MLDK

ניסיון בתחום הבינה המלאכותית בעולם ה-LLMs (מודלים גדולים של שפה)

תפקיד: אדריכל מערכות, מפתח תוכנה בכיר

מומחיות וכישורים ב-LLMs ו AI

1. פיתוח בוטים\סוכנים מבוססי AI:
- פלטפורמות:, MCP, Ragflow, huggingface-transformers , LangGraph, LangChain
- יכולות: יצירת בוטים\סוכנים עם אינטראקציות קול וטקסט במספר שפות, כולל עברית. בוטים אלו מבצעים משימות כמו מכירות, שירות לקוחות, פיענוח מסמכים ועוד...

2. אוטומציה ואינטראקציה:
- אוטומציה AI לפיענוח וניתוח מסמכים אירגוניים: תכנון יישום מערכות לפיענוח מסמכים מונעות AI לשיפור היעילות התפעולית.

7 שנים של בניית מערכות מבוססות DATA חדשניות ומועילות ליעילות העסקים.

ניסיון בתחום הבינה המלאכותית
תפקיד: אדריכל מערכות, מפתח תוכנה בכיר

מומחיות וכישורים בתחום הבינה המלאכותית
1. פיתוח בוטים מבוססי AI:
פלטפורמות: MCP, Ragflow, huggingface-transformers , LangGraph, LangChain
יכולות: יצירת בוטים\סוכנים עם אינטראקציות קול וטקסט במספר שפות, כולל עברית. בוטים אלו מבצעים משימות כמו פיענוח מסמכים, שירות לקוחות, מכירות ועוד...


2. אוטומציה ואינטראקציה:
אוטומציה לפיענוח מסמכים: תכנון ויישום מערכות אוטומציה מונעות AI לפיענוח מסמכים ושיפור היעילות התפעולית.

3. פיתוח מערכות מדידה לשיפור שביעות רצון הלקוחות
הגברת שביעות רצון הלקוחות:
על ידי הצעת פתרונות צ'אטבוט חכמים ומותאמים אישית, אופטימיזציה של תמיכת לקוחות והעלאת שביעות הרצון של המשתמשים. הצ'אטבוטים המתקדמים הללו נועדו להניע מכירות ונאמנות לקוחות באמצעות מעורבות אפקטיבית.

אלגוריתמים וטכניקות: יישום אלגוריתמים לשיפור ביצועי המערכות AI השונות.

ניסיון בתחום הבינה המלאכותית
תפקיד: אדריכל מערכות, מפתח תוכנה בכיר

מומחיות וכישורים בתחום הבינה המלאכותית
1. פיתוח בוטים מבוססי AI:
פלטפורמות: MCP, Ragflow, huggingface-transformers , LangGraph, LangChain
יכולות: יצירת בוטים\סוכנים עם אינטראקציות קול וטקסט במספר שפות, כולל עברית. בוטים אלו מבצעים משימות כמו פיענוח מסמכים, שירות לקוחות, מכירות ועוד...


2. אוטומציה ואינטראקציה:
אוטומציה לפיענוח מסמכים: תכנון ויישום מערכות אוטומציה מונעות AI לפיענוח מסמכים ושיפור היעילות התפעולית.

3. פיתוח מערכות מדידה לשיפור שביעות רצון הלקוחות
הגברת שביעות רצון הלקוחות:
על ידי הצעת פתרונות צ'אטבוט חכמים ומותאמים אישית, אופטימיזציה של תמיכת לקוחות והעלאת שביעות הרצון של המשתמשים. הצ'אטבוטים המתקדמים הללו נועדו להניע מכירות ונאמנות לקוחות באמצעות מעורבות אפקטיבית.

אלגוריתמים וטכניקות: יישום אלגוריתמים לשיפור ביצועי המערכות AI השונות.

ניסיון בתחום הצ'אטבוטים

תפקיד: אדריכל מערכות, מפתח AI בכיר

מומחיות וכישורים בתחום הצ'אטבוטים

1. פיתוח בוטים מבוססי AI:
- פלטפורמות: RASA, GPT-CHAT, Microsoft Bot Framework, Dialogflow, IBM Watson Assistant
- יכולות: יצירת בוטים עם אינטראקציות קול וטקסט במספר שפות, כולל עברית. בוטים אלו מבצעים משימות כמו אוטומציה ושירות לקוחות.

2. כלים ופתרונות חדישים:
- פלטפורמות חדשות: ChatGPT, Amazon Lex, Wit.ai
- אינטגרציה: שילוב עם מערכות CRM כמו Salesforce, HubSpot, Zoho
- יכולות מתקדמות: ניתוח שפה טבעית (NLP), זיהוי כוונות משתמש (Intent Recognition), למידת מכונה לשיפור מתמשך (Machine Learning)

3. Databases ו-RAG:
- מאגרי נתונים מבוססי וקטורים: שימוש בטכנולוגיות כמו Pinecone, Weaviate, ו-FAISS לאחסון ושליפה יעילה של נתונים מבוססי וקטורים.
- שיטות RAG (Retrieval-Augmented Generation): שילוב של יכולות שליפת מידע וטכניקות דור (Generation) על מנת לספק תשובות מדויקות ומותאמות אישית לשאילתות משתמשים.

הגברת שביעות רצון הלקוחות:
על ידי הצעת פתרונות צ'אטבוט חכמים ומותאמים אישית, מוודאת אופטימיזציה של תמיכת לקוחות והעלאת שביעות הרצון של המשתמשים. הצ'אטבוטים המתקדמים הללו נועדו להניע מכירות ונאמנות לקוחות באמצעות מעורבות אפקטיבית.

יעילות ואוטומציה:
הצ'אטבוטים משפרים באופן משמעותי את היעילות התפעולית על ידי אוטומציה של תהליכים עסקיים שונים. הם משתלבים בצורה חלקה עם מערכות CRM של הארגון, מה שמאפשר לעסקים לחסוך זמן ומשאבים יקרים תוך מתן תגובות מהירות ומותאמות אישית לפניות לקוחות.

היקף גלובלי והתאמה:
פתרונות הצ'אטבוט נבנים על מנת לשדרג את חוויית הקנייה והשירות הגלובלית. הבוטים מנצלים את בסיס הידע של הארגון, מתעדכנים בזמן אמת לטיפול בשאלות ובקשות מגוונות, ומבטיחים שהם מתפתחים יחד עם העסק ומספקים מידע רלוונטי באופן עקבי.

מומחיות וכישורים בתחום Deep Learning

1. רשתות עצביות מלאכותיות (Artificial Neural Networks):
- מודלים: רשתות נוירונים עמוקות (DNN), רשתות עצביות חוזרות (RNN), רשתות עצביות מסועפות (CNN)
- יישומים:
- זיהוי תמונות ואובייקטים
- עיבוד שפה טבעית (NLP)
- חיזוי סדרות זמן (Time Series Prediction)
- כלים וטכנולוגיות: TensorFlow, Keras, PyTorch

2. למידה בלתי מונחת (Unsupervised Learning):
- מודלים: רשתות גנרטיביות נוגדות (GANs), Autoencoders
- יישומים:
- יצירת תמונות וסינתזה
- גילוי אנומליות
- דחיסת נתונים
- כלים וטכנולוגיות: TensorFlow, PyTorch, scikit-learn

3. למידה מונחית למחצה (Semi-Supervised Learning):
- מודלים: רשתות עצביות לומדות מונחות למחצה (Semi-Supervised Neural Networks)
- יישומים:
- זיהוי דיבור

- כלים וטכנולוגיות: PyTorch, TensorFlow

כלים וטכנולוגיות נוספים:

1. פלטפורמות לאימון מודלים:
- פלטפורמות ענן: Google Cloud AI, AWS SageMaker, Microsoft Azure ML
- כלי אופטימיזציה: Hyperopt, Optuna, Keras Tuner

2. כלים לניתוח והצגת תוצאות:
- כלים: TensorBoard, Matplotlib, Seaborn
- יכולות:
- מעקב אחר אימון המודל (Model Training Tracking)
- הצגת תוצאות ויזואליות של ביצועי המודל
- ניתוח הנתונים לאימות וניבוי

הבנה עמוקה בשפה ובטקסט
- מומחיות בזיהוי, ניתוח והבנה של טקסטים בשפות שונות, כולל טיפול במבנה, תחביר ומשמעות.
- שליטה בשיטות Tokenization, ניתוח מורפולוגי ותחבירי, נרמול טקסט, זיהוי ישויות (NER) והערכת סנטימנט.

עבודה עם ספריות וכלים מובילים
- NLTK – כלים בסיסיים לעיבוד שפה, פילוח משפטים ומילים, וניתוח תחבירי.
- spaCy – לזיהוי ישויות, תיוג דקדוקי ולמידה מואצת מבוססת מודלים.
- Transformers (Hugging Face) – שימוש במודלים מתקדמים כמו BERT, RoBERTa ו־GPT למשימות הבנה והפקת טקסט.
- OpenNMT / MarianMT – לתרגום מכונה איכותי.
- gensim – לעבודה עם Word2Vec, Doc2Vec ו־Topic Modeling.

יישומים נפוצים שפותחו
- מערכות צ'אטבוט חכמות המבינות הקשר ומסוגלות להחזיק שיחה טבעית.
- מסנני תוכן אוטומטיים לזיהוי שפה פוגענית, ספאם ותוכן לא הולם.
- כלי חיפוש חכמים המבוססים על הבנת כוונת המשתמש ולא רק על התאמת מילות מפתח.
- מנגנוני ניתוח סנטימנט והפקת תובנות מביקורות, פוסטים ברשתות חברתיות ומאמרים.

אופטימיזציה והערכת ביצועים
- התאמת מודלים לשפה ספציפית, שיפור ביצועים באמצעות Fine-tuning.
- הערכת איכות באמצעות מדדים כמו BLEU, ROUGE ו־F1-score.

1. למידת מכונה מונחית (Supervised Machine Learning):

מודלים: רגרסיה ומודלים של סיווג (Regression and Classification)
יישומים:
חיזוי תאריכי יעד (Due Dates)
עמידה ב-SLA (Service Level Agreements)
זיהוי צווארי בקבוק (Bottlenecks)
כלים וטכנולוגיות: שימוש ב-Python, scikit-learn, TensorFlow, Keras
2. עיבוד שפה טבעית (NLP):

מודלים: מודלים בלתי מונחים (Unsupervised Models) לקלאסטרינג ותיוג של מאפייני טקסט חופשי.
יישומים:
קלאסטרינג של פריטי עבודה (Work Item Clustering)
תיוג מאפייני טקסט חופשי
כלים וטכנולוגיות: שימוש ב-NLTK, SpaCy, Transformers של Hugging Face
3. כריית תהליכים עסקיים (Business Process Mining):

הבנת תהליכי עבודה אנושיים סטוכסטיים: ניתוח של יומני אירועים (Event Logs) כדי להבין תהליכים אנושיים.
יישומים:
ניתוח ושיפור תהליכים
זיהוי דפוסי עבודה
כלים וטכנולוגיות: שימוש ב-ProM, Disco, Celonis
כלים וטכנולוגיות נוספים:
1. Big Data:

טכנולוגיות: Hadoop, Spark, Hive, Kafka
מאגרי נתונים: NoSQL (MongoDB, Cassandra), SQL (PostgreSQL, MySQL)
2. BI (Business Intelligence):

כלים: Tableau, Power BI, QlikView
יכולות:
יצירת דוחות ולוחות מחוונים (Dashboards)
ניתוח נתונים מתקדם (Advanced Analytics)
ויזואליזציה של נתונים (Data Visualization)

ידע רחב בשפת Python

- אני מכיר היטב את כל רמות השפה — מהבסיס (משתנים, תנאים, לולאות) ועד נושאים מתקדמים כמו תכנות מונחה עצמים (OOP), ניהול חריגות, דקורטורים, גנרטורים ועוד.
- שולט בספריות פופולריות כמו:
- NumPy / Pandas לניתוח נתונים
- Matplotlib / Seaborn ליצירת גרפים וויזואליזציות
- Flask / Django לפיתוח אפליקציות ווב
- Requests / BeautifulSoup לעבודה עם API ו־Web Scraping
- TensorFlow / PyTorch ללמידת מכונה

פיתוח תוכנה ופתרון בעיות

- אני יודע לכתוב קוד נקי, קריא ויעיל, תוך שימוש בעקרונות כמו DRY ו־SOLID.
- יכול לעזור בבניית מערכות מורכבות, אוטומציה של תהליכים, ניתוח לוגים, יצירת סקריפטים מותאמים אישית ועוד.
- מבין היטב את תהליך הפיתוח המלא: תכנון, כתיבה, בדיקות (כולל שימוש ב־pytest), דיבוג ותחזוקה.

למידה מתמדת והתעדכנות

- אני מתעדכן באופן שוטף בחידושים בשפה ובקהילה — כולל גרסאות חדשות, ספריות מתפתחות, Best Practices וטרנדים עכשוויים.