים מולטימודליים — השוואה בין כלים מסחריים לפתוחים ובניית תהליכים מובנים עם Pydantic AI.
- מבוא לעיבוד תוכן חזותי בארגון — משימות הליבה של ראייה ממוחשבת, ייצוג תמונה דיגיטלית ויישומים ארגוניים.
- צינורות עיבוד מוקדם לתמונות עם Hugging Face — טעינת מסדי נתונים, שינוי גודל ונרמול, עם הדגמות ותרגולים.
- הטמעות בראייה ממוחשבת — המרת תמונות לווקטורים לחיפוש יעיל ולמשימות חוצות-מודאליות עם מודלים כמו CLIP.
- חיפוש תמונות בהטמעות CLIP — בניית חיפוש מטקסט לתמונה ומתמונה לתמונה, עם הדגמות וסקירת פתרונות.
- שימוש בממשקי מודלים מולטימודליים לתמונה — עיצוב פרומפט, כיוונון פרמטרים, פלט מובנה ובקרת עלויות.
- יסודות Gemini Vision API — ניתוח תמונות ובניית תהליך סינון תכנים, בתרגול מונחה על מקרים אמיתיים.
- מודלי טרנספורמר לראייה וארכיטקטורות — פירוק תמונה לטוקנים, קשב עצמי וצולב, ומודלים כמו SAM, RT-DETR ו-DINOv2.
- עבודה עם טרנספורמרים לראייה — חילוץ הטמעות עם DINOv2 וזיהוי ופילוח עצמים עם RT-DETR ו-SAM.
- מודלי ראייה-שפה — יישור בין תמונה לטקסט למשימות חיפוש, כיתוב ומענה על שאלות חזותיות.
- יישומי ראייה מולטימודליים עם CLIP — סיווג תמונות ללא דוגמאות ותיוג אוטומטי של סצנות נהיגה.
- מודלי דיפוזיה ויצירת תמונות — איך מודלים מייצרים תמונה בהיפוך רעש בתהליך איטרטיבי.
- מבוא לעיבוד שמע בארגון — תמלול, הפרדת דוברים, ניתוח סנטימנט והמרת טקסט לדיבור, ומקרי שימוש עסקיים.
- ייצוג נתוני שמע — קצב דגימה, עומק סיביות, ערוצים, תסדירים וספקטרוגרמת מל.
- עיבוד שמע עם librosa — טעינה, דגימה מחדש, המרה וניתוח קבצי שמע, כולל הצגה חזותית.
- שליפה וסיווג של צלילים — הטמעות שמע עם מודלים כמו CLAP לחיפוש סמנטי בקנה מידה גדול.
- שליפה וסיווג צלילים עם CLAP — מדידת דמיון וסיווג ללא דוגמאות, ואיתור מצב מאוורר בהקלטות אמת.
- עיבוד דיבור — זיהוי דיבור אוטומטי עם Whisper לתמלול ותרגום רב-לשוני.
- מימוש עיבוד דיבור עם Whisper ו-Gemini — תמלול ותרגום בפייתון, כולל חיתוך והתאמה בין שמע לטקסט.
- בינת שמע — מערכות מולטימודליות, זיהוי דיבור, המרת טקסט לדיבור, בקרות ארגוניות ואתיקה.
- ניתוח סנטימנט בשמע עם Gemini — חילוץ רגשות וזיהוי פקודות מדוברות עם Pydantic AI, על נתונים אמיתיים.
- סיווג וסינון שמע — צינורות בזמן אמת ובאצווה, פרטיות, ציות וזיהוי בשכבות.
- בניית מערכת סינון שיחות עם Gemini — תמלול הקלטות שירות, זיהוי חשיפת מידע אישי וסימון הפרות מדיניות.
- מבוא לעיבוד וידאו בארגון — התמודדות עם מורכבות הזמן דרך בחירת פריימים חכמה, לחיפוש, סיווג וסינון.
- מודלים להבנת וידאו — YOLO לזיהוי בזמן אמת, ו-CoTracker ו-TimeSformer לתנועה ולהבנת זמן.
- מימוש זיהוי ומעקב אחר עצמים — זיהוי ומעקב בווידאו עם YOLOv9, מעקב רב-עצמים וספירת פריטים שחוצים גבול.
- הבנת וידאו וחיפוש בו — שיטות ניתוח וחיפוש עם מודלי יסוד ו-CLIP4Clip, בשקלול עלות ודיוק.
- הבנת וידאו וחיפוש עם Gemini ו-CLIP4Clip — תיאור אוטומטי, זיהוי רגעי מפתח וחיפוש בשפה חופשית.
- סיווג וסינון וידאו — מודלים של תבניות זמן, אתגרי עולם אמת ושילוב אוטומציה עם פיקוח אנושי.
- סיווג וסינון וידאו עם Gemini — מערכות אוטומטיות לזיהוי פעולות ולעמידה בכללי בטיחות, עם Pydantic AI.
- יצירת וידאו — כלים ותהליכים שהופכים טקסט, תמונה או צילום לתוכן וידאו לשיווק, להדרכה וליצירה.
- יצירת וידאו עם Veo 3 — הפקת סרטוני שיווק מטקסט ומתמונה, והבנת החוזקות והמגבלות.
- הטמעת מערכות מולטימודליות — ממשקים מאוחדים, תזמור בין כמה ממשקים ופתרונות מותאמים, בשקלול מהירות ועלות.
- כלי מימוש ואסטרטגיות הגשה — מאבטיפוס מהיר ועד פרודקשן, כולל תזמור ופלטפורמות מנוהלות.
- עבודה עם Gradio ו-Pydantic AI — בניית צ׳אטבוטים ואפליקציות ניתוח, כולל קלטי מדיה, אסינכרוניות והגבלת קצב.
- ניטור ותיעוד ביצועים במערכות מולטימודליות — מעקב אחר ביצועים, עלויות וכשלים בכל המודאליות.
- תיעוד וניטור עם Gradio ו-Arize Phoenix — אנליטיקה, ניפוי תקלות ומעקב עלויות בצ׳אטבוט מולטימודלי.
- הערכת יישומים מולטימודליים — משוב מהמשתמשים, בדיקה אנושית, מדדים אוטומטיים וניטור רציף.
- בדיקות ליישומים מולטימודליים עם Pydantic Evals — פלט מובנה, הערכה סמנטית ובוני-הערכה מותאמים.
- הגדלת ארכיטקטורה מולטימודלית — ממשקים מאוחדים, צינורות מרובי ממשקים והטמעות מותאמות, בשקלול אמינות ועלות.
- פרויקטאומני-טריינר — מאמן שירות לקוחות מולטימודלי
איפה זה ממקם אותך
מה תדע לעשות לבד
- לכוונן מתאם LoRA על מודל Qwen בשיטת GRPO, כדי שילמד לספור אותיות
- לבנות מערכת צ'אט מבוססת שליפה (RAG) על מסמכי נאס״א, להעריך את איכותה ב-RAGAS ולהציג אותה בממשק
- לבנות סוכן מולטימודלי ב-Gemini שמדמה שיחות שירות לקוחות ומנתח טקסט, תמונה, וידאו ושמע, עם סכימות Pydantic וממשק משתמש
מה יישאר לך ביד
3 פרויקטים שמוגשים לבדיקה
כל פרויקט משויך לשיעור מסומן בסילבוס, ובסופו מגישים אותו לבדיקה.
- 01
יסודות בינה מלאכותית יוצרת
ללמד מודל שפה לספור
דירוג ה-LoRA נבחר מתוך 8, 16, 32, 64 או 128 מודולי היעד: q/k/v/o_proj יחד עם gate/up/down_proj פרומפט בסיס בשרשרת-חשיבה, עם דוגמה אחת מועד הגשה שראינו בכיתה ביום המדידה: 6 באוקטובר 2026 — ייתכן שנקבע לפי מועד ההרשמה שלך
- 02
מודלי שפה גדולים ושליפה מועשרת (RAG)
מודיעין משימות נאס״א — מערכת צ׳אט מבוססת שליפה
כל קבצי הפייתון — לקוח המודל, לקוח השליפה, צינור ההטמעות, מעריך RAGAS וממשק הצ׳אט — בתוספת צילומי מסך
- 03
יישומים מולטימודליים של בינה מלאכותית
אומני-טריינר — מאמן שירות לקוחות מולטימודלי
ארכיון או מאגר GitHub עם תיקיית הסוכנים, הטיפוסים, אפליקציית Gradio, שרת FastAPI ובדיקות היחידה
החסם של האנגלית
יש בכיתה עוזר שמדבר עברית
בתוך הכיתה של אודסיטי יושב עוזר בשם מארווין. שואלים בעברית — הוא עונה בעברית, על החומר שמוצג באותו רגע.
כל שאלה על מה שכתוב בעמוד
למשל: "תסביר לי במילים פשוטות את המושג שמופיע כאן". התשובה מתייחסת לשיעור שפתוח מולך.
סיכום, ואז בוחן
אפשר לבקש סיכום של השיעור שקוראים עכשיו, ואז לבקש שיבחן אותך לפני שממשיכים.
בדקנו את זה בפועל ב-7.9.2026: שלוש שאלות חופשיות, בקשת סיכום ובקשת בוחן — חמש מתוך חמש חזרו בעברית שוטפת ומדויקת לתוכן.
אחרי המסלול
לאיזו עבודה זה מספיק בישראל
מהנדס/ת AI (בינה מלאכותית יוצרת)
מה עושים בו ביום-יום
בונים אפליקציות מעל מודלי-שפה מוכנים — לא מאמנים מודלים. מקימים ומכווננים מערכות שליפה (RAG): אינדוקס מסמכים, מסד וקטורי, אחזור. כותבים ומשפרים פרומפטים ומודדים את איכות התשובות. בונים סוכנים שפועלים לבד ומחברים אותם לממשקים ולמערכות הארגון. עובדים בענן, ברוב המקרים ב-AWS. מעבירים ניסוי לפרודקשן: קונטיינרים, אוטומציית פריסה וניטור.
מה המסלול נותן
זו התאמה חזקה: המסלול נותן כיוונון-עדין של מודל שפה עם LoRA, מערכת צ'אט מבוססת שליפה (RAG) עם הערכת-איכות וממשק, וסוכן מולטימודלי לאימון נציגי שירות לקוחות. כלומר: שליפה, הערכה, סוכנים וכיוונון — כולם נבנים בידיים.
מה עוד תצטרך
שלושה. (1) הענן: המודעות מבקשות AWS ברמת Bedrock, Lambda ו-Step Functions — המסלול עובד במעבדת Vocareum ומול OpenAI ו-Gemini, לא מול הערימה שהמעסיק מבקש. (2) העברה לפרודקשן: קונטיינרים ואוטומציית פריסה מוזכרים ברשימות-החובה; המסלול נוגע בניטור ובאסטרטגיות-הגשה של מערכות AI, אבל לא בצנרת-פריסה מלאה. (3) הוותק: מרבית המודעות בתגיות 3-4 ו-5-6 שנים. אבל כאן יש בשורה אמיתית: זה המקצוע היחיד באשכולות הטכנולוגיים שבו מודעה מפורשת מכירה בפרויקטים אישיים כמקור-ניסיון לגיטימי — 'ניסיון רלוונטי יכול להגיע מתפקידים קודמים, שירות צבאי טכנולוגי, התמחות, לימודים אקדמיים או פרויקטים אישיים משמעותיים'.
✓זה בשבילך אם…
אתה כבר כותב פייתון ומכיר רשתות נוירונים, ורוצה לעבור מניסויים לבנייה מסודרת; אתה רוצה שלוש מערכות עובדות ביד — כיוונון, שליפה וסוכנים מולטימודליים; ולא מפריע לך ללמוד באנגלית ולהגיש עבודה לבדיקה מול רובריקה.
✕דלג עליו אם…
זו הכניסה הראשונה שלך לתכנות או לבינה מלאכותית; אתה מחפש שימוש בכלים מוכנים בלי לכתוב קוד; או אתה מצפה לאימון מודלים גדולים מאפס או לעבודת תשתית ענן מלאה.
לפני שמחליטים
מה זה לא נותן
- לא לומדים לאמן מודל מאפס.: העבודה כולה מעל מודלים מוכנים: פרומפטים, שליפה, כיוונון קל ב-PEFT ו-LoRA, וסוכנים מעל ממשקים חיצוניים.
- כל התוכן באנגלית.: השיעורים, הוראות הפרויקטים והרובריקות — באנגלית בלבד; מארווין עונה בעברית, אבל החומר עצמו לא מתורגם.
- דרישות הקדם אמיתיות.: אודסיטי מונה 12 פריטים, כולל פייתון בינוני, למידה עמוקה, PyTorch ומודלי יסוד — מי שמתחיל מאפס ייתקל בקיר בקורס הראשון.
- תלות בממשקים חיצוניים.: הפרויקטים מסתמכים על OpenAI, על Gemini ועל מעבדת Vocareum שבתוך הכיתה — כלומר על חשבונות ומפתחות מחוץ לחומר הלימוד.
שאלות ותשובות
צריך ניסיון קודם בתכנות?
כן. אודסיטי מגדירה את המסלול כרמת ביניים ומפרסמת 12 דרישות-קדם, בהן פייתון בסיסי ובינוני, יסודות מסדי נתונים, למידה עמוקה, PyTorch ורשתות טרנספורמר.
האנגלית תעצור אותי?
התוכן כולו באנגלית — שיעורים, הוראות פרויקטים ורובריקות. בתוך הכיתה יושב מארווין, עוזר AI שאפשר לשאול אותו בעברית, לבקש סיכום של השיעור ולבקש שיבחן אותך על החומר.
מה בדיוק מגישים בפרויקט הראשון?
נוטבוק שבו הושלמו המשימות, עם הסבר על ההיפר-פרמטרים, פונקציות התגמול ופלטי האימון. דירוג ה-LoRA נבחר מתוך 8, 16, 32, 64 או 128, ומודולי היעד הם q/k/v/o_proj יחד עם gate/up/down_proj.
מישהו בודק את ההגשה?
אודסיטי מצהירה שההגשות נבדקות מול רובריקה. בפרויקט הראשון הצירים הם הקמת המודל, פרומפט הבסיס ועיצוב פונקציות התגמול ואימותן; את הרובריקה קראנו בתוך עמוד הפרויקט, בלי קישור ציבורי שאפשר להפנות אליו.
כמה זמן זה לוקח באמת?
56 שעות רשמיות — כחודשיים בקצב הרגיל; במשרה חלקית (3 שעות בשבוע) זה קרוב לחמישה חודשים.
לומדים לאמן מודל שפה מאפס?
לא. כל העבודה מתבצעת מעל מודלים מוכנים: פרומפטים, שליפה מועשרת, כיוונון קל ב-PEFT וב-LoRA, וסוכנים מעל ממשקים חיצוניים כמו OpenAI ו-Gemini.
56 שעות, שלושה פרויקטים, תיק אחד
המחיר, תנאי הביטול ומועד הפתיחה — בעמוד המסלול של אודסיטי. ההחלטה שלך.
הרשמה ותמחור מתבצעים אצל אודסיטי · קישור שיווקי · אנחנו לא מוכרים את הקורס
מקורות
- עמוד המוצר הרשמי של מסלול Generative AI באודסיטי — משך, רמה, דירוג, מיומנויות, דרישות-קדם וסילבוס. נמדד ב-8.9.2026.
- הוראות הפרויקטים והרובריקות בתוך הכיתה של אודסיטי — שלבים, תוצרי הגשה, דרישות מספריות וכלים. נקראו ב-8.9.2026.
MSL הוא קטלוג קורסים — לא ספק הקורס. המסלול מתפרסם ומנוהל על ידי אודסיטי. תוכן הקורס, המחיר, התעודה ותנאי השימוש הם באחריות אודסיטי בלבד. הקישורים לאודסיטי הם קישורים שיווקיים.