לנציגה אנושית בוואטספ
תפריט
6460
בדיקת התאמה להייטק ללא עלות

AI

LLM Agentic Development & Intelligent Applications for Developers

מספר הקורס 40850

למה ללמוד בג'ון ברייס?
  • למידה חדשנית ודינמית עם כלים מתקדמים בשילוב סימולציות, תרגול וסביבות מעבדה
  • מגוון הכשרות טכנולוגיות עם תכנים המותאמים להתפתחות הטכנולוגית ולביקוש בתעשיית ההייטק
  • מובילים את תחום ההכשרות לעולם ההייטק והטכנולוגיה כבר 30 שנה, עם קהילה של עשרות אלפי בוגרים
  • אתם בוחרים איך ללמוד: פרונטאלית בכיתה, מרחוק ב- Live Class או בלמידה עצמית
מעניין אותי לשמוע עוד

המועדים הקרובים

calendar-1.svg 22/07/2026
קורס ערב
calendar-1.svg 23/11/2026
קורס ערב
calendar-1.svg 28/12/2026
קורס בוקר

ניתן לפתוח את הקורס בהתאמה אישית ומלאה לצרכי הארגון, במועדים ומערכי לימוד גמישים בשילוב תכנים ייעודים.

משך הקורס

שעות לימוד:

40

מספר מפגשים:

קורס בוקר:

5

מספר מפגשים:

קורס בוקר:

5

  • מרצים מומחים ומנוסים מהתעשייה
  • למידה מתקדמת בהתאמה אישית
  • התפתחות ושדרוג מקצועי
  • חוויית למידה חדשנית ומקיפה
  • ליווי וייעוץ מקצועי
  • חומרי לימוד ייחודיים ובלעדיים

על הקורס בקצרה

The 5-day, hands-on course, is designed for software developers familiar with Node.js or Python.

The program moves from a foundation in the modern AI ecosystem, core LLM mechanics and advanced prompting techniques to building sophisticated intelligent applications.

Key areas of focus include mastering agent frameworks like LangChain and LangGraph, deep diving into Retrieval-Augmented Generation (RAG) for corporate knowledge integration and orchestrating complex, collaborative multi-agent architectures.

The curriculum culminates in designing custom agentic workflows, implementing advanced LangGraph state management and building Human-in-the-Loop (HITL) systems for enterprise protocols.

מטרות הקורס

למי מיועד הקורס

Software Developers

תכנית הלימודים

תכני הקורס

Modern AI Ecosystem Overview: A bird's-eye view of the key players (OpenAI, Anthropic, Google, Meta) and the shift from traditional ML to generative paradigms.

  • Generative AI Landscape: Exploration of text-to-text, text-to-image, and multimodal models
  • An overview of the building blocks of modern LLMs – embeddings, Transformer architecture
  • Developer 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 work, and practical tips for working with them
  • 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 generation
  • Understanding LLM Boundaries: Hallucinations, knowledge cutoffs, resource demands, and context window limits
  • Proprietary vs. Open-Source Models: Comparing commercial models (e.g., OpenAI, Anthropic) with open-weight alternatives (e.g., Llama, Mistral), evaluating costs, data privacy, enterprise considerations, and frameworks for running open-source LLMs on-premises (e.g., vLLM for high-throughput production, Ollama for local development, and Hugging Face TGI)
  • 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 messages
  • Introduction to Advanced Patterns: High-level overview of Function Calling (Tools), Agentic flows, Embeddings, and RAG (Retrieval-Augmented Generation)
דרישות קדם

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 available in both ecosystems.

קורסים מקצועיים למתקדמים