מדוע מי שרוצה לעבוד בהייטק בעידן ה-AI צריך ללמוד מדעי המחשב?
עוד לא נרשמתם לתואר ראשון בבינה מלאכותית? - הצטרפו למפגש מתעניינים וקבלו את כל המידע במקום אחד>>
תואר שמכוון גבוה להייטק
גם כש-AI כבר יודע לכתוב קוד, תואר במדעי המחשב יכול להוביל אתכם למשרות מבוקשות בחברות הייטק מובילות - בתנאי שהוא מותאם למציאות החדשה.
המחלקה למדעי המחשב ובינה מלאכותית באוניברסיטת בר־אילן מחברת בין מחקר אקדמי מתקדם לתעשיית ההייטק. כל תוכניות הלימוד עודכנו בהתאם למציאות אחרי מהפכת ה-AI, ונפתח מסלול חדש: תואר ראשון בבינה מלאכותית. בכתבה זו נבחן מה הופך את לימודי מדעי המחשב לרלוונטיים גם בעידן שבו AI יכול להחליף חלק מהעבודה של אנשי ההייטק. בנוסף תוכלו לקרוא על כמה מהמחקרים והחיבורים לתעשייה שבזכותם בוגרי תואר בבר-אילן יוכלו לפתח את הדור הבא של הטכנולוגיות המתקדמות ביותר.
האם תואר במדעי המחשב עדיין רלוונטי?
עד לפני שנה-שנתיים, ההתלבטות העיקרית בדרך להייטק הייתה איפה כדאי ללמוד מדעי המחשב. היום, כשכלי AI יודעים לכתוב קוד, לצעירים וצעירות רבים יש שאלה בסיסית יותר: אז - האם תואר במדעי המחשב עדיין רלוונטי?
התשובה היא: כן. וביתר פירוט, כן, גם בעידן ה-AI כדאי ללמוד מדעי המחשב, והבחירה איפה ללמוד הפכה למשמעותית עוד יותר. הסיבה: לא כל תוכנית לימודים מכינה את הסטודנטיות והסטודנטים באותה מידה למציאות החדשה.
כדי להשתלב בתעשיית ההייטק כיום, נדרשת הבנה עמוקה באלגוריתמים מתקדמים, בלמידת מכונה, עיבוד שפה טבעית, רובוטיקה, סייבר ועוד. בנוסף היכולת להפיק מקסימום תועלת מכלי AI היא רק הבסיס. העובדים בחברות ההייטק, כולל הג'וניורים, חייבים לדעת איך בנויות מערכות בינה מלאכותית, איך לתכנן כלים חדשים ואיך לוודא שהם יציבים ובטוחים.
במחלקה למדעי המחשב ובינה מלאכותית באוניברסיטת בר־אילן הדרישות מהעובדים בהייטק הן נקודת המוצא של תוכניות הלימוד העדכניות. כל המסלולים משלבים בין יסודות תאורטיים חזקים להתנסויות מעשיות, גם באמצעות המחקרים שמתקיימים במחלקה וגם דרך חיבור שוטף עם התעשייה.
הרבה מעבר לכתיבת קוד: מה באמת עושים במדעי המחשב?
כתיבת קוד היא אמנם כלי מרכזי בעבודתם של אנשי ונשות מדעי המחשב, אבל רק חלק מהתמונה הגדולה. מאחורי המערכות שאנחנו משתמשים בהן מדי יום נמצאות שאלות מורכבות הרבה יותר. במחלקה למדעי המחשב ובינה מלאכותית בבר־אילן, הסגל עוסק בדיוק בשאלות מהסוג הזה.
בין המחקרים שנערכים במחלקה:
1. איך ללמד קבוצת רובוטים לחלק ביניהם משימות ביעילות מקסימלית? - פרופ' נעה אגמון מפתחת אלגוריתמים שמאפשרים לרובוטים להיות מתואמים גם ביניהם וגם לכל התפתחות. לדוגמה, קבוצת רחפנים שצריכה לכסות אזור כשהמכשולים בשטח משתנים.
2. איך להסיק את המסקנות הנכונות ממאות מאמרים מורכבים? - כשרופא מחפש מידע, הוא מוצף בכמויות עצומות של תוכן רלוונטי. פרופ' עידו דגן מפתח מערכות שמבינות קשרים בין טקסטים ויודעות לזהות אילו מחקרים תומכים זה בזה, סותרים זה את זה או מובילים למסקנה חדשה.
3. איך להבין למה ChatGPT ומודלי AI אחרים נתנו תשובה מסוימת? - כולנו מצפים למקסימום שקיפות ואמינות ממערכות AI, במיוחד כשהן משמשות לקבלת החלטות חשובות. ד"ר ינאי אלעזר מפתח כלים שחושפים כיצד מודלים גנרטיביים מקבלים החלטות, מאילו נתונים למדו ומה גרם להם להפיק תשובה מסוימת.
4. איך לזהות בזמן אמת רשתות בוטים ומפיצי פייק ניוז? - ד"ר טליה עדן מפתחת אלגוריתמים שמסוגלים להסיק מסקנות על רשתות עצומות באמצעות בדיקה של חלק קטן בלבד מהנתונים. בעידן של הצפת מידע, השיטות האלה יכולות לזהות פעילות מתואמת ומידע כוזב במהירות, עוד לפני שהם משפיעים על דעת הקהל.
5. איך להבטיח אינטראקציות אופטימליות בין רובוטים לבני אדם? - רובוטים הופכים במהירות לחלק מהחיים שלנו, וכדאי מאוד שנהיה מתואמים איתם… פרופ' דוד סרנה מפתח מודלים שמייצרים את שיתוף הפעולה והאמון המבוקשים.
6. איך לוודא שקוד שכתב AI לא יגרום לתקלה מסוכנת? - פרופ' דורון פלד מפתח שיטות מתמטיות שמוכיחות כי תוכנות ומערכות מורכבות יתנהגו כראוי גם בתרחישים שלא ניתן לבדוק באופן ידני. ככל שכלי AI כותבים יותר קוד, גדל הצורך באנשי מדעי המחשב שיודעים לאמת אותו ולהבטיח שמערכות קריטיות יפעלו בבטחה.
חיבור לחברות הייטק כבר במהלך התואר
גם מעבר למחקרים, למחלקה למדעי המחשב ובינה מלאכותית בבר־אילן יש חיבור הדוק לתעשיית ההייטק.
חלק מחברי המחלקה משלבים בין המחקר וההוראה לבין תפקידים בכירים בחברות טכנולוגיה מובילות. לדוגמה, פרופ' גל צ'צ'יק עומד בראש מרכז המחקר לבינה מלאכותית של NVIDIA בישראל, פרופ' אבינתן חסידים הוא סגן נשיא ב-Google Research, ופרופ' יואב גולדברג עובד ב-AI2 - מכון המחקר לבינה מלאכותית שהקים פול אלן.
אחת לחודש מגיעה לקמפוס חברה מוכרת כדי לפגוש את הסטודנטיות והסטודנטים, להציג את העשייה שלה ולפתוח עבורם דלת ראשונית לתעשייה. נציגות Google הגיעו למחלקה יחד עם מגייסות שקיבלו קורות חיים, והסטודנטים זכו להכיר מקרוב גם צוותים של NVIDIA, מובילאיי, Waze וחברות נוספות.
מסלולים שנבנו כדי לסלול את הדרך לעבודה בעידן ה-AI
הקשר הישיר עם החברות והאתגרים שמעסיקים את התעשייה משפיעים גם על תוכניות הלימודים של בר-אילן.
> תואר ראשון במדעי המחשב: ניתן ללמוד גם במתכונת חד-חוגית וגם במתכונת דו-חוגית, ובכל מקרה לקבל הבנה מעמיקה בכל הנושאים הקשורים ל-AI: איך המודלים עובדים, איך לזהות חולשות וכשלים, ואיך לתכנן ולפתח מערכות חדשות.
> תואר ראשון בבינה מלאכותית: מסלול אחר, חדש, הוא תואר ראשון בבינה מלאכותית: תוכנית לימודים שנבנתה מתוך הבנה ש-AI הוא עולם בפני עצמו ולא עוד תוספת למדעי המחשב. התוכנית כוללת 18 קורסים בכל תחומי ה-AI, כבר מהסמסטר הראשון. הסטודנטים מקבלים תשתית מתמטית וחישובית ממוקדת בינה מלאכותית, לומדים אלגוריתמים רלוונטיים ו-Machine Learning, ומתנסים בבניית כלים מתקדמים כמו למשל מודלי שפה גדולים.
> תוכנית מצטיינים: לסטודנטים מצטיינים מוצעת גם תוכנית מעלות, המאפשרת להשלים תואר ראשון ושני משולב במדעי המחשב או בבינה מלאכותית תוך ארבע שנים. סטודנטיות וסטודנטים בתוכנית זו זכאים גם למלגות משמעותיות.
> תואר בתיכון: המחלקה למדעי המחשב ובינה מלאכותית פונה גם לתיכוניסטיות ותיכוניסטים, עם אפשרות ללמוד לתואר ראשון בתיכון במדעי המחשב ומתמטיקה עוד לפני הצבא.
> המכנה המשותף לכל המסלולים: שילוב בין בסיס תיאורטי עמוק, התמחות בתחומי ה-AI העדכניים ביותר וחיבור שוטף למחקר ולתעשייה - כך שהבוגרות והבוגרים לא "רק" ישלטו בכל הכלים הקיימים כיום, אלא ידעו גם לפתח את הטכנולוגיות של המחר, בדרך לתפקידי מפתח בהייטק בעידן ה-AI.
רוצות/ים לדעת עוד על המחלקה למדעי המחשב בבר-אילן, ועל תוכניות הלימודים העדכניות? לחצו כאן >>
