בלוג

RB30-00 רשימת נושאים — מבוא לבינה מלאכותית

דוח מפורט הרצאות RB30 — מבוא לבינה מלאכותית

מיפוי מלא של נושאי הלימוד, התוכנות, מושגי הבינה המלאכותית ותרגילי הכיתה בכל הרצאה.

הדוח מבוסס על סריקה של שלושת דפי תוצאות החיפוש וכל דפי ההרצאות המקושרים באתר. תאריך סריקה: 2 באוגוסט 2026.

הערת מספור: באתר נמצאו הרצאות RB30-01–RB30-11, RB30-13 ו‑RB30-15–RB30-18. לא נמצאו דפי הרצאה בשם RB30-12 או RB30-14. ל‑RB30-01 ול‑RB30-10 קיימים שני דפים נפרדים, ולכן שניהם מוצגים יחד תחת אותו מספר. RB30-00 הוא דף אינדקס/דוח ולא הרצאה, ולכן אינו נספר כהרצאה.

תקציר כולל של הקורס

הקורס מתקדם מהיכרות עם AI, למידת מכונה, Dataset, דיפ־פייק ו‑GAN אל מודלי שפה גדולים, Transformer וכתיבת פרומפטים. לאחר מכן עוברים ליצירה מעשית של מוזיקה, תמונות, קול, אפליקציות ללא קוד, עיצוב בית ואופנה, עבודה עם Excel ו‑VBA, ניתוח נתונים, רשתות נוירונים, זיהוי פנים, אווטארים, פיתוח מוצר ודף נחיתה, יצירת מודלים תלת־ממדיים ולבסוף בניית סוכני AI המחוברים לכלים ושירותים.

הקו המרכזי של תרגילי הכיתה הוא מעבר מצריכת תשובות של AI ליצירת תוצר עובד: שיר, תמונה, קובץ Excel, אפליקציה, טופס, מודל תלת־ממדי או סוכן אוטומטי. במקביל נלמדים אימות מידע, בדיקת תוצאות, בטיחות, הרשאות, פיקוח אנושי והבדל בין פלט הסתברותי לבין חוק דטרמיניסטי.

תוכן עניינים מהיר  (בהמשך פירוט)

RB30-01 — מושגי יסוד, Deepfake ו‑GAN
RB30-02 — מבוא ל‑LLM
RB30-03 — מוזיקה ושירים ב‑AI
RB30-04 — אפליקציה ללא קוד
RB30-05 — מחקר, NotebookLM ומפות
RB30-06 — עיצוב בית ונדל״ן
RB30-07 — עיצוב אופנה ו‑RL
RB30-08 — Excel חלק 1
RB30-09 — Excel VBA חלק 2
RB30-10 — ניתוח נתונים ורשתות נוירונים
RB30-11 — זיהוי פנים
RB30-13 — Avatar ו‑Photopea
RB30-15 — מוצר ודף נחיתה
RB30-16 — סוכנים חלק א
RB30-17 — בינה מלאכותית ותלת־ממד
RB30-18 — סוכנים חלק ב

טבלת מיפוי מהירה

הרצאה מוקד מרכזי תוכנות וכלים עיקריים תוצר כיתתי מרכזי
RB30-01 AI/ML, Dataset, Deepfake, GAN, בטיחות Google Translate, OpenVoice, Narakeet, DeOldify Colab, Generated Photos, Perchance, Programiz ניתוח סכנות דיפ־פייק, TTS, הגנות מפני התחזות
RB30-02 LLM, Transformer, פרומפטים, Text-to-Image, TTS, AI רפואי ChatGPT, PicLumen, Google Colab ברכה ושיר, חידות היגיון, תמונה ו‑TTS
RB30-03 Text-to-Music, קול, תמונה ואודיו Suno, ChatGPT, MusicGen, Riffusion, Magenta, ElevenLabs, Librosa, FFmpeg, PicLumen, Colab כתיבת שיר והפקתו ב‑Suno
RB30-04 No-Code, פודקאסט והשוואת LLM Google AI Studio, NotebookLM, ChatGPT, Claude, Gemini, ChatOn אפליקציית משחק ופודקאסט
RB30-05 מחקר רב־מקורות, KML, Storybook NotebookLM, Google Earth, MarineTraffic, Gemini Storybook, ChatGPT, Claude, Gemini, Grok מחקר הורמוז, מפת נמלים וסיפור מדעי
RB30-06 AI Safety, עיצוב פנים/חוץ ונדל״ן ChatGPT, PhotoRoom, NeighborBrite, MNML.AI, ReimagineHome, HomeInterior, Gepetto, Canva עיצוב מחדש של חדר, בית וגינה
RB30-07 אופנה, Virtual Try-On, RL, MCP Suno, TopMediai, RVC, Coqui TTS, Colab, NotebookLM, Steezely, Doppl, Clo3D, Canva קטלוג אופנה עם אווטאר, ביגוד, איפור ומוזיקה
RB30-08 Excel, openpyxl, נוסחאות, ניתוח וגרפים Excel, Python, openpyxl, ChatGPT, Grok, Google Colab, Canva קבצי עובדים/פרויקטים/משמרות וניתוח נדל״ן
RB30-09 Excel VBA, מאקרו, בדיקות טופס ואוטומציה Excel VBA, Gemini Storybook, NotebookLM קוד VBA לאימות נתונים, לולאות וחישובי שכר
RB30-10 ניתוח Excel/PDF, הסתברות, ANN, Classification ChatGPT, Gemini, Excel, Google Colab מפת חום, השוואת PDF ואימון רשת סיווג
RB30-11 Face Recognition, Embedding, Cosine Similarity InsightFace, Google AI Studio, Python, Colab, NotebookLM טשטוש פנים, השוואת שתי פנים ומחקר תקיפות
RB30-13 אווטאר ועריכת תמונה PhotoRoom, Photopea, Python הסרת אובייקטים, הוספת טקסט ודמויות
RB30-15 מוצר, שיווק ודף נחיתה Photopea, Colab, Google Forms, Suno, ChatGPT Findex: מוצר, לוגו, טופס, דף נחיתה ושיר שיווקי
RB30-16 מבוא לסוכנים וטפסים ChatGPT, Google Forms, Google Sheets, Excel, Claude Chat/Cowork/Code טופס רישום וסקר עם שמירת תשובות
RB30-17 Image-to-3D והכנה להדפסה Photopea, Tripo3D, Meshy המרת תמונה/שרטוט למודל תלת־ממדי
RB30-18 סוכני AI, MCP, n8n, WhatsApp, בטיחות n8n, WhatsApp API, Meta Business, OpenAI API, NotebookLM, Gmail, Python, Accio Work סוכן WhatsApp מלא ותכנון סוכן לתחום אישי

RB30-01 — מבוא לבינה מלאכותית, למידת מכונה, Deepfake ו‑GAN

צפייה בהרצאת המבוא · צפייה בדף סיכום מושגי היסוד

מטרת ההרצאה: לבנות שפה בסיסית משותפת לקורס, ולהבין גם את יכולות ה‑AI הגנרטיבי וגם את סיכוני ההתחזות והזיוף.

מה נלמד

  • הבדל בין AI, למידת מכונה ותוכנה רגילה המבוססת על חוקים מפורשים.
  • Dataset, דוגמאות מתויגות וחלוקה ל‑Train, Validation ו‑Test.
  • מדיה סינתטית: Deepfake, החלפת פנים, סנכרון שפתיים, יצירת אדם וירטואלי ושיבוט קול.
  • הבדל בין שימוש חיובי ומוסכם לבין התחזות, גניבת זהות, הונאה ודיסאינפורמציה.
  • Voice Embedding, Voice Cloning ו‑TTS; מדוע קול אינו יכול עוד לשמש הוכחת זהות יחידה.
  • הגנות: מילת קוד משפחתית, ניתוק וחזרה למספר מוכר, ערוץ אימות שני, MFA, Liveness, Provenance ו‑C2PA.
  • GAN: Generator מול Discriminator, אימון תחרותי, ציון אמינות ושיפור איטרטיבי; צביעת וידאו בעזרת DeOldify.
  • Digital Resurrection/Grief Tech: שילוב LLM, RAG, Voice Cloning ואווטאר, לצד שאלות הסכמה, פרטיות ואתיקה.
  • היסטוריית AI: נוירון לוגי, טיורינג, דארטמות׳, Backpropagation, Deep Blue, AlexNet, AlphaGo, Transformer ו‑Diffusion.

תוכנות ופלטפורמות

  • Google Translate; Gmail לצורכי הקורס.
  • OpenVoice ופרויקט הקוד הפתוח MyShell OpenVoice.
  • Narakeet להמרת טקסט עברי לקול.
  • Google Colab ו‑DeOldify לצביעה ושחזור וידאו.
  • Generated Photos ו‑Perchance ליצירת דמויות/תמונות.
  • Programiz להפעלת קוד Python בדפדפן.

נושאי AI

Deep Learning, GAN, Deepfake Detection, Voice Cloning, TTS, LLM, RAG, Digital Human, Synthetic Media, Dataset, Supervised Learning, Provenance.

תרגילי כיתה חובה

  1. לרשום שבעה יתרונות ושבעה חסרונות של Deepfake/Hypermedia, ולהציע דרכי התמודדות.
  2. לדון בהשפעת עולם שבו קשה להבחין בין אמת ל‑AI, במיוחד על ילדים צעירים.
  3. להפעיל Narakeet, להדביק טקסט נתון, להפיק דיבור בעברית, לשנות את הטקסט ולהשמיע מחדש.
  4. לנתח אירוע התחזות בקול מנהל/בן משפחה, ולהגדיר תגובת הגנה נכונה.
  5. לכתוב שלוש דוגמאות להונאות קול/וידאו ולכל אחת מנגנון הגנה; לקיים דיון כיתתי.

תוצר מצופה: מסמך ניתוח סיכונים והגנות, קובץ קול שנוצר ב‑TTS והבנה מושגית של GAN ומדיה סינתטית.

RB30-02 — מבוא למודלי שפה גדולים (LLM)

צפייה בהרצאה

מטרת ההרצאה: להבין מהו LLM, כיצד התפתח ה‑Transformer וכיצד לנסח, לבדוק ולשפר בקשה למודל.

מה נלמד

  • יכולות LLM: השלמת טקסט, שאלה ותשובה, סיכום, תרגום ויצירת קוד.
  • היסטוריית OpenAI והמעבר מגישות RNN/LSTM ל‑Attention ול‑Transformer; GPT‑1 ו‑ChatGPT.
  • עבודה איטרטיבית: פרומפט ראשוני, Feedback, זיהוי טעות ושיפור הפלט.
  • Text-to-Image כתהליך Diffusion: התחלה מרעש וניקוי הדרגתי לפי תיאור טקסטואלי.
  • TTS והפעלת קוד AI ב‑Google Colab.
  • AI ברפואה: LLM לסיכום תיק, Computer Vision להדמיה, מודלים לסדרות זמן, Fusion, RAG ו‑Human-in-the-loop.

תוכנות ונושאי AI

  • ChatGPT, PicLumen, Google Colab.
  • LLM, Attention, Transformer, Prompt Engineering, Diffusion, Text-to-Image, TTS, Computer Vision, RAG, Multimodal Fusion.

תרגילי כיתה חובה

  1. לכתוב ב‑ChatGPT ברכת יום הולדת אישית מאוד, לספק פרטים ורגש, לתת משוב ולתקן; לאחר מכן להפוך אותה לשיר.
  2. לנסח שאלת מומחה על נושא שהתלמיד מכיר, ולהשוות את תשובת ה‑AI לידע האנושי.
  3. לפתור ללא מחשב חידות לוגיקה: אחוזים, שלושה מתגים ונורה, וזיהוי חומץ בעזרת סודה לשתייה.
  4. ליצור ב‑PicLumen תמונה לפי הפרומפט הנתון של חתול ורוד הרוכב על אופניים ביער.
  5. להריץ מחברת Colab של Text-to-Speech וליצור פלט קול.

תוצר מצופה: ברכה ושיר משופרים, תמונת AI, פלט TTS והבנה מתי נדרש מקור מאומת ופיקוח אנושי.

RB30-03 — יצירת שירים ומוזיקה עם בינה מלאכותית

צפייה בהרצאה

מטרת ההרצאה: להפיק שיר מלא מטקסט ולראות כיצד מחברים מודל שפה, מחולל מוזיקה, קול וכלי עיבוד אודיו.

מה נלמד

  • בניית מילים לשיר לפי קהל, מקום, סגנון, רגש וחריזה.
  • הפקת שיר ב‑Suno במצב Custom: מילים, סגנון, כלי נגינה וסוג קול.
  • סקירת Text-to-Music: MusicGen, Riffusion ו‑Magenta.
  • סינתזת קול: XTTS-v2, Tortoise-TTS, ElevenLabs ו‑VITS.
  • עיבוד וניתוח אודיו: Librosa, Torchaudio ו‑FFmpeg; MIDI עם FluidSynth ו‑MIDIUtil.
  • שילוב מומלץ להפקה: MusicGen + XTTS-v2 + Librosa.
  • חזרה על Text-to-Image, TTS ב‑Colab ויישומי AI ברפואה.

תוכנות ונושאי AI

Suno, ChatGPT, MusicGen, Riffusion, Magenta, XTTS-v2, Tortoise-TTS, ElevenLabs, VITS, Librosa, Torchaudio, FFmpeg, FluidSynth, MIDIUtil, PicLumen, Google Colab.

Text-to-Music, Audio Generation, Voice Synthesis, Audio Processing, MIDI Generation, Text-to-Image, TTS.

תרגילי כיתה חובה

  1. לבקש מ‑ChatGPT לכתוב שיר קצר עם פרמטרים מפורטים, לבדוק חריזה ולתקן.
  2. להעתיק את המילים ל‑Suno, לבחור Custom ולהפיק שיר מלא.
  3. לחזור על יצירת תמונה ב‑PicLumen ולהריץ מחברת TTS ב‑Colab.

תוצר מצופה: שיר מקורי עם מילים, לחן ושירה, לצד הבנת שרשרת Text → Lyrics → Music/Voice → Audio.

RB30-04 — בניית אפליקציה ללא קוד

צפייה בהרצאה

מטרת ההרצאה: להפוך תיאור בשפה טבעית לאפליקציית ווב עובדת, ולבחון יצירתיות ולמידה בעידן ה‑AI.

מה נלמד

  • NotebookLM כמערכת מחקר מבוססת מקורות ויצירת פודקאסט דו־דוברי.
  • השוואת Claude, ChatGPT ו‑Gemini על אותה משימת מחקר.
  • Google AI Studio App Builder: תיאור אפליקציה, יצירת ממשק וקוד, Preview, תיקון בצ׳אט ושיתוף.
  • דוגמאות: חתימה על PDF ומשחק פינג־פונג/שש־בש לשני שחקנים.
  • איטרציה על דרישות: שינוי צבעים, חוקי משחק, הודעת ניצחון ואנימציה.

תוכנות ונושאי AI

Google AI Studio, NotebookLM, ChatGPT, Claude, Gemini, ChatOn; No-Code App Generation, LLM Comparison, Podcast Generation, Prompt Iteration.

תרגילי כיתה חובה

  1. בקבוצות: לחקור יצירתיות, זיכרון, הגיון ולמידה בעידן AI לפי קבוצות גיל, לבסס במאמרים ובסרטונים ולהפיק מסקנות.
  2. ליצור ב‑NotebookLM סרטון ופודקאסט דו־דוברי על הנושא.
  3. לבנות ב‑Google AI Studio משחק לשני שחקנים, לבדוק, לשפר, לשתף ולבדוק גם בטלפון.

תוצר מצופה: אפליקציית ווב משותפת ופודקאסט מבוסס מקורות.

RB30-05 — מחקר רב־מקורות, NotebookLM, מפות וסיפור מדעי

צפייה בהרצאה

מטרת ההרצאה: לבצע מחקר מהיר אך מבוסס מקורות ולהמיר אותו לאינפוגרפיקה, מפה וסיפור מדעי לקהלים שונים.

מה נלמד

  • השוואה ושימוש ב‑Grok, Claude, Gemini ו‑ChatGPT; הצורך לבדוק תשובות ולא להסתפק במודל אחד.
  • NotebookLM: איסוף מקורות אינטרנט, טקסט וסרטונים והפקת אינפוגרפיקה.
  • מחקר מיצר הורמוז: תפוקת נפט, סוגי מכליות, זמני טעינה, נמלים, מדינות, מחירי נפט והשפעה עולמית.
  • יצירת KML בעזרת AI, טעינה ל‑Google Earth ומעקב אוניות ב‑MarineTraffic.
  • Gemini Storybook: התאמת אותו ידע לגרסה פשוטה ולגרסה מדעית.
  • דוגמת הידרופוניקה: pH, EC, NPK, PPFD, DLI, Lux, טמפרטורה, לחות וחמצן מומס.
  • בדיקת סיפור כ״אמת או שקר״, שיווק ב‑AI ותכנון כנף כרעיון הנדסי.

תוכנות ונושאי AI

NotebookLM, Google Earth, MarineTraffic, Gemini Storybook, ChatGPT, Claude, Gemini, Grok; Grounded Research, Source Synthesis, Geospatial Data/KML, Story Generation, Verification.

תרגילי כיתה חובה

  1. לבנות ב‑NotebookLM אינפוגרפיקה מלאה על משבר הורמוז ולענות על שאלות כמותיות.
  2. ליצור קובץ KML של נמלי המפרץ, לשמור בתיקיית Downloads ולהציג ב‑Google Earth.
  3. לאתר מכליות בזמן אמת ב‑MarineTraffic.
  4. ליצור ב‑Gemini Storybook סיפור פשוט וסיפור מדעי על גידול חסה הכולל ערכים מדעיים.
  5. להעריך סיפור חשוד, לנסח פרומפט בדיקה ולהחליט אם הוא הגיוני ומבוסס.

תוצר מצופה: חבילת מחקר הכוללת אינפוגרפיקה, קובץ KML, מפה וסיפור מדעי מותאם קהל.

RB30-06 — עיצוב בית, בנייה ונדל״ן בעזרת AI

צפייה בהרצאה

מטרת ההרצאה: להשתמש ב‑Image-to-Image לעיצוב חללים, תוך הבנת מגבלות, בטיחות וזיהוי תוכן מזויף.

מה נלמד

  • AI Safety: אובדן שליטה, אי־צפיות, Jailbreaks, הסתרת יכולת ותחרות בין חברות ומדינות.
  • זיהוי תמונה אמיתית מול מזויפת והצורך בבדיקת מקור.
  • שמירה על פרופורציות בעת Reimagine של חדר/בית.
  • הסרת אלמנטים ורקע מתמונה והכנת חומר שיווקי.
  • כלים ייעודיים לעיצוב פנים, חוץ וגינה; השוואת יתרונות וחסרונות.
  • שיווק נכס בעזרת דמות/אווטאר ב‑Canva; היכרות עם הדפסת בתים בתלת־ממד ויישומי AI בנדל״ן.

תוכנות ונושאי AI

ChatGPT, NotebookLM, PhotoRoom, NeighborBrite, MNML.AI, ReimagineHome, HomeInterior.ai, Gepetto, Canva; Image-to-Image, Inpainting, Generative Design, AI Safety, Real-vs-Fake.

תרגילי כיתה חובה

  1. לבחור שלוש תמונות ולעצב אותן מחדש ב‑ChatGPT תוך שמירת פרופורציות.
  2. להסיר אלמנטים ב‑PhotoRoom.
  3. לעצב גינה ב‑NeighborBrite ולנתח יתרונות וחסרונות.
  4. לעצב חדר ובית בכלי ייעודי, לשתף בקבוצה ולהשוות תוצאות.
  5. ליצור ב‑Canva דמות שמציגה ומשווקת בית לפני/אחרי שיפוץ.

תוצר מצופה: סט תמונות לפני/אחרי, הצעת עיצוב פנים/חוץ וסרטון שיווקי קצר.

RB30-07 — עיצוב בגדים, קול, למידת חיזוק ו‑MCP

צפייה בהרצאה

מטרת ההרצאה: לבנות תהליך אופנה דיגיטלי מלא ולהכיר את המודלים שמאחורי קול, יצירת תמונה וסוכן המחובר לכלים.

מה נלמד

  • שינוי/שיבוט קול: Voice Embedding, RVC, Tortoise TTS, VALL‑E, Vocoder, Biometric Verification ו‑Fine-tuning.
  • מחוללי מוזיקה: Suno, AudioLDM, MusicLM, Jukebox; Diffusion, Autoregressive Transformer ו‑VQ‑VAE.
  • למידת חיזוק: Agent, Environment, State, Action, Reward, ניסוי וטעייה, Credit Assignment, Q‑Learning, Policy Gradients ו‑Exploration/Exploitation.
  • חזרה על ANN קטגוריאלית והרצה ב‑Colab.
  • Virtual Try-On, איפור וירטואלי, Sketch-to-Design, קטלוג אופנה ואווטאר.
  • MCP כתקן לחיבור LLM לכלים, קבצים, API ומסדי נתונים.
  • רקע לפיתוח מערכת אופנה: Dataset, תיוג, DeepFashion/Fashionpedia, Stable Diffusion, DALL·E, FashionCLIP, VITON-HD, Training Pipeline ו‑Deployment.

תוכנות

Suno, TopMediai, RVC-WebUI, Coqui TTS, Google Colab, NotebookLM, Steezely, Doppl, Clo3D, Canva, thenewblack.ai; וכן React/Vue/Next.js, Python, FastAPI/Flask, Hugging Face ו‑Replicate כרקע פיתוח.

תרגילי כיתה חובה

  1. ליצור פריטי אופנה על רקע לבן, דמות גבר ואישה, ולהלביש עליהם בגדים, תכשיטים ואביזרים.
  2. לאתר ולהשוות כלי איפור וירטואלי; להעלות תמונה ולבצע איפור.
  3. לבצע Try-On בטלפון ולשתף תוצאה בקבוצה.
  4. לחקור כלים חלופיים ל‑thenewblack.ai ואת השפעתם על ענף האופנה.
  5. ליצור קטלוג מלא: דמות, מספר פריטים, איפור, תכשיט, אווטאר מדבר ב‑Canva ומוזיקת רקע שנוצרה ב‑AI.

תוצר מצופה: קטלוג אופנה דיגיטלי קצר ויכולת להסביר את שרשרת הנתונים והמודלים שמייצרת אותו.

RB30-08 — עבודה עם Excel בעזרת AI, חלק 1

צפייה בהרצאה

מטרת ההרצאה: לתרגם דרישה בשפה טבעית לקובץ Excel מקצועי עם נוסחאות, עיצוב, אימות נתונים, גרפים וניתוח.

מה נלמד

  • כיצד LLM כותב Python, וכיצד openpyxl יוצר בפועל קובץ .xlsx.
  • Workbook, Worksheet, כתיבה לתאים, הוספת שורות, נוסחאות, עיצוב ושמירה.
  • נוסחאות Excel: AVERAGE, MAX, MIN, SUM, COUNT, COUNTA, STDEV.S, COUNTIF, SUMIF, AVERAGEIF, XLOOKUP, IF, RANK, ROUND, TODAY ו‑DATEDIF.
  • Conditional Formatting, Dropdown/Data Validation, AutoFilter, Freeze Panes וגרפים.
  • שימוש ב‑ChatGPT/Grok ליצירת קובץ ולאחר מכן בדיקת הנוסחאות והתוצאה.
  • ניתוח קובץ נדל״ן: מגמות, כדאיות שיפוץ והחזר השקעה משכירות.
  • יצירת אנימציה ב‑Canva.

תוכנות ונושאי AI

Microsoft Excel, Python, openpyxl, ChatGPT, Grok, Google Colab, Canva; Code Generation, Natural-Language-to-Spreadsheet, Data Analysis, Visualization.

תרגילי כיתה חובה

  1. להריץ ב‑Colab סקריפט openpyxl, להוריד את הקובץ מתיקיית Files ולפתוח ב‑Excel.
  2. ליצור קובץ 20 עובדים עם גיל, מין, תאריך לידה ושכר, כולל סיכומים וגרף קבוצות שכר.
  3. ליצור קובץ מעקב עובדים ופרויקטים עם שתי רשימות נפתחות, חישובי איחור/הקדמה, סטטוס, צביעה וגרף.
  4. ליצור טבלת שיבוץ 35 טכנאים בשלוש משמרות ובחירה מרשימה נפתחת.
  5. לנתח את קובץ הנדל״ן של גבעתיים על סמך הקובץ בלבד.
  6. ליצור אנימציה קצרה ב‑Canva.

תוצר מצופה: לפחות קובץ Excel אוטומטי אחד עם נוסחאות, רשימות, עיצוב וגרף, וכן דוח ניתוח נתונים קצר.

RB30-09 — Excel VBA חלק 2, אפליקציה ושיווק

צפייה בהרצאה

מטרת ההרצאה: להפוך חוברת Excel למערכת עבודה עם מאקרו, אירועים, בדיקות קלט וחישובים אוטומטיים.

מה נלמד

  • הפעלת לשונית Developer, פתיחת Visual Basic Editor, הוספת Module ושמירה כ‑.xlsm.
  • אירועי Workbook: בדיקה לפני שמירה ולפני הדפסה.
  • כתיבה וקריאה מתא, MsgBox, משתנים, If/ElseIf/Else, לולאות For וחישובים.
  • חישוב שכר שנתי, בונוס, העלאה, סכום, מקסימום, ספירת עובדים פעילים ושינוי צבע לפי סטטוס.
  • בדיקות טופס: שדה חובה, אורך שם, מספר, גיל 18+, תאריך, תעודת זהות, עיר, טלפון, אימייל, שכר ומחלקה.
  • בניית אפליקציה המיועדת לשיפור יכולת אנושית ובדיקת טענה בעזרת מקורות.
  • תוכנית שיווק, מודל הכנסות, תחזית ומצגת/וידאו בעברית ובאנגלית.

תוכנות ונושאי AI

Microsoft Excel VBA, Gemini Storybook, NotebookLM; AI-assisted Coding, Macro Automation, Input Validation, Event-driven Programming, AI Video.

תרגילי כיתה חובה

  1. ליצור Storybook טכני הכולל רשימת נושאים מוגדרת מראש.
  2. לבנות בקבוצה אפליקציה לשיפור זיכרון/שליטה באימפולסיביות או יכולת אחרת, לבסס את הטענה, לשפר ולפרסם.
  3. להכין תוכנית שיווק, מכירות, מודל הכנסות ותחזית; להפיק הצגה בעברית ובאנגלית.
  4. ליצור קובץ עובדים ולתרגל עם המרצה את דוגמאות ה‑VBA: תנאים, לולאות, חישובים, אימותים וצביעה.
  5. לבנות בדיקת טופס מלאה שעוצרת בהודעת שגיאה ומאשרת רק נתונים תקינים.

תוצר מצופה: קובץ .xlsm פעיל עם מאקרו ובדיקות, לצד אב־טיפוס ותוכנית עסקית לאפליקציה.

RB30-10 — ניתוח נתונים, הסתברות ורשתות נוירונים

צפייה בדף ניתוח Excel/PDF · צפייה בדף משקפי AI ורשתות נוירונים

מטרת ההרצאה: לחבר ניתוח נתונים יישומי להבנה מדעית של פלט הסתברותי ואימון רשת סיווג.

מה נלמד — ניתוח נתונים

  • מערכת דטרמיניסטית: אותו קלט נותן אותה תוצאה; מערכת פרובביליסטית: פלט כהסתברות.
  • שילוב מודל הסתברותי עם כלל החלטה דטרמיניסטי ו‑Threshold.
  • ניתוח Excel ב‑ChatGPT: Correlation Heatmap, קבוצות רמה, גורמים משפיעים והסקת המלצות.
  • ניתוח והשוואת מפרטי רכב מחמישה PDF ב‑ChatGPT וב‑Gemini.
  • השוואת דוחות נדל״ן לשנים 2001, 2021 ו‑2024 באמצעות טבלאות, גרפים ומגמות.
  • יצירת סרטון שיווק מוצר מטקסט או מתמונה וטקסט.

מה נלמד — רשתות נוירונים

  • נוירון: קלטים, משקלים, Bias ופלט; y = Σxw + b.
  • Input/Hidden/Output Layers; למידת תכונות פשוטות ומורכבות.
  • Training: Prediction, Error, תיקון משקלים וחזרה באפוקים.
  • עיבוד קול ל‑Spectrogram וסיווג תבניות.
  • Dense Feedforward ANN בלמידה מפוקחת; Classification מול Regression.
  • משקפי AI כיישום Wearable AI; מבוא לאלגוריתם גנטי עם רשת נוירונים.

תוכנות ונושאי AI

ChatGPT, Gemini, Microsoft Excel, Google Colab, Python; Probability, Thresholding, Correlation, ANN, Supervised Learning, Classification, Regression, Spectrogram, Genetic Algorithm.

תרגילי כיתה חובה

  1. לטעון את exp1, ליצור מפת חום קורלציות, לזהות קבוצות רמה ולנסח המלצות על בסיס הקובץ בלבד.
  2. לטעון חמישה קטלוגי רכב ל‑ChatGPT ול‑Gemini, להשוות תשובות, אמינות ואיכות.
  3. לטעון שלושה דוחות נדל״ן, להפיק תקציר מספרי, טבלת השוואה וגרפי מגמה.
  4. לבנות ב‑Python/Colab רשת סיווג לשלוש קבוצות נקודות, לאמן 40 ו‑100 Epochs, לבדוק אם למדה ולחזות נקודות חדשות.
  5. להציג גרף נתונים ולהסביר מדוע זו Classification ולא Regression.

תוצר מצופה: דוח נתונים עם מפת חום וגרפים, וכן מחברת Colab המציגה אימון וחיזוי של ANN.

RB30-11 — זיהוי פנים בבינה מלאכותית

צפייה בהרצאה

מטרת ההרצאה: להבין זיהוי פנים כבעיית ייצוג והשוואה מתמטית, לבנות יישומים ולבחון תקיפות והגנות.

מה נלמד

  • InsightFace לזיהוי, איתור וניתוח פנים.
  • מדוע השוואת פיקסלים נכשלת תחת שינוי תאורה, זווית והבעה.
  • Face Embedding: המרת פנים לווקטור בן 512 ערכים כ״טביעת אצבע״ מספרית.
  • מאפיינים יחסיים של פנים וייצוג מופשט של רשת עמוקה.
  • Cosine Similarity כמדידת זווית בין וקטורים; ערך קרוב ל‑1 כדמיון גבוה.
  • Threshold לקבלת החלטת Same/Not Same, והקשר בין מרחק לדמיון.
  • תקיפות: מסכה/ראש מודפס בתלת־ממד, Spoofing ומגבלות מערכות זיהוי.
  • הגנות: Liveness Detection, Anti-Spoofing, מודלים רב־חושיים ופיקוח.

תוכנות ונושאי AI

InsightFace, Google AI Studio, Python, Google Colab, NotebookLM; Face Detection, Face Recognition, Embeddings, Cosine Similarity, Threshold, Liveness, Adversarial/Spoofing Attacks.

תרגילי כיתה חובה

  1. לבנות ב‑AI Studio אפליקציה לטשטוש פנים ולשתף אותה.
  2. לבנות אפליקציה שמשווה שתי תמונות באמצעות InsightFace ומציגה אחוז/מדד דמיון.
  3. להריץ ב‑Colab סקריפט Python לזיהוי ולטשטוש פנים.
  4. לחקור תקיפות על זיהוי פנים והגנה לכל תקיפה, ולהפיק ב‑NotebookLM מצגת/סרטון בעברית ובאנגלית.

תוצר מצופה: שתי אפליקציות או מחברת קוד עובדת, ומסמך Threat Model בסיסי לזיהוי פנים.

 

 

מבוא לבינה מלאכותית RB30-12 : יצירת סרטונים בעזרת בינה מלאכותית A.I חלק א

RB30-13 — יצירת Avatar ועריכת תמונה ב‑Photopea

צפייה בהרצאה

מטרת ההרצאה: להכין נכס גרפי מאווטאר שנוצר ב‑AI ולערוך אותו בצורה ידנית ומבוקרת.

מה נלמד

  • יצירת דמות Avatar והזהירות הנדרשת מתמונות מזויפות.
  • הסרת אובייקטים/אלמנטים ורקע ב‑PhotoRoom.
  • עיבוד תמונת AI ב‑Photopea: הוספת טקסט, דמויות ושכבות.
  • קישור בסיסי בין התוצר הגרפי לבין עבודה עתידית ב‑Python.

תוכנות ונושאי AI

PhotoRoom, Photopea, כלי Avatar AI, Python; Avatar Generation, Object Removal, Inpainting, Image Compositing.

תרגילי כיתה חובה

  1. להסיר אובייקט מתמונה ב‑PhotoRoom.
  2. לפתוח את התמונה ב‑Photopea, להוסיף טקסט ודמויות ולשמור תוצר מעובד.

תוצר מצופה: תמונת אווטאר ערוכה ומוכנה לשימוש במצגת, סרטון או דף שיווקי.

RB30-15 — יצירת מוצר ודף נחיתה

צפייה בהרצאה

מטרת ההרצאה: לעבור מרעיון מוצר למחקר שוק, מיתוג, טופס לידים, דף נחיתה ותוכן שיווקי.

מה נלמד

  • סיכוני AI במערכות בחירות והצורך בניטרליות ובבדיקת תוכן.
  • הסרת רקע ידנית/אוטומטית ושמירת PNG שקוף ב‑Photopea.
  • חזרה על ראייה ממוחשבת: זיהוי ספרה מצוירת בעזרת Python/Colab.
  • מחקר שוק: מוצרים מתחרים, גודל שוק, מחיר וקישור מקור; בדיקת הזיות.
  • יצירת תמונת מוצר ולוגו עקבי; דוגמת Findex — מחזיק מפתחות המגיב לשריקה.
  • Google Forms: שם, אימייל וטלפון ישראלי עם Validation ו‑Regex; התראות ושיתוף.
  • פילוח שוק ויצירת שיר פרסומי שונה לכל פלח ב‑Suno.

תוכנות ונושאי AI

Photopea, ChatGPT, Google Colab, Python, Google Forms, Google Sheets, Suno; Computer Vision, Product Ideation, Market Research, Image Generation, Landing Page Content, Data Validation.

תרגילי כיתה חובה

  1. להסיר רקע מתמונת רחפן ולשמור שקיפות.
  2. לצייר ספרה לבנה על רקע שחור 100×100, לבצע Crop, להעלות ל‑Colab ולהריץ זיהוי.
  3. בקבוצה: לבחור מוצר, לבדוק שוק ומחירים עם מקורות.
  4. ליצור תמונת מוצר ולוגו נפרד, ואז טופס/דף נחיתה עם אימות שם, אימייל וטלפון.
  5. להגדיר קבלת התראה על ליד חדש ולפרסם קישור.
  6. לפלח קהל ולהפיק ב‑Suno שיר פרסומי קצר לכל פלח.

תוצר מצופה: אב־טיפוס שיווקי שלם: תמונת מוצר, לוגו, טופס לידים, קישור שיתוף ושיר פרסומי.

RB30-16 — מבוא לסוכן AI, חלק א

צפייה בהרצאה

מטרת ההרצאה: לבנות תהליך איסוף נתונים מובנה ולהכיר את המעבר מצ׳אט לסוכן העובד עם קבצים והרשאות.

מה נלמד

  • ניסוח פרומפט דרישות ל‑Google Forms במקום בנייה ידנית ללא תכנון.
  • שדות חובה, Dropdown, Rating ו‑Regex לאימות שם, אימייל וטלפון ישראלי.
  • שמירת תשובות ב‑Google Sheets והורדה ל‑Excel.
  • בניית סקר סביב סרטון בנושא Skill ב‑Claude.
  • היכרות עם Claude Chat, Claude Cowork ו‑Claude Code; סוכן הפועל במחשב ודורש הרשאות מתאימות.

תוכנות ונושאי AI

ChatGPT, Google Forms, Google Sheets, Microsoft Excel, Claude Chat, Claude Cowork, Claude Code; Agent, Skill, Prompt-to-Workflow, Validation, Permissions.

תרגילי כיתה חובה

  1. לבנות טופס רישום ליום עיון על סוכני AI עם שם, אימייל, טלפון, מחלקה ודירוג עניין.
  2. להוסיף Regex תקין ולסמן את כל השדות כחובה.
  3. לחבר את הטופס ל‑Google Sheets ולהוריד את התשובות כ‑Excel.
  4. לבנות טופס סקר המציג סרטון על Skill ב‑Claude ושומר את התוצאות בגיליון מתאים.

תוצר מצופה: שני טפסים עובדים עם אימות ושמירת נתונים, והבנה ראשונית של Agent/Skill/Permissions.

RB30-17 — בינה מלאכותית ותלת־ממד

צפייה בהרצאה

מטרת ההרצאה: להפוך תמונה או שרטוט דו־ממדי למודל תלת־ממדי שניתן להמשך עיבוד ולהדפסה.

מה נלמד

  • הכנת תמונת מקור: Crop, בידוד אובייקט ורקע לבן.
  • Image-to-3D ב‑Tripo3D והפקת מודל מנעל/כלב או מוצר אחר.
  • ייצוא מודל לשימוש בהדפסת תלת־ממד.
  • יצירת שרטוט דו־ממדי עם קווים סגורים לרהיט/מוצר והמרתו ב‑Meshy למודל תלת־ממדי.
  • חשיבות איכות התמונה, סגירת קונטור וניקוי רקע לפני ההמרה.

תוכנות ונושאי AI

Photopea, Tripo3D, Meshy; Image-to-3D, Generative 3D, Mesh Generation, Background Removal, 3D Printing Workflow.

תרגילי כיתה חובה

  1. לבצע Crop לנעל ב‑Photopea, להסיר רקע לאובייקט ולהפוך את התמונה למודל ב‑Tripo3D.
  2. לייצא את המודל לקובץ מתאים להדפסת תלת־ממד.
  3. לצייר מוצר/רהיט בקווים שחורים סגורים ולהמיר את השרטוט למודל ב‑Meshy.

תוצר מצופה: קובץ מודל תלת־ממדי שנוצר מתמונה או משרטוט ומוכן להמשך תיקון/הדפסה.

RB30-18 — סוכני AI חלק ב ותרגול מעשי

צפייה בהרצאה

מטרת ההרצאה: להבין את כל אבני הבניין של סוכן, ולחבר סוכן אמיתי ל‑WhatsApp באמצעות n8n ו‑OpenAI API.

מה נלמד

  • הגדרת סוכן: Model + Prompt + Role + Context + Memory + Knowledge + Skill + Tools + Connections + Workspace + Permissions.
  • Knowledge/RAG, Skill כחבילת הוראות ומשאבים, Tool כפעולה יחידה ו‑Connection כחיבור שירות.
  • MCP כתקן המציג לסוכן כלים, מידע, פעולות ופרמטרים.
  • Planner ו‑Agent Loop: להבין, לתכנן, לבצע, לבדוק, לתקן ולהמשיך.
  • Cowork כסביבת עבודה; Subagent ו‑Orchestrator לחלוקת משימה.
  • Automation, Permissions, Guardrails, Human Approval, Logs ו‑Evaluation.
  • דוגמאות: דוח ישיבה מ‑Gmail ויומן; ניתוח ירידה במכירות מ‑CRM וכספים; ניתוח ניסוי חיישנים ב‑Python.
  • n8n + WhatsApp: Trigger, Meta for Developers/Business, AI Agent, OpenAI API, Prompt, Send Message, בדיקת End-to-End והפעלת Workflow.
  • Accio Work: סוכנים מקומיים/עסקיים, מחקר ספקים, תפעול ניוזלטר, Telegram, משימות מתוזמנות ומספר סוכנים.
  • סיכונים ללא בקרה: AI Slop, Sycophancy, תלות, שכנוע, פגיעה בחשיבה והצורך בבקרה אנושית.

תוכנות ונושאי AI

n8n, WhatsApp API, Meta for Developers, Meta Business, OpenAI API, NotebookLM, Gmail, Calendar, Google Drive, Microsoft 365, Salesforce, Slack, GitHub, Python, SQL, Accio Work, Telegram; AI Agents, MCP, RAG, Planner, Agent Loop, Multi-Agent Orchestration, Automation, Guardrails, Human-in-the-loop, Evaluation.

תרגילי כיתה חובה

  1. לבקש מה‑AI דוגמה מלאה לסוכן בתחום אישי, ולמפות בה את כל המרכיבים שנלמדו.
  2. להוסיף את פרויקט הסוכן ל‑NotebookLM וליצור מצגת.
  3. לבנות ב‑n8n סוכן WhatsApp: טריגר, חיבור מודל, הנחיות, החזרת תשובה, בדיקת מקצה לקצה והפעלה.
  4. לתכנן סוכן משרד/עסק/מחקר הכולל מקורות ידע, כלים, הרשאות, נקודות אישור, Logs ומדדי Evaluation.
  5. להתנסות בשיחה עם סוכן AI מתוך WhatsApp ולהשוות שתי דרכי חיבור.

תוצר מצופה: Workflow פעיל של הודעת WhatsApp → n8n → AI Agent → תשובה, ותכנון סוכן מתועד עם הרשאות ובקרות.