ההכשרה רלוונטית לקבוצות מטעם ארגונים בלבד, ומותאמת באופן פרטני
אסטרטגיה לפני טכנולוגיה
תכלס. מעשי. בזמן קצר.
4 שעות אקדמיות
שליטה בבינה מלאכותית גנרטיבית – בזמן קצר, עם ערך גדול
בעולם שבו GenAI משנה את חוקי המשחק, קבלת החלטות מושכלת דורשת הבנה אמיתית של היכולות, ההשלכות וההזדמנויות שהטכנולוגיה הזו מביאה איתה.
GenAI for Decision Makers הוא קורס ממוקד, פרקטי ועכשווי – שנבנה במיוחד למנהלים, מפתחים, אנשי דאטה וטכנולוגיה שרוצים להוביל את הארגון שלהם קדימה.
להבין איך מודלים כמו GPT-4, Claude ו-Gemini פועלים – בלי להיבהל מהשפה הטכנית
לזהות מתי כדאי להשתמש במודלים קוד פתוח ומתי בפתרונות מסחריים
להכיר טכניקות מובילות כמו RAG, Fine-Tuning ומערכות מרובות ס-agents
ללמוד איך משקללים שיקולים עסקיים, כלכליים ואסטרטגיים בעבודה עם AI
לצלול לעולם של אתיקה, פרטיות, רגולציה ואחריות ניהולית בעידן של בינה מלאכותית
לבנות מפת דרכים לאימוץ והטמעת AI בארגון – ביעילות ובאחריות
ללמוד ממי שחי ונושם דאטה
המרצים שלנו לא מגיעים רק מהכיתה – אלא גם מהשטח. הם חיים את עולם הדאטה ביום-יום, מלמדים מתוך ניסיון אמיתי, ויודעים להסביר את הדברים הכי מורכבים בצורה הכי ברורה. בקיצור – אתם בידיים טובות.
רם קדם – חי את עולם ה-Data כבר למעלה מ-15 שנה, הוביל פרויקטים מגוונים, ניהל מקצועית מכללות מובילות, הדריך עשרות אלפי אנשים , וכתב ספרות בתחום ה-Data אשר נמכרת ברחבי העולם
מיכאל ווינר – פרינסיפל דאטה-סיינטיסט בסטארטאפ Yess. בנוסף, עבד והוביל יוזמות וצוותי דאטה סיינס ב AppsFlyer ו Digital Turbine. מעל 7 שנות ניסיון כמדען נתונים וכמנהל צוות בתחום, ו-10 שנות נסיון בתחום הדאטה.
אביב גלפנד דאטה סאיינטיסט בחברת הטק Darrow AI. בוגר תואר ראשון בסטטיסטיקה ובמדעי הנתונים מהאוניברסיטה העברית. כותב תזה בתחום מודלי השפה ושיטות לחסוך זמן ריצה וזיכרון בהן, במסגרת התואר השני באוניברסיטה העברית.
מאות אנשי דאטה לומדים איתנו מדי שנה
כך זה נשמע כשלמידה באמת עושה הבדל.
בונים יכולות דאטה – יחד עם הארגונים המובילים במשק
כל מה שצריך לדעת על הקורס
- Understanding AI and LLMs:
- What are large language models?
- The evolution from early AI systems to modern LLMs
- Key players and trends in the AI market
- Business Implications:
- How LLMs are reshaping industries
- Strategic advantages of leveraging AI in decision making
- Real-world examples of AI-driven innovation
- Core Concepts Explained:
- What is a transformer architecture?
- Breaking down tokens, context windows, and model parameters in plain language
- The role of training data and scaling laws (e.g., understanding “bigger” vs. “smarter” models)
- Implications for Business:
- Why model size and training quality matter
- Understanding performance metrics without the technical jargon
- How theoretical concepts translate into business value
- Cost Dynamics and Efficiency:
- Overview of API pricing models, subscription plans, and deployment costs
- The balance between performance and expense in AI applications
- Evaluating the trade-offs: local deployment vs. cloud-based solutions
- Operational Impacts:
- How efficiency improvements and scalability affect business outcomes
- The impact of technical decisions on ROI and competitive positioning
- Strategic planning for future AI investments
- Understanding the Options:
- The differences between open-source and proprietary LLMs
- The strategic implications of choosing one over the other
- Evaluating risk, control, and customization opportunities
- Case Studies and Examples:
- How various industries are leveraging open-source AI
- When proprietary solutions might offer a competitive edge
- Lessons learned from real-world deployments
- Concepts of Adaptation:
- What does fine-tuning mean in the context of AI?
- Simplified explanation of how models are tailored to specific business needs
- The importance of data quality and curation in achieving desired outcomes
- Strategic Considerations:
- When and why to invest in customized AI solutions
- Balancing innovation with operational readiness
- Long-term planning for AI integration into business processes
- Cutting-Edge Developments:
- An introduction to multi-agent systems and retrieval-augmented generation (RAG)
- Exploring multimodal AI: Combining text, image, and audio inputs for richer insights
- The evolving role of autonomous AI systems in business
- Strategic Foresight:
- How emerging technologies might disrupt current business models
- Preparing your organization for future AI advancements
- Ethical considerations and the importance of responsible AI governance
- Navigating the Ethical Landscape:
- Understanding the ethical challenges associated with AI deployment
- Data privacy, bias, and transparency: What decision makers need to know
- The role of governance in ensuring responsible AI usage
- Regulatory and Compliance Issues:
- Overview of current and emerging regulatory frameworks
- Strategies for managing risk and maintaining compliance
- Building a culture of accountability around AI initiatives
- From Theory to Practice:
- Developing an actionable AI strategy for your organization
- Key questions to ask when evaluating AI projects and vendors
- Aligning AI initiatives with overall business goals
- Future-Proofing Your Organization:
- Trends to watch in the AI landscape
- Building internal capabilities and fostering innovation
- Creating a roadmap for sustainable AI integration
במהלך הקורס, כל סטודנט יקבל גישה למערכת ניהול הלמידה, אשר נועדה להעשיר את חוויית הלמידה ולסייע בהשגת יעדי הקורס.
המערכת מציעה מגוון רחב של כלים ומשאבים המאפשרים למידה יעילה ונוחה:
- חומרי הלימוד: כל התכנים הנדרשים לקורס, כולל מצגות, הקלטות שיעורים, קבצי תרגול ועוד, זמינים באמצעותה.
- פורום דיונים: אפשרות לתקשר עם המרצים ועמיתים לקורס, לשאול שאלות ולקבל תשובות והבהרות.
- הגשת מטלות: הגשה מקוונת של משימות ומבחנים בצורה פשוטה ונוחה.
היכרות בסיסית עם עולם הבינה המלאכותית – לא חובה ניסיון מעשי, אך רצוי להכיר מושגים כלליים כמו ChatGPT, מודלים שפתיים או AI גנרטיבי.
חשיבה אנליטית ועסקית – הקורס מיועד למי שמקבל/ת החלטות או עוסק/ת בפיתוח, דאטה, מוצר או חדשנות.
שליטה בסיסית באנגלית טכנית – חלק מהמונחים והדוגמאות מבוססים על מקורות וממשקים באנגלית.
למי הקורס מתאים?
הקורס מיועד למנהלים, מפתחים, אנשי דאטה, חדשנות ומוצר – כל מי שרוצה להבין את עולם ה־GenAI בצורה אסטרטגית ומעשית, ולקבל החלטות חכמות לגבי שילוב בינה מלאכותית בארגון.
האם צריך רקע טכני?
לא חובה רקע תכנותי. הקורס בנוי כך שיתן לכם הבנה עמוקה של המושגים, השיקולים והיישומים – גם אם אתם לא כותבים קוד ביום-יום. כל החומר מוסבר בצורה בהירה ונגישה.
כמה זמן נמשך הקורס?
הקורס כולל מפגש אחד מרוכז של 4 שעות אקדמיות – עם שילוב של ידע תיאורטי, הדגמות מעשיות ודוגמאות מהשטח.
האם נדרש ידע מוקדם ב-Python או שימוש במודלים כמו GPT?
לא. הקורס מותאם גם למי שעושים את הצעדים הראשונים בעולם של GenAI. ידע קודם מהווה יתרון, אך אינו חובה.
האם הקורס מועבר פרונטלית או בזום?
אנחנו מציעים גמישות מלאה – ניתן לבחור בין הדרכה פרונטלית בארגון לבין מפגש אונליין בזום לפי הצורך שלכם.
האם מקבלים חומרי לימוד לאחר הקורס?
בהחלט. כל משתתף יקבל גישה למצגת הקורס, קישורים שימושיים ומשאבים שיסייעו להעמיק ולהמשיך ללמוד גם אחרי הסשן.