אודסיטי · Nanodegree · 3 קורסים · 26 שעות

מסלול Nanodegree בהנדסת סוכני בינה מלאכותית (AI) — אודסיטי

המסלול מורכב משלושה קורסים ברצף: יסודות בינה מלאכותית סוכנית ב-LangChain · בניית סוכני בינה מלאכותית עם LangGraph · ובסוף טכניקות מתקדמות לסוכני בינה מלאכותית.

השורה התחתונה שלנו

"מסלול-המשך להנדסת סוכני בינה מלאכותית, למי שכבר כותב פייתון ומכיר מודלי-שפה — לא קורס תכנות ולא אימון-מודלים. בקצב של אדם עובד: כשלושה עד ארבעה שבועות, ושלושה סוכני-AI שפועלים לבד."

26ש׳

משך רשמי

ביניים

רמת כניסה

3 · 3

קורסים · פרויקטים

4.7

21 מדרגים

1חוד׳

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.

01

למי זה

למי שכבר כותב פייתון (Python) ברמת ביניים ומכיר מודלי-שפה, ורוצה לבנות סוכנים שפועלים לבד.

02

מה יוצא ביד

שלוש הגשות — מערכת עיבוד-מסמכים, סוכן שמייעל שימוש באנרגיה וחבילת-סוכנים שמטפלת בפניות תמיכה.

03

כמה זמן באמת

26 שעות רשמיות; בקצב של 6 עד 8 שעות בשבוע זה כחודש.

04

איפה זה ממקם אותך

בכיוון של מהנדס/ת AI שבונה אפליקציות מעל מודלים מוכנים — לא מאמן מודלים.

05

מה חסר

כל התוכן באנגלית, אין אימון מודלים, ואת הרובריקות של שני הפרויקטים האחרונים לא בדקנו.

המסגרת במספרים

26 שעות, ומה שיוצא מהן

אלה המספרים שאודסיטי עצמה מפרסמת בעמוד-המוצר. נמדדו ב-7.9.2026.

26

שעות רשמיות

בקצב של 6 עד 8 שעות בשבוע — כשלושה עד ארבעה שבועות עד הסוף

3

קורסים

37

שיעורים

3

פרויקטים

4.7

21 מדרגים

6.2026

עודכן

1

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 סוכנית ב-LangChain

9.4ש׳

קורס 2

בניית סוכני בינה מלאכותית עם LangGraph

7.7ש׳

קורס 3

טכניקות מתקדמות לסוכני בינה מלאכותית

9ש׳

1יסודות בינה מלאכותית סוכנית בLangChain — 9.4 שעות
  • פתיחת הקורס והגדרת הסביבה — היכרות עם המדריכים והגדרת מפתח ה-API של OpenAI והתקציב שהוקצה לתרגול.
  • בניית אפליקציית LangChain פשוטה — חיבור מודל-שפה, ניהול היסטוריית שיחה, תבניות פרומפט ופרומפטינג עם דוגמאות.
  • פלטים מובנים — הפיכת תשובות המודל ל-JSON שאפשר להזרים למערכות, בעזרת סכמות, מפענחים וקריאות-פונקציה.
  • פלטים מובנים ב-LangChain — פענוח פלט המודל עם מפענחים, TypedDict ומודלי Pydantic, כולל תיקון שגיאות אוטומטי.
  • תהליכי-עבודה מרובי-שלבים ב-LangChain — הרכבת שרשראות מורכבות עם Runnables ו-LCEL, כולל הרצה במקבץ.
  • מקריאה למודל-שפה ועד סוכן — איך אפליקציה מתפתחת מקריאה בודדת למודל לסוכן שפועל לבד.
  • תבניות תכנון לסוכנים — ארבע תבניות מרכזיות: רפלקציה, שימוש בכלים, תכנון ושיתוף-פעולה בין סוכנים.
  • הרחבת סוכנים בעזרת כלים — חיבור כלים שמאפשרים לסוכן לבצע פעולות ולשלוף נתונים בזמן אמת.
  • פונקציות ככלים ב-LangChain — עטיפת פונקציות פייתון (Python) ככלים שהמודל קורא להן ומחבר אותן לממשקי API.
  • תהליכי-עבודה סוכניים ב-LangGraph — בניית זרימות דינמיות בעזרת צמתים, קשתות וניתוב.
  • ניהול מצב של סוכן — איך סוכן עוקב אחרי קלט המשתמש, ההוראות והשימוש בכלים בעזרת מכונת-מצבים.
  • ניהול מצב ב-LangGraph — TypedDicts, רדוסרים, ניתוב, מטפלים והתמדה לשיחות מרובות-תורות.
  • זיכרון קצר-טווח של סוכן — שמירת הקשר בתוך שיחה פעילה כדי שהסוכן יישאר עקבי.
  • זיכרון סוכן ב-LangGraph — צ'קפוינטרים ו-threads לשיחות מתמשכות ומופרדות, כולל תצלומי-מצב וחזרה אחורה בזמן.
  • פרויקטסוכן בונה-דוחות
2בניית סוכני בינה מלאכותית עם LangGraph7.7 שעות
  • פתיחת הקורס — היכרות עם המדריך וסקירה של בניית מערכות סוכניות ב-LangGraph.
  • כלים חיצוניים וממשקי API — שליפת נתונים בזמן אמת, אימות סוכנים והיכרות עם MCP, פרוטוקול שמתקנן את עבודת הכלים.
  • חיבור כלים וממשקי API ב-LangChain — הפיכת ממשקי API לכלים שהסוכן קורא להם, עם זרימה מובנית ולוגיקת ניתוב.
  • עבודה מול מסדי-נתונים — גישה לנתונים מובנים בעזרת SQL ולמשימות סמנטיות בעזרת מסדים וקטוריים.
  • סוכני מסד-נתונים ב-LangGraph — סוכן שממיר שאלה בשפה חופשית לשאילתת SQL, בלי שהמשתמש יכתוב שאילתה.
  • שליפה מועשרת סוכנית (RAG) — הוספת רפלקציה, ניסוח מחדש של שאילתה ולולאות ניסיון-חוזר לתהליך השליפה.
  • שליפה מועשרת עם סוכן בודד ב-LangGraph — סוכן שמחליט בעצמו מתי לחפש ברשת ומבסס את התשובה על מקורות.
  • אדם בתוך הלולאה ונראות — ניטור, ניפוי שגיאות ופיקוח אנושי על סוכנים שרצים בקנה-מידה.
  • נראות סוכן ב-LangGraph — שימוש ב-MLflow לתיעוד ולבדיקה של כל שלב בזרימת הסוכן.
  • סוכני LangGraph עם אישור אנושי — הוספת נקודות אישור או עריכה אנושית בתוך זרימת הסוכן.
  • אמינות והערכה של סוכנים — הגדרת מדדי הצלחה, שיטות הערכה וניטור מתמשך.
  • הערכת סוכן ב-LangGraph — בדיקה והשוואה של צינורות שליפה וזרימות סוכן בעזרת RAGAS ו-MLflow.
  • פרויקטיועץ אנרגיה
3טכניקות מתקדמות לסוכני בינה מלאכותית9 שעות
  • פתיחת הקורס — היכרות עם המדריכים וסקירה של מערכות סוכניות מתקדמות ומבנה הקורס.
  • זיכרון ארוך-טווח של סוכן — זיכרון סמנטי, אפיזודי ופרוצדורלי ואסטרטגיות אחסון לאינטראקציה עקבית ומותאמת.
  • זיכרון ארוך-טווח ב-LangGraph — שמירת זיכרון במסדים כמו SQLite והרחבתו באחסון וקטורי דרך LangMem.
  • תכנון ארכיטקטורה מרובת-סוכנים — מרכיבי הליבה של מערכת מרובת-סוכנים ותכנון הארכיטקטורה ברמה הגבוהה.
  • תכנון ארכיטקטורות מרובות-סוכנים ב-LangGraph — תבניות בסיס לזרימות מתוזמרות ולזרימות בין סוכנים שווי-מעמד, כולל המחשה חזותית.
  • ניהול מצב במערכות מרובות-סוכנים — שיטות למעקב ולעדכון מצב הסוכנים לאורך אינטראקציה מרובת-תורות.
  • מימוש ארכיטקטורות מרובות-סוכנים ב-LangGraph — בנייה ותזמור של צינורות תוכן אוטומטיים עם סוכנים מתמחים ומצב מותאם.
  • תזמור פעולות של סוכנים — תיאום בין פעולות של כמה סוכנים כדי להשלים תהליך מורכב.
  • תזמור פעולות סוכנים ב-LangGraph — עבודה עם מפקחים, העברות אחריות, קריאה לכלים וניהול מצב מובנה.
  • ניתוב וזרימת נתונים במערכות סוכניות — הגדרת מנגנוני ניתוב שמנהלים את זרימת הנתונים בין הסוכנים.
  • מימוש ניתוב נתונים ב-LangGraph — ניתוב לפי תוכן, ניתוב מחזורי וניתוב לפי עדיפות, עם Pydantic ו-LangChain.
  • פרויקטסוכן ידע אוטונומי

מה יישאר לך ביד

3 פרויקטים בקוד שרץ

לא מסמכים ולא מצגות. כל פרויקט נעול בשיעור מסומן בסילבוס ומוגש לבדיקה.

  1. 01

    1 · יסודות בינה מלאכותית סוכנית ב-LangChain

    סוכן בונה-דוחות

    מערכת עיבוד-מסמכים ב-LangChain וב-LangGraph: סוכן שאלות-ותשובות וסוכן סיכום, שעונים ומחשבים על מסמכים פיננסיים ורפואיים.

  2. 02

    2 · בניית סוכני בינה מלאכותית עם LangGraph

    יועץ אנרגיה

    סוכן שמייעל שימוש באנרגיה ב-EcoHome, עם חיבור לממשק API, למסד-נתונים ולחיפוש וקטורי, ותזמור והערכה ב-LangGraph.

  3. 03

    3 · טכניקות מתקדמות לסוכני בינה מלאכותית

    סוכן ידע אוטונומי

    UDA-Hub — חבילת-החלטה מרובת-סוכנים שמטפלת בפניות תמיכה בכמה פלטפורמות.

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

שואלים בעברית והוא עונה בעברית, על השיעור 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.

בחר במסלול הזה אם…

אתה כבר כותב קוד ורוצה שהצד הסוכני של מודלי-שפה יהפוך אצלך למשהו שאתה בונה, לא קורא עליו; אתה רוצה שלוש הגשות שנבדקות מול רובריקה, ולא סדרת הרצאות; ונוח לך לעבוד באנגלית עם עזרה בעברית מצד מארווין.

לפני שמחליטים

מה זה לא נותן

  • הכול באנגלית.: השיעורים, הוראות הפרויקט והרובריקה. מארווין עונה בעברית, אבל החומר עצמו לא מתורגם.
  • זה לא קורס תכנות.: המסלול פותח בהנחה שאתה כבר כותב פייתון ברמת ביניים ומכיר מודלי-שפה — הוא לא מלמד את זה מהתחלה.
  • אין כאן אימון מודלים.: אתה בונה שכבה מעל מודלים מוכנים; מדעי-הנתונים שמתחת נשארים מחוץ לתוכנית.
  • 26 השעות הן שעות-לימוד.: הן לא כוללות את הזמן שתשקיע בתיקון פרויקט שחזר מבדיקה מול הרובריקה.
  • הרובריקות של שני הפרויקטים האחרונים לא נבדקו על ידינו.: קראנו בכיתה רק את הוראות הפרויקט הראשון, ב-7.9.2026.

שאלות ותשובות

צריך לדעת לתכנת כדי להיכנס?

כן. אודסיטי מגדירה שתי דרישות-קדם: פייתון ברמת ביניים והיכרות עם מודלי-שפה גדולים. רמת הכניסה הרשמית היא ביניים.

התוכן בעברית?

לא. השיעורים, הוראות הפרויקט והרובריקה באנגלית. בתוך הכיתה יושב מארווין, עוזר AI שעונה בעברית ויכול לסכם ולבחון אותך על העמוד שאתה קורא.

מה בעצם מגישים בפרויקט הראשון?

מערכת עיבוד-מסמכים שנבנית בסביבת-העבודה של הכיתה: ארכיטקטורה מרובת-סוכנים ב-LangGraph עם סוכן שאלות-ותשובות וסוכן סיכום, מוגשת לפי הרובריקה.

כמה זמן זה ייקח באמת?

אודסיטי מפרסמת 26 שעות. בקצב של 6 עד 8 שעות בשבוע — קצב שאדם עובד מצליח לעמוד בו — זה כחודש, כלומר כשלושה עד ארבעה שבועות.

המסלול מלמד לאמן מודלים?

לא. הוא בונה שכבה מעל מודלי-שפה מוכנים: סוכנים, כלים, שליפה, זיכרון ותזמור. אימון מודלים, תשתית ענן ופריסה לייצור נשארים מחוץ לפרויקטים.

מי בודק את ההגשה?

אודסיטי מצהירה שהפרויקט נבדק מול רובריקה, וההוראות מפנות אליה במפורש. את הרובריקה עצמה לא צילמנו בקריאה מ-7.9.2026.

26 שעות, שלושה פרויקטים, תיק אחד

המחיר, תנאי הביטול ומועד הפתיחה — בעמוד המסלול של אודסיטי. ההחלטה שלך.

לעמוד המסלול באודסיטי ←

הרשמה ותמחור מתבצעים אצל אודסיטי · קישור שיווקי · אנחנו לא מוכרים את הקורס

מקורות

  1. עמוד המוצר הרשמי של המסלול באודסיטי (nd901) — נמדד ב-7.9.2026.
  2. הוראות הפרויקט "סוכן בונה-דוחות" ועמוד הרובריקה בתוך הכיתה של אודסיטי — נקראו ב-7.9.2026.

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.

מסלול Nanodegree בהנדסת סוכני בינה מלאכותית (AI) — אודסיטי 26 שעות · שלושה פרויקטים · 4.7 ★ לעמוד המסלול ←
גילוי נאות: התוכן באתר אינו ייעוץ פיננסי, פנסיוני, מסים או השקעות. החלטות פיננסיות אישיות מומלץ לקבל בליווי בעל מקצוע מוסמך.