בעידן שבו מנועי חיפוש גנרטיביים תופסים נתח הולך וגדל מהתנהגות הגולשים, היכולת להבין את המודלים שמניעים אותם הופכת לרלוונטית לא רק למפתחים – אלא גם לאנשי שיווק.
אם עוד לא יצא לכם להעמיק, מומלץ לקרוא את המדריך שלנו על אופטימיזציה למנועים גנרטיביים ואת המדריך המעודכן על AI Overviews של גוגל, שמסבירים איך להתאים תוכן למנועים גנרטיביים כמו ChatGPT, Gemini, Perplexity וכו’.
אגב, אם אתם עוסקים בשיווק ועדיין לא הצטרפתם לקהילה החדשה שלנו – אנשי שיווק מג’נרטים, אתם מוזמנים להצטרף ולהיות חלק מהשיח שמתפתח סביב התחום הזה.
1. היכרות עם בינה מלאכותית גנרטיבית (Introduction to Generative AI)
קורס פתיחה בסיסי שמסביר מהי בינה מלאכותית גנרטיבית – תחום ה-AI שמסוגל לייצר טקסטים, תמונות, קוד, אודיו ועוד, מתוך נתוני אימון קיימים. הקורס עוסק בהבחנה בין Generative AI ללמידת מכונה מסורתית ומציג דוגמאות יישומיות מגוונות.
למה זה חשוב:
בינה מלאכותית גנרטיבית היא הבסיס לטכנולוגיות כמו ChatGPT, DALL·E, ועוד כלים שנכנסים במהירות לתחומי העבודה והשיווק.
מה תלמדו:
- מהי Generative AI וכיצד היא פועלת
- ההבדל בין Generative AI ללמידת מכונה קלאסית
- שימושים עכשוויים של טכנולוגיה זו
- סקירה של כלים לפיתוח AI בגוגל
2. היכרות עם מודלי שפה גדולים (Introduction to Large Language Models)
קורס זה מסביר את עקרונות הפעולה של LLMs – מודלים שמסוגלים להבין ולהפיק שפה אנושית, תוך הסתמכות על כמויות עצומות של טקסטים.
למה זה חשוב:
מודלי שפה גדולים (LLM) נמצאים בלב של יישומי בינה מלאכותית מודרניים, כולל מנועי חיפוש גנרטיביים, בוטים ושירותי סיכום מידע.
מה תלמדו:
- מהו LLM וכיצד הוא מאומן
- מתי נכון להשתמש במודלי שפה גדולים
- איך ניתן לשפר את התוצאות באמצעות Prompt Tuning
- שימושים עסקיים נפוצים של LLMs
3. היכרות עם בינה מלאכותית “אחראית” (Introduction to Responsible AI)
הקורס מציג את גישת גוגל לפיתוח בינה מלאכותית שמתחשבת באתיקה, הוגנות, שקיפות ומניעת נזקים פוטנציאליים.
למה זה חשוב:
ככל ש-AI משפיע על קבלת החלטות – גוברת גם האחריות החברתית והמשפטית בפיתוחו ובשימוש בו.
מה תלמדו:
- מהם עקרונות הבינה המלאכותית האחראית של גוגל
- איך מיישמים אותם בפועל במוצרי AI
- מהי הבעיה של הטיה והפליה במודלים
- למה כל זה חשוב גם למפתחים וגם לאנשי מוצר
4. עיצוב פקודות ב-Vertex AI (Prompt Design in Vertex AI)
הקורס מלמד כיצד לתקשר נכון עם מודלים של בינה מלאכותית בעזרת ניסוח פקודות (Prompts) מדויקות ואפקטיביות.
למה זה חשוב:
Prompt Engineering הפך לכלי עבודה חיוני למי שמעוניין להוציא את המירב ממודלים גנרטיביים – גם ללא כתיבת קוד.
מה תלמדו:
- איך בנוי Prompt איכותי
- טכניקות לעיצוב פקודות יעילות
- דוגמאות מעשיות ליצירת טקסטים ותמונות
- תרגול hands-on ב-Vertex AI של גוגל
5. מבוא ליצירת תמונות (Introduction to Image Generation)
קורס שמסביר כיצד מחשבים יכולים “לצייר” תמונות חדשות לגמרי, בעזרת מודלים כמו Diffusion Models ומודלים פיזיקליים.
למה זה חשוב:
תחום יצירת התמונות באמצעות AI פורץ לתעשיות כמו עיצוב, פרסום, קולנוע ואופנה.
מה תלמדו:
- עקרונות פעולה של מודלים ליצירת תמונה
- מה זה מודל דיפוזיה ואיך הוא עובד
- דוגמאות ליישום מעשי
- הקשר בין פיזיקה ללמידת מכונה בתחום זה
6. ארכיטקטורת מקודד-מפענח (Encoder-Decoder Architecture)
הקורס מציג את המבנה הבסיסי של הרבה מודלים שמשתמשים בטקסט – בעיקר בתחום תרגום, סיכום ומענה על שאלות.
למה זה חשוב:
הבנה של הארכיטקטורה הזו עוזרת להבין איך פועלים שירותים כמו Google Translate או אלגוריתמים לסיכום טקסטים.
מה תלמדו:
- מהם החלקים של Encoder ו-Decoder
- איך המידע “עובר” בין החלקים
- באילו בעיות משתמשים בארכיטקטורה זו
- דוגמאות יישומיות לתרגום וסיכום
7. מנגנון ה”קשב” (Attention Mechanism)
מנגנון הקשב מאפשר למודלים להתמקד רק בחלקים הרלוונטיים של קלט, במקום לעבד את הכל באותו משקל.
למה זה חשוב:
“קשב” (Attention) היה אחד מפריצות הדרך שהובילו להצלחה של מודלי Transformer, והוא בלב במודלי ה-AI הכי מתקדמים כיום.
מה תלמדו:
- איך פועל מנגנון הקשב
- למה הוא יעיל יותר מ-RNN
- איך משתמשים בו במודלים לשוניים
- דוגמאות ליישומים בטקסט ובתמונות
8. מודלי Transformer ומודל ברט (Transformer Models and BERT Model)
קורס זה מתעמק בארכיטקטורת Transformer ובפרט במודל BERT, שמספק הבנה עמוקה של טקסט בשפה טבעית.
למה זה חשוב:
מודל BERT של גוגל משמש את מנוע החיפוש של החברה ויישומים נוספים להבנת כוונת המשתמש – כולל AI Overviews.
מה תלמדו:
- מבנה Transformer וייחודו מול RNN
- איך עובד BERT ומה היתרונות שלו
- שימושים של BERT בזיהוי ישויות, מענה על שאלות, סיווג טקסט
- כלים ללמידה מעמיקה והתנסות מעשית
9. בניית מודלים ליצירת כיתובים לתמונות (Create Image Captioning Models)
לימוד של שילוב בין מודלים חזותיים לטקסטואליים ליצירת תיאורים מדויקים לתמונות באופן אוטומטי.
למה זה חשוב:
משימות כמו נגישות לעיוורים, ניתוח תוכן חזותי, סידור גלריות – כולן נשענות על מודלים מהסוג הזה.
מה תלמדו:
- איך בנוי מודל Captioning
- אילו נתונים נדרשים לאימון
- איך להעריך תוצאה של כיתוב
- יישומים מתקדמים בתעשייה
10. מבוא ל-Generative AI Studio (Introduction to Generative AI Studio)
סקירה של סביבת הפיתוח של גוגל ליצירת אפליקציות מבוססות Generative AI – כולל הדגמות ותיעוד.
למה זה חשוב:
הסטודיו מאפשר לכל אחד – לא רק מפתחים – לבנות פתרונות AI במהירות וללא קוד מורכב.
מה תלמדו:
- עבודה עם ממשק Vertex AI Studio
- תכנון והנדסת פקודות (prompt engineering)
- בניית אפליקציות מבוססות Generative AI
- סקירה של כלים, מודלים והגדרות בסיסיות
לסיכום, אם אתם רוצים להתחיל עם בינה מלאכותית בצורה פרקטית, ברורה ומסודרת – זה המקום להתחיל ממנו.
כל הקורסים פתוחים לכולם, ללא תשלום, עם תוכן באיכות הגבוהה ביותר כפי שגוגל יודעים לעשות. השקיעו שעה ביום, ותוך שבוע תבינו איך העולם של הבינה המלאכותית עובד ואיך אתם יכולים להיות חלק ממנו.
