קורס Agentic AI מקיף לצוותי פיתוח Real Time College

היא מתחברת ל-LangChain, זאת אומרת החיבור ל-LangChain הוא יחסית טבעי, והיא עושה… יש לה הרבה אדאפטרים אחרים, שלמשל ל-LangChain אין. אנחנו מדברים עליה גם הרבה בפודקאסט ואנחנו חושבים שהיא… שווה, בוא נגיד, לנסות לפחות לאמץ אותה. אז לדוגמה – LangChain, זה ספרייה יחסית ידועה שדי מתרוממת, בוא נגיד, בתקופה האחרונה.

• או אם יש לי מאטה-דאטה על אותו יוזר, באיזה ארגון הוא נמצא, באיזה אזור בעולם הוא נמצא, יכול להיות שזה ישנה לי את ה-caching.
• הם מציעים גם כל מיני אינטגרציות, אז אתם יכולים לקבל את זה דרך SageMaker, את ההוסטינג, וזה מאפשר לכם בעצם גם לבחור את החומרה, כן?
• מצד שני, יש גם הרבה בעיות עם הדבר הזה, וזה לא כזה פשוט.
• שני הדברים שאני כן אגיד, זה אחד, learnprompting.org, פשוט, לא יודע, אני אהבתי אותו, זה כזה כל מיני מדריכים יחסית פשוטים לפי קונספטים שמעניין אתכם, אם זה security, אם זה structuring, כל מיני כאלה.
• הוא מדפיס בעצם את כל ה-chain-ים ואיך פרומפטים קשורים ל-chain-ים ואיך chain-ים קשורים אחד לשני.

חלאס תיאוריה! בואו לת׳כלס

חברת תוכנה מובילה בתחום ה Dynamic AI בתעשיית הביטוח, המספקת פתרונות מבוססי אנליטיקה ובינה מלאכותית לחברות ביטוח ובנקים. כל סוגי הלימודים הכשרה מעשית הכשרות מקצועיות השכלה גבוהה השלמת השכלה לימודי תעודה סדנאות העשרה פיענוח הסודות החבויים בנתונים, הכרה עם טכנולוגיות מתקדמות ושימוש עם בינה מלאכותית.

הכשרה מבוססת בינה מלאכותית יובל הבר פרק 162

בואו ונתחיל עם משהו פשוט – רק כדי שנבין את הסיפור. כי יש גם כמה דרכים לממש סוכנים. מבקש רשות להחליף את קוד הבדיקות. הוא מראה לי את השינויים בקוד ושואל אם זה בסדר. הוא מנתח את הבקשה, מבין מה אני רוצה ממנו ואז מפעיל LLM אחר שמבצע בדיקה של כל המקומות שבהם יש jsonschema ומשנה אותם.

קריאה לסוכן השני

זאת אומרת, כשאנחנו אומרים פריימוורק, אז בעצם מה ה-Glue Code, או מה ה-Library שתעשה אורקסטרציה לכל האפליקציה שלכם, ול-LLM כמובן במרכז. כך לדוגמה, בעוד שמערכות AI יכולות להציע סרטים לצפייה על בסיס העדפות קודמות, מערכות Agentic AI לא רק ממליצות – אלא גם מזהות בעצמן אם סרט מסוים אינו זמין, מחפשות אלטרנטיבות דומות ומציעות למשתמש פתרון מבלי שבכלל היה צריך לבקש זאת. לא כדי למכור לכם חלום, אלא כדי ללכלך ביחד את הידיים בקוד, לבנות סוכנים שעובדים, ולצאת מהקורס עם יכולת שהשוק מחפש בטירוף. כבר כיום אנו רואים ושומעים על כלים מבוססי AI שיודעים לגזור מקרי בדיקה "מחוץ לקופסא", לכתוב תשתית אוטומציה, להריץ בדיקות, לפתוח טיקטים בג’ירה ועוד. אם הרגולציה שלכם דורשת מידע בישראל (למשל בנקים, ביטוח, ממשל) — Gemini ב-Workspace לא יתאים, ותצטרכו לבחון Vertex AI עם region הקרוב ביותר (אירופה) או פתרון on-prem.

שוק העבודה בישראל — והפער שרוב האנשים לא מכירים

למשל, ה-LLM יכול לקבל שאילתה מהמשתמש, לנתח את מה שצריך לעשות ולפרק את זה לפעולות שונות ואז להתחיל להריץ אותן אחת אחרי השניה ולבקש אישור מהמשתמש. יש לו יכולת לפעול באופן עצמאי, להפעיל כלים (עם או בלי AI development agency for Israeli startups MCP) וגם לקרוא למודלים אחרים. משמעות המונח מגיעה מ״סוכנות״ שזה מושג מתחום הסוציולוגיה דווקא (יאפ). אני מסביר עם קוד פייתון אבל פייתון זו שפה קלה וגם מתכנתים משפות אחרות כולל ג׳אווהסקריפט יבינו מעולה את הדוגמאות.

כמה עולה לפרוס GenAI מאובטח בארגון של 200 עובדים?

למה אנחנו צריכים לדעת מה זה ואיך רואים את זה ממש בעיניים. בעבר עבודה על אפליקציה, אפילו פשוטה, הצריכה משאבים וכסף רב. אני לא אוהב לכתוב יותר מדי על דברים שאני עושה או קורים בסייברארק כי זה על הקו הדק בין אישי לעסקי, אבל הנה דוגמה למוצר כזה שקיים ממש עכשיו. היום כבר משתמשים בה במוצרים קיימים. נכון, עושה רושם שלא יצטרכו מתכנתים ברמה גבוהה לבניית אפליקציות דסקטופ ומובייל, אתרי אינטרנט ומערכות פשוטות – אפשר להשתמש בקורסור, base44, loveable וחבריהם.

כלומר, זה מדבר על זה נגטיבית וזה מדבר על זה פוזיטיבית, אבל זה עדיין אותו נושא, אז… אז אני צריך להחזיר תשובות אחרות לגמרי, כן… אז… אז קחו את זה בחשבון, תסתכלו האם זה באמת מתאים ל-use-case שלכם. זה מדבר על אותו נושא, אבל יכול להיות שזה מדבר על זה בצורה סמנטית. או אם יש לי מאטה-דאטה על אותו יוזר, באיזה ארגון הוא נמצא, באיזה אזור בעולם הוא נמצא, יכול להיות שזה ישנה לי את ה-caching. כלומר, אם היוזר כותב לי "Hello", אבל השם שלו זה גל, אז אני אענה לו משהו אחד, ואם השם שלו זה לי, אז אני אענה לו משהו אחר. מצד שני, יש גם הרבה בעיות עם הדבר הזה, וזה לא כזה פשוט. אז באמת יש פרויקטים כמו GPT Cache שעוזר לפתור את זה.

איך גורמים ל-LLM לעבוד דרך ה-API כסוכן?

הקורס מתחיל מהיסודות ומוביל את המשתתפים בהדרגה עד לרמה מתקדמת, כולל הסברים על מושגים בסיסיים וטכניקות עבודה מעשיות עם מודלים של בינה מלאכותית. 🌐 פרוטוקול Model Context (MCP) – שימוש בכלים מוכנים, ובניית שרתים מאפס. השאלה, האם ה-AI יחליף אותנו במשימות הטכניות, כבר לא רלוונטית, השאלה הרלוונטית היא רק מתי ? חברים, זהו קורס מהפכני, הראשון מסוגו בעולם, שנבנה במיוחד כדי להבטיח שאתם, כאנשי QA ואוטומציה, לא רק תשמרו על מקומכם – אלא תובילו את הדור הבא של בדיקות התוכנה. קורס AI Toolbox for Future QA מעניק לכם את הכלים והמיומנויות הנדרשים כדי להישאר רלוונטיים ולהוביל את תחום הבדיקות בעידן החדש.

הצעת Basel III המעודכנת בארה״ב – עיקרי הדברים ומשמעויות לבנקים

ידע הטכני הדרוש לשילוב תוכניות משפטיות (LLM) עם ממשקי API, מסדי נתונים וזרימות עבודה ארגוניות, ויכין אותם לפריסת בינה מלאכותית בעולם האמיתי. הקורס יצייד את המשתתפים בידע הטכני הדרוש לשילוב תוכניות משפטיות (LLM) עם ממשקי API, מסדי נתונים וזרימות עבודה ארגוניות, ויכין אותם לפריסת בינה מלאכותית בעולם האמיתי. קורס אינטנסיבי בן 5 ימים זה מיועד למפתחים שרוצים להתעלות מעל ההייפ ולהבין באמת כיצד מודלים לשפה גדולה (LLMs) פועלים, תוך רכישת מיומנויות מעשיות לבניית יישומים אמיתיים המונעים על ידי LLM. כי למרות שאנחנו החברה היחידה בארץ המציעה את התוכן הזה, אנחנו רוצים שהקורס יהיה נגיש לכל מי שמתאים ורציני לגבי ארסנל הידע הפרקטי שהוא לוקח איתו לעבודה.

בהקשר הזה יש עוד שני כלים שאני אמליץ עליהם בהקשרים של Output Parser-ים, אחד זה OpenAI Functions, שמניסיון שלי הוא פשוט עובד מעולה, אני ממש ממליץ להשתמש בו לכל Structured Output. ממש בכמה שורות קוד אפשר כבר להשיג את זה ואז באמת, ככל שרוצים דברים יותר custom-ים, אז צריך להכיר את הספרייה ולדעת לעבוד איתה ויש פה איזושהי עקומת למידה. נכון, באופן תיאורטי אפשר להכניס את הכל לתוך LLM אחד עם המון כלים ו-RAG אדיר, אבל… זה יהפוך את הקוד לבעייתי יותר. אם עובדים עם LangChain, אז גם להפוך את כל החלקים שהם צווארי בקבוק, שזה לרוב הריצה של ה-LLM, להפוך אותם לאסינכרונים זה יחסית פשוט, ואז גם אם יש לנו scale, בדרך כלל השרת הזה יכול לעמוד בו.

איך בעצם אנחנו עוקבים אחרי הפרומפטים, איך אנחנו נותנים לפרודקט מנג’ר אולי בלי ידע בקוד, אולי את האפשרות לערוך את הפרומפטים שלנו. הרבה פעמים זה כל מיני white spaces שאתם לא באמת צריכים, או… או אם סתם אתם רוצים לדעת כמה יש לכם, אז גם, זה אחלה כלי. אז Prompt Engineering זה בעצם, לצורך העניין, זה כלים שיעזרו לנו לכתוב את הפרומפט הנכון. ואם אתם רוצים ללכת על Open Source, אז כמובן יש לכם כל מיני החלטות שאתם צריכים לעשות. שאנחנו, יש לנו המון דאטה, המון documents, ואנחנו רוצים להבין האם יש לנו איזה document שמתאים ל-query מסוים, אז אנחנו מאנדקסים את זה כמובן ושמים את זה בדאטאבייס. אבל ל-VectorDB, כמובן, יש עוד use-case-ים.