מארק ישראל

הקורסים שלימדתי

הוראה

כמעט עשרים שנה בכיתה — מתרגול מתמטיקה לתואר ראשון, דרך קורסים אקדמיים בפקולטה למדעים מדויקים, ועד סדנאות בארגונים והרצאות במוסדות בחו״ל. הרשימה כאן מסודרת לפי סוג המסגרת, ובהמשך העמוד הסילבוסים המלאים של שני הקורסים שכתבתי.

בקצרה

18
שנות הוראה והנחיה
20+
קורסים ומודולים שהעברתי
3
קורסים שכתבתי מאפס
4
שפות הוראה

מה לימדתי

קורסים ומודולים

חלק מהקורסים כתבתי מאפס — מטרות, סילבוס, חומרי לימוד ומטלות; אחרים הם מודולים מקצועיים שבניתי עבור תוכניות הכשרה ולמרכז הפרויקטים.

קורסים אקדמיים

הפקולטה למדעים מדויקים, המכון הטכנולוגי חולון · 2016–2025

  1. מערכות מידע גיאוגרפיות (GIS)

    HIT — הפקולטה למדעים מדויקים

    מהעקרונות ועד פיתוח יישומים גיאוגרפיים.

    • עקרונות GIS ומקורות מידע
    • תקינה בתחום
    • ניתוח מרחבי
    • פיתוח יישומים
  2. חדשנות טכנולוגית

    HIT — הפקולטה למדעים מדויקים

    מגמות בהייטק, זיהוי הזדמנויות והדרך מרעיון למוצר.

    • מגמות בתעשייה
    • זיהוי צרכים
    • מרעיון ל-POC
  3. פיתוח תוכנה

    HIT — הפקולטה למדעים מדויקים

    תהליכי פיתוח, כלים ושיטות עבודה מקובלות בתעשייה.

  4. ניהול פרויקטים

    HIT — הפקולטה למדעים מדויקים

    תכנון, ביצוע ובקרה של פרויקטי פיתוח בסביבה רב-תחומית.

קורסים שכתבתי מאפס

סילבוס מלא, חומרי לימוד ומטלות — פרי עבודתי

  1. הכרת יישומים בתחום GIS

    קורס למשתמשים ומפעילים

    מקנה הבנה מלאה של מרכיבי מערכות המנהלות מידע שמיקומו חשוב — לצד המגבלות והדרכים להתגבר עליהן. מפגשים שבועיים בני שלוש שעות, כל אחד משלב תיאוריה והתנסות מעשית בכלי קוד פתוח.

    • מהו GIS, עקרונות ומקורות מידע גיאוגרפי
    • מגמות ותחומי יישום של מידע מבוסס מיקום
    • עולם הקוד הפתוח — התקנה ובניית סביבת עבודה
    • מיפוי אינטראקטיבי, מעבר מ-2D ל-3D
    • Big Data בהקשר גיאוגרפי וויזואליזציה רב-שכבתית
    • איתור וסיווג מקורות מידע פתוחים
    • הקמת בסיסי נתונים וניהול פרויקטי GIS רב-פלטפורמיים
  2. מבוא ללמידת מכונה ובינה מלאכותית

    קורס בן תשעה מודולים

    מהמוטיבציה ועד האתיקה — עם דגש על הבנה מעשית של האלגוריתמים.

    • מבוא ללמידת מכונה
    • רקע ומוטיבציה
    • גרפים ואלגוריתמי חיפוש
    • התניה חיובית וחיזוי תגמול
    • מבוא לנתונים ב-ML
    • רגרסיה
    • עצי החלטה
    • אשכולות (Clustering)
    • אתיקה בלמידת מכונה
  3. Big Data

    קורס בן שישה מודולים

    מהגדרת הבעיה ועד הרצת אלגוריתמים על צנרת עיבוד בענן.

    • מבוא ל-Big Data
    • נתונים מובנים ולא מובנים
    • צנרת עיבוד לניתוח
    • Big Data בענן
    • טכניקות טעינת נתונים
    • טכניקות ואלגוריתמים

תחומים נוספים שאני מלמד

קורסים מלאים שאני מעביר באקדמיה ובארגונים — סילבוס מפורט זמין להורדה

  1. יזמות טכנולוגית

    קורס סמסטריאלי · 14 מפגשים

    מרעיון גולמי ועד מוצר שיש לו לקוח משלם. הדגש אינו על תוכנית עסקית יפה אלא על בדיקת ההנחות המסוכנות מוקדם ובזול — מי הלקוח, מה הכאב, ולמה דווקא עכשיו.

    • Customer Discovery
    • מודלים עסקיים
    • הגדרת MVP
    • מימון וקניין רוחני
    • Pitch למשקיעים
  2. חדשנות בר קיימא

    קורס סמסטריאלי · 14 מפגשים

    איך מפתחים מוצר טכנולוגי שעומד במבחן הכלכלי, הסביבתי והחברתי בו-זמנית — לא כמחווה שיווקית אלא כאילוץ תכנוני שמייצר יתרון תחרותי.

    • כלכלה מעגלית
    • טביעת רגל של טכנולוגיה
    • Green Computing
    • ESG ומדידה
    • רגולציה וזיהוי Greenwashing
  3. ניהול מערכות מידע

    קורס סמסטריאלי · 14 מפגשים

    רוב הכשלים במערכות מידע אינם טכנולוגיים אלא ניהוליים: אפיון חסר, ספק שלא נוהל, נתונים שאיש אינו אחראי עליהם. הקורס מקנה את הכלים לנהל את המערך כולו.

    • ארכיטקטורה ומערכות ליבה
    • רכש ומכרזים
    • Data Governance
    • ITSM ו-SLA
    • תקציב IT והמשכיות עסקית
  4. בינה מלאכותית — ההיבט הארגוני

    קורס סמסטריאלי · 14 מפגשים

    לא איך בונים מודל אלא היכן הוא מייצר תועלת אמיתית ואיך מודדים אותה. העיקרון המנחה הוא ליישם — לא דווקא לאמץ: כלי נכנס לארגון רק כשיש לו מקרה שימוש שמצדיק אותו, גורמי הצלחה מוסכמים ומדדים שאפשר לעקוב אחריהם.

    • יעילות ותועלות ארגוניות
    • גורמי הצלחה ו-KPI
    • ממשל AI וניהול סיכונים
    • רגולציה וחוק ה-AI האירופי
    • Vibe Coding

מודולים מקצועיים

הרצאות שבניתי לתוכניות ההכשרה של מרכז הפרויקטים ועמותת PBLogic

  1. מבוא לניהול פרויקטים

    מודול הכשרה

    מחזור חיי הפרויקט, תכנון, לוחות זמנים ובקרה.

  2. ניתוח מערכות

    מודול הכשרה

    איסוף דרישות, אפיון פונקציונלי וכתיבת מסמך אפיון.

  3. ניתוח סיכונים

    מודול הכשרה

    זיהוי, הערכה וטיפול בסיכוני פרויקט.

  4. ניהול ידע בסביבה פרויקטלית

    מודול הכשרה

    איך ידע שנצבר בפרויקט אחד נשמר, נמצא ומשמש את הפרויקט הבא — במקום להיעלם עם הצוות שהתפזר.

  5. מבוא ליזמות

    מודול הכשרה

    מרעיון לוולידציה, ומוולידציה למוצר.

  6. הגדרה וניהול גורמי הצלחה ו-KPI

    מודול הכשרה

    איך מגדירים מדדי הצלחה מדידים בתחילת הפרויקט, ואיך עוקבים אחריהם עד הסוף — מה מבדיל פרויקט שמגיע לתוצר מפרויקט שנעצר.

סדנאות בארגונים

הכשרות שהעברתי לעובדים ולדרג הניהולי בארגונים

  1. למידת מכונה, בינה מלאכותית ו-Big Data

    עמותת ״בנתיבי אודי״ · תוכנית ״ניצנים 2טק״

    הרצאות במסגרת תוכנית שפותחת לצעירים דלת לעולם ההייטק. הקורס נפרש על ימי לימוד מלאים המשלבים הרצאות בבוקר ותרגול מעשי אחר הצהריים, ומסתיים בהרצת צנרת ניתוח מלאה על מערך נתונים אמיתי.

    • תשעה מודולים בלמידת מכונה ו-AI
    • שישה מודולים ב-Big Data
    • תרגול מעשי בפייתון ובענן
    • תרגיל מסכם מקצה לקצה
  2. בינה מלאכותית בעולם העבודה

    המרכז למיפוי ישראל · מרץ 2026

    סדנה מעשית: מהפרספטרון ל-ChatGPT, ארבעת חוקי הפרומפט, הדגמות חיות לפי פונקציה, ספקנות מבוססת לגבי הזיות ואבטחת מידע, ו-Vibe Coding.

  3. ניהול סיכונים תקשוביים

    המרכז למיפוי ישראל · 2023–היום

    קורסים וסדנאות למנהלי הפעילויות בארגון, כחלק מהטמעת מסגרת ניהול הסיכונים.

  4. סדנת GIS ומיפוי שדה

    מקדוניה הצפונית · שלושה ימים

    לימוד שיטות מיפוי תוך כדי ביצוע: הרצאות GIS, הדרכה על קוד פתוח, יציאה לשטח ועדכון בסיס נתונים.

הרצאות בינלאומיות

הרצאות אורח וייעוץ אקדמי במוסדות בחו״ל

  1. מגמות חדשניות ב-GIS — ניצול מרבי של השילוב בין מדע לטכנולוגיות מיפוי

    האוניברסיטה הלאומית של אוזבקיסטן, טשקנט · 90 דקות, ברוסית

    איך קצב גידול המידע משנה את הדרישות מכוח האדם המקצועי ואת גישת המחקר והפיתוח — עם דוגמאות לפתרונות בקוד פתוח המשלבים מספר פלטפורמות.

    • GIS
    • Agile מול Waterfall
    • נזילות טכנולוגית
    • חישה מרחוק
    • Big Data
    • בינה מלאכותית
    • קוד פתוח
  2. גיאו-מידול תלת-ממדי בגיאולוגיה

    אוזבקיסטן · קורסים וייעוץ

    ליווי הקמת מעבדת מודלים תלת-ממדיים בפקולטה לגיאולוגיה ומערכות מידע גיאוגרפיות.

  3. למידה מבוססת פרויקטים ושיתופי פעולה עם התעשייה

    אזרבייג׳ן ומקדוניה הצפונית

    הצגת מודל מרכז הפרויקטים ודרכי היישום שלו במוסדות אחרים.

הסילבוסים המלאים של שני הקורסים שכתבתי מופיעים בהמשך העמוד.

שנים עשר הקורסים

סילבוסים מלאים

הסילבוס המלא של כל קורס שאני מעביר — מטרות, נושאי לימוד, תוצרי למידה, מרכיבי הציון, התוכנית השבועית וחומרי הלימוד. הכול כאן בעמוד, כפי שהוגש ואושר.

פיתוח יישומים בתחום GISHIT — הפקולטה למדעים מדויקים · קורס סמסטריאליפתיחת הסילבוס המלא

קורס פיתוח מלא בגישת Full Stack, שבו כל צוות לוקח צורך גיאוגרפי אמיתי ומוליך אותו מאפיון ועד אב-טיפוס עובד. השאלה שמלווה את הקורס היא מה נוסף לבסיס נתונים ברגע שמוסיפים לו מימד גיאוגרפי — ומה זה דורש מהמפתח.

אופן הוראה
הרצאות ועבודה במעבדות בשיטת לימוד פרויקטאלית
שעות שבועיות
4 — שעתיים הרצאה ושעתיים עבודה על פרויקט
נקודות זכות
3.5
דרישות קדם
מבוא ל-GIS — ניתן לקחת את שני הקורסים במקביל; קורס אחד לפחות בפיתוח תוכנה

נושאי הלימוד

  • מגמות בתחום GIS, סקירת תחומי יישום, שימושים במידע מבוסס מיקום
  • גישת ה-Full Stack בפיתוח יישומים בתחום
  • היכרות עם עולם אפיון המערכות — כתיבת מסמכי אפיון
  • עולם ה-Open Source
  • היכרות עם עולם ה-DB, הגדרה והקמת בסיסי נתונים
  • פיתוח תוכנה בסביבת עבודה רבת פלטפורמות וטכנולוגיות

תוצרי למידה

  • לנסח צורך גיאוגרפי אמיתי כמסמך אפיון מלא
  • לבחור מנוע בסיס נתונים המתאים לאופי המידע המרחבי
  • לבנות יישום מקצה לקצה בסביבה רבת פלטפורמות
  • להוליך פרויקט צוותי מרעיון ועד אב-טיפוס עובד

מרכיבי הציון

  • 50%פיתוח POC או אב טיפוס של היישום שנבחר כפרויקט גמר, בקבוצות של שלושה סטודנטים
  • 30%מסמך אפיון מפורט של היישום שנבחר כפרויקט גמר
  • 20%נוכחות בהרצאות

התוכנית השבועית

  1. שבוע 1מבוא לפיתוח יישומים בתחום GISמהי מפה, המוטיבציה למיפוי, הבדלים בין המפות, רשתות קואורדינטות, עקרונות פעילות GPS, חישובי מיקום, הרציונל בהוספת מימד גיאוגרפי לבסיסי נתונים.
  2. שבוע 2נושאים במיפוי יישומימיפוי אינטראקטיבי: שימושים בשיטות מיפוי בעולם המודרני, מעבר מ-2D ל-3D, סוגיית ה-BigData, ויזואליזציה וניתוח מידע רב-שכבתי, מיפוי בעידן ה-OS. מושגים: קדסטר, SmartGrid, Internet of Things, רשתות חברתיות, Map Reduce, DataLake, צילומי לוויין, צילומי אוויר, חישה מרחוק, היתוך נתונים.
  3. שבועות 3–4ניתוח מערכות — אפיון המוצרמבוא לניתוח מערכות, סוגי האפיונים, שיטות פיתוח מוצר, התאמת טכנולוגיה לצורך, ERD. מושגים: Waterfall, Agile, מסמך ייזום, אפיון צרכים, מסמך אפיון טכני, נוהל מפת״ח.
  4. שבועות 5–6בסיסי נתוניםסוגי נתונים וסוגי בסיסי נתונים, התאמת מנוע בסיסי נתונים ליישום, בניית בסיס נתונים, שאילתות, פרוצדורות. מושגים: בסיסי נתונים רלציוניים, DB NOSQL, MongoDB, HDFS, PostgreSQL, Shape Files, fGDB, JSON, GeoJSON.
  5. שבועות 7–8מבוא לפיתוח המוצרהכרת מרכיבי היישום, גישות וכלים נפוצים, הגדרת צד שרת וצד לקוח. מושגים: MVC, DAL, צד שרת, צד לקוח, מובייל, Firebase console.
  6. שבועות 9–14פיתוח המוצר תחת הנחייהליווי צמוד של כל צוות עד לאב-טיפוס עובד — החלטות ארכיטקטוניות, פתרון חסמים טכניים והגשת התוצר.

חומרי לימוד

  • OGC API — Features, Parts 1–3Open Geospatial Consortium · 2024
  • 3D Tiles 1.1, OGC Community StandardOpen Geospatial Consortium · 2024
  • PostGIS 3.5 — Reference DocumentationPostGIS Project · 2024
  • QGIS 3.40 LTR — User Guide and PyQGIS CookbookQGIS Project · 2024
  • Integrated Geospatial Information Framework — country-level guidesUN-GGIM · 2024
  • Copernicus Sentinel Data Access and Products HandbookEuropean Space Agency · 2025
  • GovMap API — developer documentationSurvey of Israel · 2025
  • The Mathematics of GISW. Kainz, University of Vienna · 2010
מערכות מידע גיאוגרפיות (GIS)HIT — הפקולטה למדעים מדויקים · קורס סמסטריאליפתיחת הסילבוס המלא

הקורס מקנה את היסודות התיאורטיים והמעשיים של מערכות מידע גיאוגרפיות: מהו מידע מרחבי, איך הוא נאסף ונשמר, ואילו שאלות אפשר לשאול אותו שאי אפשר לשאול בסיס נתונים רגיל. הוא מוליך מהעקרונות ועד לפיתוח יישום גיאוגרפי פשוט.

אופן הוראה
הרצאות ומעבדה
שעות שבועיות
4 — שעתיים הרצאה ושעתיים מעבדה
נקודות זכות
3.5
דרישות קדם
קורס אחד לפחות בפיתוח תוכנה

נושאי הלימוד

  • עקרונות GIS ומקורות מידע גיאוגרפי
  • מערכות ייחוס, היטלים ודיוק
  • מודל וקטורי מול מודל רסטר
  • תקינה בתחום ופורמטים נפוצים
  • בסיסי נתונים מרחביים ושאילתות
  • ניתוח מרחבי
  • ויזואליזציה וקרטוגרפיה יישומית
  • פיתוח יישומים גיאוגרפיים

תוצרי למידה

  • לבחור מערכת ייחוס מתאימה ולהסביר את משמעות הבחירה
  • לבנות בסיס נתונים מרחבי ולהריץ עליו שאילתות
  • לבצע ניתוח מרחבי ולפרש את תוצאותיו
  • לבנות יישום גיאוגרפי בסיסי מקצה לקצה

מרכיבי הציון

  • 40%פרויקט מעבדה: יישום גיאוגרפי עובד
  • 35%תרגילי מעבדה במהלך הסמסטר
  • 25%בחינה מסכמת

התוכנית השבועית

  1. שבוע 1מבואמהו מידע מרחבי, מדוע מיקום משנה, סקירת תחומי יישום.
  2. שבוע 2מערכות ייחוסקואורדינטות גיאוגרפיות ומוקרנות, היטלים, רשת ישראל. תרגול: המרה בין מערכות.
  3. שבוע 3מקורות מידעמדידה, GPS, צילומי אוויר ולוויין, חישה מרחוק. תרגול: הערכת דיוק של מקור.
  4. שבוע 4מודל וקטורינקודה, קו ופוליגון; טופולוגיה; פורמטים. תרגול: יצירת שכבה וקטורית.
  5. שבוע 5מודל רסטרתאים, רזולוציה, מודל גבהים. תרגול: חישוב שיפועים ממודל גבהים.
  6. שבוע 6תקינה ופורמטיםShape Files, GeoJSON, fGDB, שירותי מפה תקניים. תרגול: המרה בין פורמטים.
  7. שבוע 7בסיסי נתונים מרחבייםאחסון גיאומטריה, אינדוקס מרחבי. תרגול: הקמת בסיס נתונים.
  8. שבוע 8שאילתות מרחביותקרבה, הכלה, חיתוך וחציצה. תרגול: סדרת שאילתות על נתוני אמת.
  9. שבוע 9ניתוח מרחביניתוח רשת, אזורי השפעה, אינטרפולציה. תרגול: ניתוח נגישות.
  10. שבוע 10ויזואליזציהסמלול, סיווג ערכים, מפות נושאיות והטעיה קרטוגרפית. תרגול: בניית מפה נושאית.
  11. שבוע 11שירותי מפהשרתי מפות, אריחים, ביצועים ומטמון. תרגול: פרסום שכבה כשירות.
  12. שבוע 12פיתוח יישום — צד לקוחספריות מיפוי, אירועים, אינטראקציה. תרגול: מפה אינטראקטיבית בדפדפן.
  13. שבוע 13פיתוח יישום — צד שרתממשקי API, שאילתות מהיישום, ביצועים. תרגול: חיבור היישום לבסיס הנתונים.
  14. שבוע 14סיכוםהצגת פרויקטי המעבדה וסיכום הקורס.

חומרי לימוד

  • ISO 19115-1 — Geographic information: metadataISO/TC 211 · 2024 revision
  • OGC API — Features and OGC API — TilesOpen Geospatial Consortium · 2024
  • PostGIS 3.5 — Reference DocumentationPostGIS Project · 2024
  • QGIS 3.40 LTR — User GuideQGIS Project · 2024
  • Israeli Grid (ITM) and datum transformation notesSurvey of Israel · 2024
  • Copernicus Sentinel Data Access HandbookEuropean Space Agency · 2025
  • Integrated Geospatial Information FrameworkUN-GGIM · 2024
  • The Mathematics of GISW. Kainz, University of Vienna · 2010
חדשנות טכנולוגיתHIT — הפקולטה למדעים מדויקים · קורס סמסטריאליפתיחת הסילבוס המלא

הקורס בוחן איך נוצרת חדשנות טכנולוגית בפועל — לא כרגע של השראה אלא כתהליך שאפשר לנהל. הוא סוקר את מגמות התעשייה, מלמד לזהות הזדמנויות ולהעריך אותן, ומוליך את הסטודנט מרעיון ועד הוכחת היתכנות.

אופן הוראה
הרצאות, ניתוח מקרי בוחן ועבודה צוותית
שעות שבועיות
4
נקודות זכות
3.5
דרישות קדם
אין

נושאי הלימוד

  • מהי חדשנות ומה מבדיל אותה משיפור
  • מגמות בתעשייה הישראלית והעולמית
  • זיהוי צרכים והזדמנויות
  • חדשנות מקיימת מול חדשנות משבשת
  • הערכת היתכנות טכנולוגית וכלכלית
  • מרעיון ל-POC
  • חדשנות בתוך ארגון קיים
  • ניהול תיק חדשנות

תוצרי למידה

  • לנתח שוק ולזהות בו הזדמנות טכנולוגית
  • להעריך היתכנות של רעיון טכנולוגי
  • לתכנן ולבצע הוכחת היתכנות
  • להסביר מדוע ארגונים מבוססים מתקשים לחדש

מרכיבי הציון

  • 40%פרויקט צוותי: מרעיון ועד הוכחת היתכנות
  • 30%ניתוח מקרה בוחן כתוב
  • 30%תרגילים והשתתפות

התוכנית השבועית

  1. שבוע 1מהי חדשנותהגדרות, סוגי חדשנות, ההבדל בין המצאה למוצר.
  2. שבוע 2מפת התעשייהההייטק הישראלי, שחקנים, תחומי צמיחה ומקורות מימון.
  3. שבוע 3מגמות טכנולוגיותמה מניע את הגל הנוכחי וכיצד מזהים מגמה בשלה. תרגול: ניתוח מגמה.
  4. שבוע 4זיהוי צרכיםתצפית, ראיונות ומיפוי כאב. תרגול: ראיונות שטח.
  5. שבוע 5חדשנות משבשתתיאוריית השיבוש, מדוע מובילי שוק מפספסים. תרגול: ניתוח מקרה.
  6. שבוע 6הערכת רעיונותקריטריונים, סינון, מטריצת ערך מול מאמץ. תרגול: דירוג רעיונות הצוות.
  7. שבוע 7היתכנות טכנולוגיתבשלות טכנולוגית, סיכונים טכניים, תלות בספקים. תרגול: הערכת סיכון טכני.
  8. שבוע 8היתכנות כלכליתעלות פיתוח, מודל הכנסה, נקודת איזון. תרגול: תחשיב מקוצר.
  9. שבוע 9מרעיון ל-POCמה מוכיח POC ומה איננו מוכיח, תכנון ניסוי. תרגול: הגדרת קריטריון הצלחה.
  10. שבוע 10בניית ה-POCעבודה מונחית על הוכחת ההיתכנות.
  11. שבוע 11חדשנות בארגון קייםיזמות פנים-ארגונית, חסמים ארגוניים, מבנה צוות חדשנות.
  12. שבוע 12ניהול תיק חדשנותאיזון בין אופק קרוב לרחוק, מדדים, מתי עוצרים יוזמה.
  13. שבוע 13הצגהתרגול הצגה והכנה למשוב.
  14. שבוע 14הצגת פרויקטיםהצגת ה-POC בפני פאנל וסיכום.

חומרי לימוד

  • Global Innovation Index 2025WIPO · 2025
  • Science, Technology and Innovation Outlook 2025OECD · 2025
  • Annual Report on Israeli High TechIsrael Innovation Authority · 2025
  • Israeli Tech ReviewStart-Up Nation Central · 2025
  • AI Index Report 2025Stanford HAI · 2025
  • State of Venture — annual reportCB Insights · 2025
  • Technology Readiness Levels — definitions and assessment guidanceEuropean Commission, Horizon Europe · 2024
  • Emerging Technology Observatory — trend briefingsCSET, Georgetown University · 2025
פיתוח תוכנהHIT — הפקולטה למדעים מדויקים · קורס סמסטריאליפתיחת הסילבוס המלא

הקורס עוסק בפיתוח תוכנה כמקצוע ולא כתרגיל: איך עובדים בצוות, איך שומרים על קוד שאפשר לתחזק, ומה בדיוק קורה בין הרגע שבו נכתבת שורת קוד לרגע שבו היא רצה בייצור. כל הנושאים נלמדים תוך עבודה על פרויקט מתמשך.

אופן הוראה
הרצאות ועבודה מעשית על פרויקט מתמשך
שעות שבועיות
4
נקודות זכות
3.5
דרישות קדם
תכנות מונחה עצמים

נושאי הלימוד

  • מחזור חיי הפיתוח ושיטות עבודה
  • ניהול גרסאות ועבודה בצוות
  • עקרונות תכן ואיכות קוד
  • בדיקות ואוטומציה
  • ארכיטקטורה: צד שרת, צד לקוח וממשקים
  • בסיסי נתונים ושכבת גישה לנתונים
  • אינטגרציה רציפה ופריסה
  • פיתוח מאובטח

תוצרי למידה

  • לעבוד בצוות עם ניהול גרסאות וסקירת קוד
  • לכתוב בדיקות ולהריץ אותן אוטומטית
  • לתכנן ארכיטקטורה בסיסית ליישום ווב
  • לשלב שיקולי אבטחה בתהליך הפיתוח

מרכיבי הציון

  • 45%פרויקט מתמשך בצוות
  • 30%תרגילי הגשה
  • 25%בחינה מסכמת

התוכנית השבועית

  1. שבוע 1מחזור חיי הפיתוחWaterfall מול Agile, תפקידים בצוות, הגדרת גמור.
  2. שבוע 2ניהול גרסאותענפים, מיזוג, סקירת קוד ופתרון קונפליקטים. תרגול: תהליך עבודה מלא.
  3. שבוע 3איכות קודקריאות, שמות, פונקציות קצרות, חוב טכני. תרגול: שכתוב קוד קיים.
  4. שבוע 4עקרונות תכןהפרדת אחריות, צימוד ולכידות, דפוסי תכן נפוצים. תרגול: זיהוי דפוס בקוד.
  5. שבוע 5בדיקות יחידהמה כדאי לבדוק, בידוד, כיסוי ומה הוא לא מודד. תרגול: כתיבת בדיקות.
  6. שבוע 6בדיקות אינטגרציהבדיקת ממשקים, נתוני בדיקה, סביבות. תרגול: בדיקת ממשק מלא.
  7. שבוע 7ארכיטקטורהשכבות, MVC, DAL, הפרדת צד שרת מצד לקוח. תרגול: שרטוט ארכיטקטורת הפרויקט.
  8. שבוע 8שכבת נתוניםמיפוי אובייקטים, שאילתות, ביצועים ואינדוקס. תרגול: מימוש שכבת גישה.
  9. שבוע 9ממשקי APIתכן ממשק, גרסאות, טיפול בשגיאות ותיעוד. תרגול: בניית API ותיעודו.
  10. שבוע 10אינטגרציה רציפהבנייה אוטומטית, הרצת בדיקות, שערי איכות. תרגול: הקמת צנרת CI.
  11. שבוע 11פריסהסביבות, קונפיגורציה, גרסאות והחזרה לאחור. תרגול: פריסה אוטומטית.
  12. שבוע 12פיתוח מאובטחקלט לא מהימן, אימות והרשאות, ניהול סודות. תרגול: תיקון פגיעויות בקוד נתון.
  13. שבוע 13ביצועיםמדידה לפני אופטימיזציה, צווארי בקבוק, מטמון. תרגול: איתור צוואר בקבוק.
  14. שבוע 14סיכוםהצגת הפרויקטים וסקירת קוד הדדית.

חומרי לימוד

  • Accelerate State of DevOps ReportDORA / Google Cloud · 2025
  • Secure Software Development Framework, SP 800-218NIST · 2024
  • SSDF Community Profile for Generative AI, SP 800-218ANIST · 2024
  • SLSA — Supply-chain Levels for Software Artifacts, v1.1OpenSSF · 2024
  • OWASP Top 10 for Large Language Model ApplicationsOWASP · 2025
  • Developer SurveyStack Overflow · 2025
  • Octoverse — the state of open sourceGitHub · 2024
  • ISO/IEC/IEEE 12207 — software life cycle processesISO/IEC/IEEE · 2017, current
ניהול פרויקטיםHIT — הפקולטה למדעים מדויקים · קורס סמסטריאליפתיחת הסילבוס המלא

הקורס מקנה את הכלים לתכנן, לבצע ולבקר פרויקט פיתוח בסביבה רב-תחומית. הוא נשען על פרויקטים אמיתיים ומתמקד במה שבאמת מפיל פרויקטים — דרישות לא ברורות, ממשקים לא מוגדרים, בעלי עניין שלא שותפו, וסיכונים שאיש לא רשם.

אופן הוראה
הרצאות, סימולציות ועבודה על תיק פרויקט
שעות שבועיות
4
נקודות זכות
3.5
דרישות קדם
אין

נושאי הלימוד

  • מחזור חיי הפרויקט ותהליכי הניהול
  • ייזום, מסמך ייזום והגדרת היקף
  • תכנון: לוחות זמנים, משאבים ותקציב
  • ניהול בעלי עניין ותקשורת
  • ניהול סיכונים
  • ביצוע ובקרה, מדדי התקדמות
  • ניהול איכות ותיעוד
  • סגירת פרויקט והפקת לקחים

תוצרי למידה

  • לכתוב מסמך ייזום והגדרת היקף ברורה
  • לבנות לוח זמנים עם תלויות ונתיב קריטי
  • לזהות סיכונים, להעריך אותם ולבנות מענה
  • לעקוב אחר התקדמות ולדווח בצורה שמאפשרת החלטה

מרכיבי הציון

  • 45%תיק פרויקט מלא: ייזום, תכנון, ניהול סיכונים ובקרה
  • 30%תרגילים במהלך הסמסטר
  • 25%בחינה מסכמת

התוכנית השבועית

  1. שבוע 1מהו פרויקטהבחנה מפעילות שוטפת, משולש האילוצים, מדדי הצלחה.
  2. שבוע 2ייזוםמסמך ייזום, הצדקה עסקית, מינוי מנהל פרויקט. תרגול: כתיבת מסמך ייזום.
  3. שבוע 3הגדרת היקףWBS, מה בפנים ומה בחוץ, זחילת היקף. תרגול: בניית WBS.
  4. שבוע 4לוחות זמניםתלויות, נתיב קריטי, אומדנים ומרווחים. תרגול: תרשים גאנט עם נתיב קריטי.
  5. שבוע 5משאבים ותקציבהקצאת משאבים, עומסים, אומדן עלות. תרגול: תקצוב פרויקט.
  6. שבוע 6בעלי ענייןמיפוי, ניתוח השפעה, תוכנית תקשורת. תרגול: מטריצת בעלי עניין.
  7. שבוע 7ניהול סיכוניםזיהוי, הערכה, מרשם סיכונים ואסטרטגיות מענה. תרגול: בניית מרשם סיכונים.
  8. שבוע 8שיטות עבודהWaterfall, Agile ושילובים; מתי כל אחת מתאימה. תרגול: בחירת שיטה למקרה נתון.
  9. שבוע 9ביצוע ובקרהמדדי התקדמות, ערך מוכר, דיווח סטטוס. תרגול: קריאת דוח סטטוס וזיהוי בעיה.
  10. שבוע 10ניהול שינוייםבקשות שינוי, ועדת שינויים, השפעה על היקף ולוחות זמנים. תרגול: הערכת בקשת שינוי.
  11. שבוע 11איכות ותיעודהגדרת איכות, בדיקות קבלה, תיעוד כתנאי למסירה. תרגול: כתיבת קריטריוני קבלה.
  12. שבוע 12ספקים והתקשרויותרכש, חוזים, SLA וניהול ספק. תרגול: ניתוח סעיפי חוזה.
  13. שבוע 13סגירהמסירה, הפקת לקחים, העברה לתפעול. תרגול: כתיבת דוח סיכום.
  14. שבוע 14סיכוםהצגת תיקי הפרויקט וביקורת עמיתים.

חומרי לימוד

  • Pulse of the ProfessionProject Management Institute · 2025
  • PRINCE2 7th editionPeopleCert / AXELOS · 2023
  • ISO 21502 — guidance on project managementISO · 2020, current
  • A Guide to the Project Management Body of Knowledge, 7th editionProject Management Institute · 2021, current
  • Mefteah — the Israeli government standard for IT projectsGovernment of Israel · 2024 revision
  • Accelerate State of DevOps ReportDORA / Google Cloud · 2025
  • Agile Practice GuidePMI and Agile Alliance · current edition
  • ISO 31000 — risk management guidelinesISO · 2018, current
יזמות טכנולוגיתקורס סמסטריאלי · 14 מפגשים · אקדמיה וארגוניםפתיחת הסילבוס המלא

הקורס מלווה את המשתתף מרעיון גולמי ועד מוצר שיש לו לקוח משלם. הדגש אינו על כתיבת תוכנית עסקית יפה אלא על בדיקת ההנחות המסוכנות ביותר מוקדם ובזול: מי הלקוח, מה הכאב, למה דווקא עכשיו, ומדוע דווקא אנחנו. כל צוות מגיע לסוף הקורס עם ולידציה מבוססת ראיונות, אב-טיפוס עובד ומצגת משקיעים.

אופן הוראה
הרצאות, סדנאות עבודה וליווי צוותים
שעות שבועיות
4 — שעתיים הרצאה ושעתיים עבודה על המיזם
נקודות זכות
3.5
דרישות קדם
אין. יתרון להיכרות בסיסית עם פיתוח תוכנה
גודל צוות
3–4 משתתפים

נושאי הלימוד

  • מהי הזדמנות יזמית ומה מבדיל אותה מרעיון טוב
  • זיהוי כאב אמיתי: ראיונות לקוח ושיטת Customer Discovery
  • מודלים עסקיים, Business Model Canvas ומקורות הכנסה
  • ניתוח שוק, מתחרים ובידול
  • מ-MVP ל-Product Market Fit
  • מימון: הון עצמי, מענקים, אנג׳לים וקרנות
  • קניין רוחני, מבנה משפטי והסכמי מייסדים
  • בניית צוות מייסד וחלוקת אחריות
  • הצגה למשקיעים — מבנה ה-Pitch Deck

תוצרי למידה

  • לנסח הזדמנות יזמית במונחי לקוח, כאב ופתרון
  • לתכנן ולבצע סבב ראיונות ולידציה ולהסיק ממנו מסקנות
  • לבנות מודל עסקי ולבחון את היתכנותו הכלכלית
  • להגדיר MVP מינימלי באמת ולבנות אותו
  • להציג מיזם בפני קהל משקיעים בחמש דקות

מרכיבי הציון

  • 30%תיק ולידציה: לפחות 15 ראיונות לקוח מתועדים ומסקנותיהם
  • 30%אב-טיפוס או MVP עובד
  • 25%מצגת משקיעים והצגה בעל פה
  • 15%השתתפות ומשוב עמיתים לצוותים אחרים

התוכנית השבועית

  1. מפגש 1מה זו יזמות טכנולוגיתמיתוסים ומציאות, סוגי מיזמים, מדוע רוב הסטארטאפים נכשלים ומה מבדיל את אלה ששורדים. תרגול: ניסוח רעיון ראשוני בשלוש שורות.
  2. מפגש 2זיהוי הזדמנותהבחנה בין רעיון להזדמנות, מגמות טכנולוגיות ורגולטוריות כמנוע, חלון הזדמנויות. תרגול: מיפוי שלוש הזדמנויות בתחום שהצוות מכיר.
  3. מפגש 3הלקוח והכאבפרסונות, מפת מסע לקוח, הבחנה בין כאב לאי-נוחות. תרגול: כתיבת מדריך ראיון.
  4. מפגש 4Customer Discoveryאיך מראיינים בלי להוביל את המרואיין, שאלות אסורות, תיעוד ממצאים. תרגול: חמישה ראיונות ראשונים בשטח.
  5. מפגש 5ניתוח ממצאיםמה עושים כשהראיונות סותרים את ההשערה, Pivot מול Persevere. תרגול: הצגת ממצאי הראיונות בכיתה.
  6. מפגש 6מודל עסקיBusiness Model Canvas, מקורות הכנסה, מבנה עלויות, יחידת כלכלה. תרגול: מילוי קנבס מלא.
  7. מפגש 7שוק ותחרותTAM, SAM, SOM; מיפוי מתחרים ישירים ועקיפים; בידול בר-הגנה. תרגול: מטריצת תחרות.
  8. מפגש 8הגדרת MVPמה נכנס לגרסה הראשונה ומה לא, תעדוף לפי סיכון ולא לפי נוחות. תרגול: מסמך אפיון MVP.
  9. מפגש 9בנייה ומדידהמחזור Build–Measure–Learn, בחירת מדדים שמשקפים למידה ולא מדדי סרק. תרגול: הגדרת שלושה מדדי ליבה.
  10. מפגש 10מימוןמסלולי מימון בישראל, רשות החדשנות, אנג׳לים וקרנות; דילול והערכת שווי בשלב מוקדם. תרגול: תחשיב צורך מזומן ל-18 חודשים.
  11. מפגש 11משפט וקניין רוחנימבנה חברה, הסכם מייסדים, Vesting, פטנטים מול סוד מסחרי. תרגול: טיוטת ראשי פרקים להסכם מייסדים.
  12. מפגש 12צוות ותרבותמי חייב להיות בצוות המייסד, חלוקת תפקידים, ניהול מחלוקות. תרגול: הגדרת אחריות בצוות.
  13. מפגש 13Pitchמבנה מצגת המשקיעים, הסיפור, הדגמה, השקף הכספי, שאלות קשות. תרגול: חזרה כללית עם משוב.
  14. מפגש 14יום הצגההצגת המיזמים בפני פאנל מהתעשייה, משוב מובנה וסיכום הקורס.

חומרי לימוד

  • Annual Report on Israeli High TechIsrael Innovation Authority · 2025
  • Funding tracks and eligibility guidanceIsrael Innovation Authority · 2025
  • Israeli Tech ReviewStart-Up Nation Central · 2025
  • State of Venture — annual reportCB Insights · 2025
  • Global Innovation Index 2025WIPO · 2025
  • Startup Library — company formation, fundraising and safe notesY Combinator · 2025
  • AI Index Report 2025 — the economy chapterStanford HAI · 2025
  • Patent Cooperation Treaty — applicant guideWIPO · 2025
חדשנות בר קיימאקורס סמסטריאלי · 14 מפגשים · אקדמיה וארגוניםפתיחת הסילבוס המלא

חדשנות שאינה בת-קיימא היא חוב שנדחה. הקורס בוחן איך מפתחים מוצרים ושירותים טכנולוגיים שעומדים במבחן הכלכלי, הסביבתי והחברתי בו-זמנית — לא כמחווה שיווקית אלא כאילוץ תכנוני. המשתתפים לומדים למדוד השפעה, לתמחר אותה, ולתכנן מוצר שמצליח דווקא משום שהוא יעיל במשאבים.

אופן הוראה
הרצאות, ניתוח מקרי בוחן ופרויקט צוותי
שעות שבועיות
4 — שעתיים הרצאה ושעתיים עבודה על פרויקט
נקודות זכות
3.5
דרישות קדם
אין
גודל צוות
3–4 משתתפים

נושאי הלימוד

  • מהי קיימות ומה ההבדל בינה לבין ״ירוק״ שיווקי
  • שלושת הצירים: כלכלי, סביבתי וחברתי
  • כלכלה מעגלית ותכנון למחזור חיים מלא
  • טביעת הרגל הפחמנית של טכנולוגיה: מרכזי נתונים, ענן ו-AI
  • Green Computing ויעילות אנרגטית בתוכנה
  • מדידה ודיווח: ESG, GRI ותקינה רלוונטית
  • רגולציה ומדיניות בישראל ובאיחוד האירופי
  • מודלים עסקיים בני-קיימא
  • Greenwashing — איך מזהים ואיך נמנעים

תוצרי למידה

  • להעריך את ההשפעה הסביבתית והחברתית של מוצר טכנולוגי
  • לתכנן מוצר לפי עקרונות כלכלה מעגלית
  • לבחור מדדי קיימות ולדווח עליהם באופן שניתן לביקורת
  • לזהות טענות קיימות שאינן מבוססות
  • לבנות תיק השקעה שמצדיק חדשנות בת-קיימא כלכלית

מרכיבי הציון

  • 40%פרויקט צוותי: תכנון מוצר או שירות בר-קיימא, כולל הערכת השפעה
  • 25%ניתוח מקרה בוחן כתוב
  • 20%דוח מדידה: בחירת מדדים והצדקתם
  • 15%השתתפות בדיוני הכיתה

התוכנית השבועית

  1. מפגש 1מסגרת המושגיםקיימות, פיתוח בר-קיימא ויעדי האו״ם; מדוע ההגדרה חשובה. תרגול: מיון טענות קיימות אמיתיות ומדומות.
  2. מפגש 2שלושת הציריםהאיזון בין רווחיות, סביבה וחברה, והמקרים שבהם הם מתנגשים באמת. תרגול: ניתוח החלטה עסקית לפי שלושת הצירים.
  3. מפגש 3מחזור חייםLife Cycle Assessment — מהחומר הגולמי עד הפסולת. תרגול: מיפוי מחזור חיים של מוצר אלקטרוני.
  4. מפגש 4כלכלה מעגליתתכנון לפירוק, לתיקון ולשימוש חוזר; מודלים של מוצר-כשירות. תרגול: תכנון מחדש של מוצר קיים.
  5. מפגש 5טביעת רגל של טכנולוגיהצריכת האנרגיה של מרכזי נתונים, של הענן ושל אימון מודלי AI. תרגול: אומדן צריכה למערכת נתונה.
  6. מפגש 6Green Computingיעילות אלגוריתמית, בחירת ארכיטקטורה, אזורי ענן ואופטימיזציה. תרגול: שיפור יעילות של קטע קוד.
  7. מפגש 7מדידהמה בכלל ניתן למדוד, מדדי קלט מול מדדי תוצאה, בעיית הייחוס. תרגול: הגדרת שלושה מדדים לפרויקט.
  8. מפגש 8ESG ודיווחמסגרות דיווח מקובלות, למי מדווחים ומה נדרש להוכחה. תרגול: קריאה ביקורתית של דוח ESG אמיתי.
  9. מפגש 9רגולציההמדיניות בישראל ובאיחוד האירופי, חובות דיווח, מכניזם גבול פחמני. תרגול: מיפוי חובות החלות על מיזם הצוות.
  10. מפגש 10מודלים עסקייםאיך קיימות הופכת מעלות ליתרון תחרותי; תמחור חיצוניות. תרגול: מודל הכנסה למוצר בר-קיימא.
  11. מפגש 11מימון והשקעהקרנות אימפקט, מענקים, קריטריוני משקיעים. תרגול: מסמך תיק השקעה מקוצר.
  12. מפגש 12Greenwashingדפוסי הטענה המטעה, נטל ההוכחה, סיכון מוניטין ומשפטי. תרגול: ביקורת קמפיין קיים.
  13. מפגש 13הטמעה בארגוןאיך מכניסים שיקולי קיימות לתהליך הפיתוח עצמו ולא כשלב נפרד. תרגול: נוהל בדיקה לפני שחרור גרסה.
  14. מפגש 14הצגת פרויקטיםהצגת הפרויקטים, ביקורת עמיתים וסיכום.

חומרי לימוד

  • ISO/IEC 21031 — Software Carbon Intensity (SCI) specificationISO/IEC and Green Software Foundation · 2024
  • European Sustainability Reporting Standards under the CSRDEuropean Commission / EFRAG · 2024, with 2025 omnibus revisions
  • Energy and AIInternational Energy Agency · 2025
  • Electricity — market report and data centre outlookInternational Energy Agency · 2025
  • Emissions Gap ReportUNEP · 2025
  • Circular economy — technical and policy reportsEllen MacArthur Foundation · 2025
  • ISO 14068-1 — carbon neutralityISO · 2023
  • GRI Universal Standards and topic standardsGlobal Reporting Initiative · 2024 update
ניהול מערכות מידעקורס סמסטריאלי · 14 מפגשים · אקדמיה וארגוניםפתיחת הסילבוס המלא

מערכות המידע הן מערכת העצבים של הארגון, ורוב הכשלים בהן אינם טכנולוגיים אלא ניהוליים: אפיון חסר, ספק שלא נוהל, נתונים שאיש אינו אחראי עליהם. הקורס מקנה את הכלים לנהל את המערך כולו — ארכיטקטורה, ספקים, נתונים, תקציב ואבטחה — מנקודת מבטו של מי שאחראי לתוצאה.

אופן הוראה
הרצאות, מקרי בוחן וסימולציית ניהול
שעות שבועיות
4 — שעתיים הרצאה ושעתיים עבודה מעשית
נקודות זכות
3.5
דרישות קדם
מבוא למערכות מידע או ניסיון מקצועי מקביל

נושאי הלימוד

  • תפקיד מערכות המידע בארגון ומבנה יחידת ה-IT
  • ארכיטקטורת מערכות ומערכות ליבה
  • ERP, CRM ומערכות רוחביות
  • ניהול נתונים, איכות נתונים ו-Data Governance
  • רכש טכנולוגי: מכרזים, בחירת ספק וניהול חוזה
  • ניהול שירות: SLA, מוקד תמיכה ותהליכי ITSM
  • תקציב IT, מודלי עלות ו-TCO
  • אבטחת מידע וניהול סיכונים תקשוביים
  • טרנספורמציה דיגיטלית וניהול שינוי

תוצרי למידה

  • לקרוא ולכתוב מסמך אפיון ולנהל תהליך רכש טכנולוגי
  • לתכנן ארכיטקטורת מערכות ברמת הארגון
  • להגדיר מדיניות ניהול נתונים ובעלות עליהם
  • לבנות תקציב IT ולהצדיק אותו בפני הנהלה
  • לזהות סיכוני מערכות מידע ולבנות מענה

מרכיבי הציון

  • 35%עבודת גמר: תוכנית ניהול מערכות מידע לארגון נתון
  • 25%תרגיל מכרז: כתיבת בריף, קריטריוני בחירה והערכת הצעות
  • 25%תרגילים במהלך הקורס
  • 15%השתתפות ונוכחות

התוכנית השבועית

  1. מפגש 1מערכות מידע בארגוןמה מערך ה-IT אמור לספק, מבנים ארגוניים נפוצים, יחסי הגומלין עם ההנהלה. תרגול: מיפוי מערך IT בארגון מוכר.
  2. מפגש 2ארכיטקטורהשכבות, ממשקים, מערכות ליבה מול מערכות היקפיות, חוב טכני. תרגול: שרטוט ארכיטקטורה קיימת.
  3. מפגש 3מערכות רוחביותERP ו-CRM — מה הן פותרות, מתי לרכוש ומתי לפתח. תרגול: השוואת שתי חלופות.
  4. מפגש 4אפיוןמסמך ייזום, אפיון צרכים ואפיון טכני; מה קורה כשמדלגים על שלב. תרגול: כתיבת אפיון צרכים.
  5. מפגש 5רכש ומכרזיםסוגי הליכי רכש, ניסוח דרישות, קריטריוני איכות מול מחיר. תרגול: מטריצת שקלול הצעות.
  6. מפגש 6ניהול ספקיםחוזה, SLA, אבני דרך, תקופת אחריות ומנגנוני יציאה. תרגול: ניסוח סעיפי SLA.
  7. מפגש 7נתוניםמודל נתונים ארגוני, איכות נתונים, בעלות ואחריות. תרגול: הגדרת מדיניות נתונים.
  8. מפגש 8Data Governanceועדת נתונים, מילון נתונים, פרטיות ורגולציה. תרגול: בניית מילון נתונים חלקי.
  9. מפגש 9ניהול שירותתהליכי ITSM, מוקד תמיכה, ניהול תקלות ושינויים. תרגול: תכנון תהליך ניהול שינוי.
  10. מפגש 10תקציבתקציב שוטף מול פיתוח, TCO, הצדקת השקעה בפני הנהלה. תרגול: בניית תקציב שנתי.
  11. מפגש 11אבטחת מידעסיכונים עיקריים, בקרות, הפרדת סביבות והרשאות. תרגול: סקר סיכונים מקוצר.
  12. מפגש 12המשכיות עסקיתגיבוי, שחזור, DRP ותרגול מצבי חירום. תרגול: כתיבת תרחיש התאוששות.
  13. מפגש 13טרנספורמציה וניהול שינוילמה פרויקטים טכנולוגיים נכשלים מסיבות אנושיות, והטמעה כמקצוע. תרגול: תוכנית הטמעה.
  14. מפגש 14הצגת עבודותהצגת תוכניות הניהול, ביקורת עמיתים וסיכום.

חומרי לימוד

  • Cybersecurity Framework 2.0NIST · 2024
  • Privacy Protection Law, Amendment 13Knesset, State of Israel · 2024
  • Privacy Protection (Data Security) Regulations 5777-2017 — enforcement guidanceIsraeli Privacy Protection Authority · 2025
  • ISO/IEC 27001 and ISO/IEC 27002 — information security controlsISO/IEC · 2022, current
  • Cloud Controls Matrix v4Cloud Security Alliance · 2024
  • Mefteah — the Israeli government standard for IT projectsGovernment of Israel · 2024 revision
  • ITIL 4 — service value system guidancePeopleCert / AXELOS · current edition
  • DAMA-DMBOK — data management body of knowledge, 2nd revised editionDAMA International · current
בינה מלאכותית — ההיבט הארגוניקורס סמסטריאלי · 14 מפגשים · אקדמיה וארגוניםפתיחת הסילבוס המלא

רוב הארגונים כבר משתמשים ב-AI, בדרך כלל בלי לדעת היכן, על ידי מי ובאיזה סיכון. הקורס אינו עוסק בבניית מודלים אלא בשאלה הניהולית: היכן בינה מלאכותית מייצרת תועלת אמיתית, ואיך מודדים אותה. העיקרון המנחה הוא ליישם — לא דווקא לאמץ: כלי נכנס לארגון רק כאשר יש לו מקרה שימוש שמצדיק אותו, בעל תהליך מוגדר, גורמי הצלחה מוסכמים ומדדים שאפשר לעקוב אחריהם. הקורס מלמד לזהות היכן ה-AI חוסך זמן ועלות בפועל, ולהבחין בין ייעול מדיד לבין הרושם של חדשנות.

אופן הוראה
הרצאות, סדנאות מעשיות וניתוח מקרי בוחן
שעות שבועיות
4 — שעתיים הרצאה ושעתיים סדנה
נקודות זכות
3.5
דרישות קדם
אין. הקורס אינו דורש רקע מתמטי

נושאי הלימוד

  • מה AI עושה ומה איננו עושה — מסגרת מושגים לדרג ניהולי
  • ליישם, לא דווקא לאמץ: מתי הכלי מוצדק ומתי לא
  • מיפוי שימושים בארגון: היכן AI כבר נמצא בפועל
  • יעילות ארגונית — חיסכון בזמן, בעלות ובמאמץ, ואיך מודדים אותו
  • תועלות ארגוניות: איכות, זמינות, אחידות וקיצור זמן תגובה
  • הגדרת גורמי הצלחה ו-KPI ליוזמות AI
  • בחירת מקרי שימוש ותעדוף לפי ערך וסיכון
  • ממשל AI: מדיניות, בעלות, ועדת היגוי ואחריותיות
  • סיכונים: הזיות, הטיה, דליפת מידע וקניין רוחני
  • רגולציה: חוק ה-AI האירופי, הנחיות ישראליות והגנת פרטיות
  • השפעה על כוח האדם, תפקידים ותהליכי עבודה
  • Vibe Coding וכלי פיתוח מבוססי AI בארגון

תוצרי למידה

  • להחליט, על בסיס נתונים, אם מקרה שימוש מצדיק הכנסת כלי AI
  • לכמת את הייעול שהכלי מייצר — בזמן, בעלות ובאיכות
  • להגדיר גורמי הצלחה ו-KPI ליוזמת AI לפני שהיא יוצאת לדרך
  • למפות שימושי AI קיימים ומתוכננים בארגון
  • לנסח מדיניות AI ארגונית ונהלי שימוש
  • להעריך סיכון של מקרה שימוש ולהחליט אם להתקדם
  • לזהות חובות רגולטוריות החלות על הארגון

מרכיבי הציון

  • 35%פרויקט: מפת דרכים ליישום AI בארגון נבחר, כולל גורמי הצלחה, KPI וניתוח סיכונים
  • 25%תיק הצדקה: כימות התועלת הצפויה ממקרה שימוש אחד
  • 25%תרגילים מעשיים במהלך הקורס
  • 15%השתתפות בדיונים

התוכנית השבועית

  1. מפגש 1מסגרת מושגיםמהפרספטרון לרשת נוירונית ומשם למודלי שפה — בשפה ניהולית. מה המודל באמת עושה, ומה מיוחס לו בטעות. תרגול: הפרדה בין יכולת אמיתית לציפייה.
  2. מפגש 2ליישם, לא דווקא לאמץההבדל בין הכנסת כלי לבין פתרון בעיה; עלות ההטמעה הסמויה; מתי התשובה הנכונה היא לא להשתמש ב-AI. תרגול: פסילת מקרה שימוש שאינו מצדיק את עצמו.
  3. מפגש 3מיפוי המצב הקייםאיתור שימושי AI שכבר מתרחשים בארגון, לרוב ללא אישור; מהו Shadow AI. תרגול: סקר שימושים.
  4. מפגש 4יעילות ארגוניתהיכן AI חוסך זמן, עלות ומאמץ בפועל; מדידת מצב הבסיס לפני ההטמעה. תרגול: תזמון תהליך קיים ואומדן החיסכון הצפוי.
  5. מפגש 5תועלות ארגוניותמעבר לחיסכון: אחידות, איכות, זמינות, קיצור זמן תגובה והפחתת שגיאות. תרגול: מיפוי תועלות שאינן כספיות והמרתן למדד.
  6. מפגש 6גורמי הצלחה ו-KPIהגדרת גורמי הצלחה לפני תחילת היוזמה, בחירת KPI שמודדים תוצאה ולא פעילות, מדדי סרק וחלופת הבסיס. תרגול: בניית לוח מדדים ליוזמה.
  7. מפגש 7בחירת מקרי שימושקריטריונים לתעדוף, מטריצת ערך מול סיכון, מלכודת הפיילוט הנצחי. תרגול: תעדוף חמישה מקרי שימוש והצדקת הבחירה.
  8. מפגש 8עבודה נכונה עם מודליםארבעת חוקי הפרומפט — תפקיד, משימה, הקשר ופורמט; היכן הפרומפט הוא ההבדל בין חיסכון לבזבוז. תרגול: שיפור פרומפט קיים ומדידת ההפרש.
  9. מפגש 9הזיות ואימותלמה מודל ממציא, איך מזהים, ומה חייב לעבור בדיקה אנושית; עלות האימות כחלק מחישוב התועלת. תרגול: בניית נוהל אימות פלט.
  10. מפגש 10סיכונים ואבטחת מידעהטיה והוגנות, מה אסור להזין למודל, סיכוני דליפה, מודלים ארגוניים מול ציבוריים, קניין רוחני. תרגול: סיווג מידע לפי רגישות.
  11. מפגש 11ממשל AIמדיניות, בעלות, ועדת היגוי, מרשם שימושים ואחריותיות. תרגול: שרטוט מבנה ממשל.
  12. מפגש 12רגולציהחוק ה-AI האירופי ודירוג הסיכון, הנחיות ישראליות, הגנת פרטיות. תרגול: סיווג מקרה שימוש לפי רמת סיכון.
  13. מפגש 13כוח אדם, תפקידים ו-Vibe Codingאיך משתנים תפקידים, מה עובר אוטומציה ומה לא, הכשרה והתנגדות לשינוי; פיתוח בעזרת AI — יתרונות, סיכוני איכות ובקרה נדרשת. תרגול: בניית כלי קטן, בדיקתו וכימות הזמן שנחסך.
  14. מפגש 14הצגת מפות דרכיםהצגת הפרויקטים כולל גורמי ההצלחה וה-KPI שהוגדרו, ביקורת עמיתים וסיכום.

חומרי לימוד

  • Regulation (EU) 2024/1689 — the Artificial Intelligence ActEuropean Union · 2024
  • Artificial Intelligence Risk Management Framework: Generative AI Profile, NIST AI 600-1NIST · 2024
  • ISO/IEC 42001 — artificial intelligence management systemsISO/IEC · 2023
  • OWASP Top 10 for Large Language Model ApplicationsOWASP · 2025
  • AI Index Report 2025Stanford HAI · 2025
  • Guidance on the use of artificial intelligence and personal dataIsraeli Privacy Protection Authority · 2025
  • National policy and guidance on artificial intelligenceIsrael Innovation Authority and the Ministry of Innovation, Science and Technology · 2024
  • Model Context Protocol — specificationAnthropic · 2025
מבוא ללמידת מכונה ובינה מלאכותיתקורס בן תשעה מודולים · פורמט ימי לימוד מרוכזיםפתיחת הסילבוס המלא

הקורס מקנה הבנה מעשית של האלגוריתמים שמאחורי למידת מכונה — לא ברמת הנוסחה בלבד אלא ברמת השאלה מתי כל שיטה מתאימה ומתי היא מטעה. הוא נבנה לקהל ללא רקע מתמטי מתקדם, וכל מודול משלב הרצאה עם תרגול מעשי בפייתון. בסיום מריצים המשתתפים צנרת ניתוח מלאה על מערך נתונים אמיתי.

אופן הוראה
ימי לימוד מרוכזים — הרצאות ותרגול מעשי
מבנה יום
08:30–12:00 הרצאות · 12:10–12:55 הפסקה · 12:55–16:20 הרצאה ותרגול · 16:20–17:00 סיכום
מספר מודולים
9
דרישות קדם
ידע בסיסי בתכנות. אין דרישת רקע מתמטי
סביבת עבודה
פייתון, Jupyter או Google Colab

נושאי הלימוד

  • מבוא ללמידת מכונה — מה המחשב באמת לומד
  • רקע ומוטיבציה: מהיכן הגיע התחום ולמה דווקא עכשיו
  • גרפים ואלגוריתמי חיפוש
  • התניה חיובית וחיזוי תגמול (Reinforcement Learning)
  • מבוא לנתונים בלמידת מכונה
  • רגרסיה
  • עצי החלטה
  • אשכולות (Clustering)
  • אתיקה בלמידת מכונה

תוצרי למידה

  • להסביר במילים פשוטות מה עושה אלגוריתם למידה נתון
  • להכין מערך נתונים ללמידה ולזהות בעיות איכות בו
  • לבחור בין רגרסיה, עץ החלטה ואשכול לפי אופי הבעיה
  • להעריך מודל ולזהות התאמת יתר
  • לזהות שאלות אתיות שעולות מיישום המודל

מרכיבי הציון

  • 50%תרגיל מסכם: הרצת צנרת ניתוח מלאה על מערך נתונים אמיתי והצגת הממצאים
  • 35%תרגילי המודולים במהלך הקורס
  • 15%השתתפות בתרגול

התוכנית השבועית

  1. מודול 1מבוא ללמידת מכונהמה מבדיל תוכנה שנכתבה מתוכנה שנלמדה; למידה מונחית, בלתי מונחית וחיזוקית. תרגול: הרצת מודל מוכן וקריאת התוצאה.
  2. מודול 2רקע ומוטיבציההתפתחות התחום, מה השתנה בעשור האחרון, היכן הוא כבר פועל סביבנו. תרגול: זיהוי יישומי ML בשירותים מוכרים.
  3. מודול 3גרפים ואלגוריתמי חיפושייצוג בעיה כגרף, חיפוש לרוחב ו-A*. תרגול: פתרון מבוך בפייתון — מימוש BFS ו-A* והשוואת ביצועים.
  4. מודול 4התניה חיובית וחיזוי תגמולסוכן, סביבה, מצב ותגמול; מדוע למידה חיזוקית שונה מהשאר. תרגול: אימון סוכן פשוט על אלפי אפיזודות.
  5. מודול 5נתוניםאיסוף, ניקוי, ערכים חסרים, נרמול ואפיון משתנים; דליפת מידע בין אימון לבדיקה. תרגול: הכנת מערך נתונים גולמי ללמידה.
  6. מודול 6רגרסיהרגרסיה לינארית ולוגיסטית, פונקציית עלות, מדדי שגיאה. תרגול: חיזוי ערך רציף והערכת המודל.
  7. מודול 7עצי החלטהבניית עץ, קריטריון פיצול, גיזום ויערות אקראיים; יתרון הפרשנות. תרגול: סיווג באמצעות עץ והצגת חוקי ההחלטה.
  8. מודול 8אשכולותK-Means ושיטות נוספות, בחירת מספר האשכולות, מדידת איכות. תרגול: פילוח מערך נתונים ופרשנות האשכולות.
  9. מודול 9אתיקה בלמידת מכונההטיה במערך האימון, שקיפות והסברתיות, פרטיות והשלכות החלטה אוטומטית. תרגול: ביקורת אתית על מודל שנבנה בקורס.
  10. מסכםצנרת ניתוח מלאהתרגיל מסכם על נתוני עמדות טעינה לרכב חשמלי: ניקוי, אפיון, GridSearchCV, מודל חיזוי וסוכן למידה חיזוקית. הרצה מקומית או ב-Colab, והצגת הממצאים והגרפים.

חומרי לימוד

  • AI Index Report 2025Stanford HAI · 2025
  • scikit-learn 1.6 — user guidescikit-learn developers · 2025
  • Artificial Intelligence Risk Management Framework: Generative AI Profile, NIST AI 600-1NIST · 2024
  • Regulation (EU) 2024/1689 — the Artificial Intelligence ActEuropean Union · 2024
  • Dive into Deep LearningA. Zhang, Z. Lipton, M. Li, A. Smola · current edition
  • Reinforcement Learning: An Introduction, 2nd editionR. Sutton and A. Barto · current
  • Google Colab — documentation and runtime guideGoogle · 2025
  • Model Cards and Datasheets — documentation practicePartnership on AI · 2024
Big Dataקורס בן שישה מודולים · פורמט ימי לימוד מרוכזיםפתיחת הסילבוס המלא

הקורס עוסק בשאלה מה משתנה כשכמות הנתונים גדולה מכדי שמכונה אחת תטפל בה: איך מאחסנים, איך מעבירים, ואיך מריצים אלגוריתם על נתונים שלא נכנסים לזיכרון. הדגש הוא על הבנת הצנרת מקצה לקצה — מהמקור הגולמי ועד לתובנה — ועל בחירת הכלי הנכון לכל שלב.

אופן הוראה
ימי לימוד מרוכזים — הרצאות ותרגול מעשי
מבנה יום
08:30–12:00 הרצאות · 12:10–12:55 הפסקה · 12:55–16:20 הרצאה ותרגול · 16:20–17:00 סיכום
מספר מודולים
6
דרישות קדם
ידע בסיסי בתכנות ובבסיסי נתונים
סביבת עבודה
פייתון, סביבת ענן, כלי Elastic Stack

נושאי הלימוד

  • מבוא ל-Big Data — מתי הנתונים באמת גדולים
  • נתונים מובנים ולא מובנים
  • צנרת עיבוד לניתוח
  • Big Data בענן
  • טכניקות טעינת נתונים
  • טכניקות ואלגוריתמים

תוצרי למידה

  • לזהות מתי בעיה מצדיקה תשתית Big Data ומתי לא
  • לתכנן צנרת עיבוד מקצה לקצה
  • לבחור מנוע אחסון המתאים לסוג הנתונים
  • לטעון נתונים ממקורות שונים ולנרמל אותם
  • להריץ ניתוח על נפח שאינו נכנס לזיכרון

מרכיבי הציון

  • 50%פרויקט: בניית צנרת עיבוד מלאה על מקור נתונים אמיתי והצגת תובנות
  • 35%תרגילי המודולים
  • 15%השתתפות בתרגול

התוכנית השבועית

  1. מודול 1מבוא ל-Big Dataשלושת המימדים — נפח, מהירות וגיוון; מתי מערכת רגילה מפסיקה להספיק. תרגול: אפיון מקרה ובחינה האם הוא באמת Big Data.
  2. מודול 2נתונים מובנים ולא מובניםטבלאות מול טקסט, לוגים, תמונות וזרמי אירועים; סכימה בכתיבה מול סכימה בקריאה. תרגול: חילוץ שדות מלוג גולמי.
  3. מודול 3צנרת עיבוד לניתוחאיסוף, המרה, אחסון וניתוח; ETL מול ELT; Data Lake מול מחסן נתונים. תרגול: שרטוט צנרת ומימוש שלב ההמרה.
  4. מודול 4Big Data בענןשירותים מנוהלים, אחסון אובייקטים, עלות מול ביצועים, אזורים וזמינות. תרגול: הקמת סביבת עיבוד בענן.
  5. מודול 5טכניקות טעינת נתוניםטעינה באצווה מול זרימה, תורי הודעות, טיפול בכשלים וב-Backpressure. תרגול: הזרמת לוגים דרך צנרת אל מנוע חיפוש.
  6. מודול 6טכניקות ואלגוריתמיםMap Reduce, חלוקה למחיצות, אינדוקס, אגרגציות וזיהוי חריגות. תרגול: בניית לוח מחוונים וזיהוי אנומליה על הנתונים שנטענו.
  7. מסכםפרויקט הצנרתבניית צנרת מלאה על מקור נתונים שהצוות בוחר: איסוף, טעינה, אחסון, ניתוח והצגת התובנות בלוח מחוונים.

חומרי לימוד

  • Apache Spark 4.0 — programming guidesApache Software Foundation · 2025
  • Apache Iceberg — table format specification v3Apache Software Foundation · 2025
  • Elastic Stack — Elasticsearch, Logstash and Kibana referenceElastic · 2025
  • Apache Kafka — documentationApache Software Foundation · 2025
  • Annual Survey — cloud native adoptionCNCF · 2024
  • Energy and AI — data centre demandInternational Energy Agency · 2025
  • DAMA-DMBOK — data management body of knowledgeDAMA International · current
  • Designing Data-Intensive ApplicationsM. Kleppmann · current edition
הכרת יישומים בתחום GISקורס למשתמשים ומפעילים · מפגשים שבועיים בני שלוש שעותפתיחת הסילבוס המלא

הקורס מיועד למי שעובד עם מידע שמיקומו חשוב אך אינו מפתח בעצמו. הוא מקנה הבנה מלאה של מרכיבי המערכת — מהיכן מגיע המידע, מה מותר להסיק ממנו, ומה מגבלותיו — לצד התנסות מעשית בכלי קוד פתוח. כל מפגש משלב תיאוריה עם עבודה על המחשב.

אופן הוראה
מפגשים שבועיים בני שלוש שעות — תיאוריה והתנסות מעשית
מספר מפגשים
10
דרישות קדם
אין
סביבת עבודה
כלי קוד פתוח בלבד

נושאי הלימוד

  • מהו GIS — עקרונות ומקורות מידע גיאוגרפי
  • מגמות ותחומי יישום של מידע מבוסס מיקום
  • עולם הקוד הפתוח — התקנה ובניית סביבת עבודה
  • מיפוי אינטראקטיבי והמעבר מ-2D ל-3D
  • Big Data בהקשר גיאוגרפי וויזואליזציה רב-שכבתית
  • איתור וסיווג מקורות מידע פתוחים
  • הקמת בסיסי נתונים מרחביים
  • ניהול פרויקטי GIS רב-פלטפורמיים

תוצרי למידה

  • להסביר מהי מפה, ממה היא מורכבת ומה מגבלות הדיוק שלה
  • להקים סביבת עבודה בכלי קוד פתוח
  • לאתר מקורות מידע פתוחים ולהעריך את איכותם
  • לבנות שכבת מידע ולהציג אותה על מפה
  • לנסח דרישות לפרויקט GIS מול ספק

מרכיבי הציון

  • 45%עבודה מסכמת: בניית מפה נושאית ממקורות פתוחים והצגת המסקנות
  • 35%תרגילים במהלך הקורס
  • 20%נוכחות והשתתפות

התוכנית השבועית

  1. מפגש 1מהו GISמהי מפה, המוטיבציה למיפוי, רשתות קואורדינטות ועקרונות פעולת GPS. תרגול: קריאת מפה וזיהוי מערכת הקואורדינטות.
  2. מפגש 2מקורות מידע גיאוגרפימדידה, צילומי אוויר ולוויין, חישה מרחוק והיתוך נתונים; דיוק ומהימנות. תרגול: השוואת שני מקורות לאותו אזור.
  3. מפגש 3מגמות ותחומי יישוםשימושים במידע מבוסס מיקום, קדסטר, עיר חכמה ו-Internet of Things. תרגול: מיפוי שימושים בארגון המשתתף.
  4. מפגש 4עולם הקוד הפתוחהכלים המרכזיים, רישוי, יתרונות ומגבלות. תרגול: התקנה ובניית סביבת עבודה מלאה.
  5. מפגש 5שכבות מידעוקטור מול רסטר, פורמטים נפוצים, מערכות ייחוס. תרגול: טעינת שכבות ועריכתן.
  6. מפגש 6מיפוי אינטראקטיבימפה סטטית מול אינטראקטיבית, המעבר מ-2D ל-3D. תרגול: בניית מפה אינטראקטיבית פשוטה.
  7. מפגש 7מקורות פתוחיםאיתור, סיווג והערכת איכות של מאגרים ציבוריים. תרגול: הורדת נתונים ממאגר ממשלתי וניקויים.
  8. מפגש 8בסיסי נתונים מרחבייםאחסון גיאומטריה, שאילתות מרחביות ואינדוקס. תרגול: הקמת בסיס נתונים והרצת שאילתה.
  9. מפגש 9Big Data גיאוגרפינפחים גדולים, ויזואליזציה רב-שכבתית וניתוח מרחבי. תרגול: הצגת מערך נתונים גדול על מפה.
  10. מפגש 10ניהול פרויקט GISניסוח דרישות, עבודה מול ספק, אינטגרציה רב-פלטפורמית. הצגת העבודות המסכמות.

חומרי לימוד

  • QGIS 3.40 LTR — User Guide and Training ManualQGIS Project · 2024
  • OGC API — Features, Part 1: CoreOpen Geospatial Consortium · 2024
  • data.gov.il — geospatial dataset catalogueGovernment of Israel · 2025
  • GovMap — public map services and APISurvey of Israel · 2025
  • OpenStreetMap Data Working Group — data quality guidanceOpenStreetMap Foundation · 2024
  • Copernicus Land Monitoring Service — product user manualsEuropean Space Agency · 2025
  • Integrated Geospatial Information FrameworkUN-GGIM · 2024
  • 3D Tiles 1.1, OGC Community StandardOpen Geospatial Consortium · 2024

מה יצא מזה

פרויקטי גמר בהנחייתי

עשרה פוסטרים של פרויקטי גמר שהנחיתי במרכז הפרויקטים — כל אחד התחיל בצורך אמיתי של ארגון והסתיים במוצר עובד שהוצג בכנס. זה מה שהלמידה הפרויקטלית מייצרת כשהיא נעשית נכון.

  • פוסטר פרויקט הגמר ברפואה דיגיטלית — שאלון רפואי בזמן אמת, עם מסכי היישום למטופל ולרופא

    יישומון זמן אמת לקביעת רמת חומרה של תסמיני ערמונית מוגדלת

    רפואה דיגיטלית · המחלקה למדעי המחשב · סמסטר קיץ תשע״ט

    מחלקה אורולוגית בבית חולים ראתה מטופל אחת לחודש בממוצע — ובין הביקורים לא היה לרופא שום אות על מצבו. הצוות בנה שאלון רפואי בזמן אמת: אפליקציית אנדרואיד למטופל ויישום ווב לרופא, שמייצרים מעקב קצר-טווח במקום הערכה מהזיכרון בפגישה הבאה.

    • Android
    • Java
    • JQuery
    • Bootstrap
    • HTML
    • CSS
    • JS
  • פוסטר פרויקט ניתוח התנהגות משתמשים — ארכיטקטורת Elastic Stack ולוחות מחוונים ב-Kibana

    User Behavior Analysis

    ניתוח התנהגות משתמשים · המחלקה למדעי המחשב · תש״פ

    צוות אבטחת המידע של ספקית תוכנה לחברות ביטוח לא יכול היה לאתר התנהגות חשודה ברשת. הצוות הקים תשתית Big Data מלאה — Logstash לאיסוף, Elasticsearch לאחסון ו-Kibana לניתוח — שמריצה זיהוי חריגות על בסיס המידע המגיע מהאנטי-וירוס הארגוני.

    • Elasticsearch
    • Logstash
    • Kibana
    • Big Data
    • Message Queue
  • פוסטר פרויקט EasyRoll — תכנון מסלול לרכב כבד, עם מסכי הפלטפורמה ומבנה הנתונים

    EasyRoll

    תכנון מסלול לרכב כבד וגבוה · המחלקה למדעי המחשב · תשע״ח

    נהג מנוף או משאית גבוהה שנתקל בגשר נמוך מגלה זאת מאוחר מדי. הצוות בנה פלטפורמה שמצליבה מאגר מידע נרחב של הגשרים ברחבי הארץ עם נתוני הרכב, ומחזירה מסלול שהרכב יכול לעבור בו בפועל.

    • Firebase
    • HTML
    • JS
    • CSS
    • Google Maps
  • פוסטר פרויקט מיפוי בתי תמחוי — תרשים המשתמשים במערכת ומסכי היישום

    יישום מיפוי בתי תמחוי

    פרויקט חברתי · המחלקה למדעי המחשב · תשע״ט

    בתי תמחוי מפרסמים כתובת ושעות פתיחה, אבל מי שזקוק להם לא תמיד יכול לחפש בגלוי. הצוות בנה יישום גיאוגרפי שמאפשר למצוא מקום אוכל קרוב ללא תשלום וללא חשיפה — ובאותה מערכת גם לחבר מתנדבים ותורמים לבתי תמחוי ברחבי הארץ.

    • HTML
    • JS
    • CSS
    • PHP
    • MySQL
  • פוסטר פרויקט לתת וקחת — מסכי אפליקציית האנדרואיד ותרשים זרימת המסכים

    לתת וקחת — Give&Take

    פרויקט חברתי לאנדרואיד · המחלקה למדעי המחשב · 2019

    לפעמים מה שמיותר לאדם אחד חסר לאחר, ומה שמונע את המפגש ביניהם הוא רק היעדר דרך פשוטה ליצור קשר. האפליקציה מאפשרת לפרסם מוצר לתרומה ולאתר מוצרים פנויים בסביבה, בלי לחשוף פרטי קשר עד שהצדדים בוחרים בכך.

    • Android
    • Java
    • Firebase
    • Google Maps
  • פוסטר פרויקט מערכת מידע גיאוגרפית לגופי תאורה — מסכי היישום וארכיטקטורת השכבות

    מערכת מידע גיאוגרפית לגופי תאורה

    עבור חברת הנדסה · המחלקה למדעי המחשב · תשע״ט

    מדידת גופי תאורה ברחבי העיר נעשתה בטפסים. הצוות בנה מערכת שבה עובד השטח מזין ועורך נקודה ישירות על המפה מהמכשיר הסלולרי — כולל הזזת נקודה, צילום גוף התאורה והרשאות נפרדות למנהל, לעורך ולצופה.

    • Android
    • GIS
    • Google Maps
    • הרשאות משתמשים
  • פוסטר פרויקט NetmApp — ארכיטקטורת המערכת ומפות עוצמת אות סלולרי

    NetmApp

    מיפוי קליטת רשתות סלולר · המחלקה למדעי המחשב · תש״פ

    חברות הסלולר מפרסמות מפות כיסוי, אבל הן אינן מאפשרות השוואה בין מפעילים באותה נקודה. הצוות בנה יישום שאוסף מדידות עוצמת אות מהמשתמשים עצמם ומייצר תמונת כיסוי אמיתית — יישום מרובה משתמשים שנתוניו משתפרים ככל שמשתמשים בו יותר.

    • PostgreSQL
    • Android Studio
    • React Native
    • Amazon
  • פוסטר פרויקט FishRadar — תרשים מסכי האפליקציה ומסכי שיתוף תפיסות דגים על מפה

    FishRadar

    שיתוף ידע בין דייגים · המחלקה למדעי המחשב · תש״פ

    הידע על אזורי דייג מוצלחים עובר בעל פה ובפורומים, ולכן נשאר חלקי ולא נגיש. היישום מאפשר לתעד תפיסה על גבי מפה, לסנן לפי שיטת דייג וסוג דג, ולבנות מאגר משותף שנצבר עם הזמן.

    • Xamarin
    • MVC
    • GIS
    • Android
  • פוסטר פרויקט What's Around — מסכי דיווח האירועים ומפת הדיווחים

    What's Around

    חדשות מבוססות מיקום · המחלקה למדעי המחשב · סיון תשע״ח

    חדשות מגיעות כזרם אחיד, גם כשהאירוע קרוב או רחוק מאוד מהקורא. היישום הופך את המשתמש ממקבל פסיבי למדווח: כל אחד יכול לדווח על אירוע במקום שבו הוא נמצא, והדיווחים מסוננים לפי מרחק, סוג אירוע ודירוג אמינות.

    • Android
    • GIS
    • ארכיטקטורת שכבות
  • פוסטר פרויקט הצגת ועריכת שכבות מידע — מסכי עריכת הפוליגונים וטבלת ההרשאות

    יישום הצגת ועריכת שכבות מידע ונתונים

    כלי לניהול פרויקטים גיאוגרפיים · המחלקה למדעי המחשב

    כלי ניהול לשכבות מידע גיאוגרפיות: יצירה ועריכה של פוליגונים ונקודות על גבי מפה, עם חמש רמות הרשאה — ממנהל מערכת ועד צופה — כך שכל שותף בפרויקט רואה ומשנה רק את מה שמותר לו.

    • Angular
    • C#
    • Google Maps
    • GPS

שמות הסטודנטים, שם המנחה השותף וכל פרט אישי שהופיע בצילומי המסך — מספרי טלפון, שמות משתמשים, נתיבי קבצים וכתובות פנימיות — טושטשו. גם שמות הארגונים המזמינים הוסרו, בהתאם לגישה הנהוגה בשאר האתר.

ציר זמן

תפקידי הוראה

  1. 2016–2025

    מרצה וראש מרכז הפרויקטים, הפקולטה למדעים

    HIT — המכון הטכנולוגי חולון

    הרצאות ב-GIS, חדשנות, פיתוח תוכנה וניהול פרויקטים; הנחיית מאות פרויקטי סטודנטים; ניהול והכשרה של כ-20 מנחים ורכזי תחומים.

  2. 2009–2010

    מתרגל

    המרכז האוניברסיטאי אריאל בשומרון

    תרגול קורסים בפקולטה, בדגש על הנגשת החומר והצלחת הסטודנטים.

  3. 2007–2016

    מתרגל, הפקולטה למדעים

    HIT — המכון הטכנולוגי חולון

    מהמתרגלים המוערכים בפקולטה על ידע, פתיחות ונכונות לעזור — על פי המלצות מרצים בכירים.

איך אני מלמד

תפיסת ההוראה שלי

הבסיס הוא שילוב לא שכיח: עומק מתמטי מהתואר הראשון, ידע יישומי עדכני מהשטח, והיכולת לחבר ביניהם כך שהסטודנט רואה למה התיאוריה חשובה.

  • קודם כול — פרויקט אמיתי. חלק תיאורטי קצר מניח תשתית אחידה, ומשם עוברים לעבודה על בעיה שמישהו באמת צריך שתיפתר.
  • קבוצות קטנות ורב-תחומיות של עד חמישה משתתפים, בהנחיה משולבת של מנחה מקצועי ונציג תעשייה.
  • מדדי הצלחה שקופים ומוגדרים היטב מראש — הסטודנט יודע לפי מה נמדדת העבודה שלו.
  • התוצר הוא אב-טיפוס עובד, מתועד בשיטות מיטביות כך שאפשר לשלב אותו במוצר הליבה של החברה השותפה.
  • הוראה בארבע שפות מאפשרת לי ללמד קהלים במרכז אסיה ובמזרח אירופה בשפת האם שלהם, בלי מתווך.
“התפוקות של ההכשרה הפרויקטלית של הסטודנטים הן עצומות, ושינו את פני הפקולטה למדעים מדויקים.”
מרצה בכיר, הפקולטה למדעים, HIT

נשמח לדבר

יצירת קשר

פתוח להצעות ניהוליות, שיתופי פעולה אקדמיים, ייעוץ טכנולוגי וחברות בדירקטוריון.