Израиль Марк

Курсы, которые я вёл

Преподавание

Почти двадцать лет в аудитории — от практических занятий по математике на бакалавриате, через академические курсы на факультете точных наук, до семинаров внутри организаций и гостевых лекций за рубежом. Список сгруппирован по типу площадки, а ниже на странице приведены полные силлабусы двух написанных мной курсов.

Коротко

18
лет преподавания и наставничества
20+
проведённых курсов и модулей
3
курса, написанных с нуля
4
языка преподавания

Что я преподавал

Курсы и модули

Часть курсов я написал с нуля — цели, силлабус, материалы и задания; другие представляют собой профессиональные модули, созданные для программ обучения и для Центра проектов.

Академические курсы

Факультет точных наук, Холонский технологический институт · 2016–2025

  1. Географические информационные системы (ГИС)

    HIT — факультет точных наук

    От первых принципов до разработки географических приложений.

    • Принципы ГИС и источники данных
    • Стандарты в отрасли
    • Пространственный анализ
    • Разработка приложений

  2. Технологические инновации

    HIT — факультет точных наук

    Тренды хайтека, поиск возможностей и путь от идеи к продукту.

    • Отраслевые тренды
    • Выявление потребностей
    • От идеи к POC

  3. Разработка программного обеспечения

    HIT — факультет точных наук

    Процессы разработки, инструменты и методы работы, реально принятые в индустрии.

  4. Управление проектами

    HIT — факультет точных наук

    Планирование, исполнение и контроль проектов разработки в междисциплинарной среде.

Курсы, написанные с нуля

Полный силлабус, материалы и задания — моя собственная работа

  1. Приложения ГИС

    Курс для пользователей и операторов

    Формирует полное понимание систем, управляющих информацией, для которой важно местоположение, — вместе с их ограничениями и способами их обойти. Еженедельные трёхчасовые встречи, каждая сочетает теорию с практикой в инструментах с открытым кодом.

    • Что такое ГИС: принципы и источники географических данных
    • Тренды и области применения информации на основе местоположения
    • Мир открытого кода — установка и настройка рабочей среды
    • Интерактивное картографирование, переход от 2D к 3D
    • Big Data в географическом контексте и многослойная визуализация
    • Поиск и классификация открытых источников данных
    • Построение баз данных и ведение мультиплатформенных ГИС-проектов

  2. Введение в машинное обучение и ИИ

    Курс из девяти модулей

    От мотивации до этики, с упором на практическое понимание алгоритмов.

    • Введение в машинное обучение
    • Предпосылки и мотивация
    • Графы и алгоритмы поиска
    • Положительное обусловливание и прогнозирование вознаграждения
    • Введение в данные для МО
    • Регрессия
    • Деревья решений
    • Кластеризация
    • Этика в машинном обучении

  3. Big Data

    Курс из шести модулей

    От постановки задачи до запуска алгоритмов на облачном конвейере анализа.

    • Введение в Big Data
    • Структурированные и неструктурированные данные
    • Конвейер до анализа
    • Big Data в облаке
    • Техники загрузки данных
    • Техники и алгоритмы

Другие предметы, которые я преподаю

Полноценные курсы, которые я веду в академической среде и в организациях, — подробный силлабус доступен для загрузки

  1. Технологическое предпринимательство

    Семестровый курс · 14 занятий

    От сырой идеи до продукта, за который платит клиент. Акцент не на красивом бизнес-плане, а на ранней и дешёвой проверке самых рискованных предположений: кто клиент, в чём боль и почему именно сейчас.

    • Customer Discovery
    • Бизнес-модели
    • Определение MVP
    • Финансирование и интеллектуальная собственность
    • Питч для инвесторов

  2. Устойчивые инновации

    Семестровый курс · 14 занятий

    Как создать технологический продукт, который одновременно проходит экономическую, экологическую и социальную проверку, — не как маркетинговый жест, а как проектное ограничение, дающее конкурентное преимущество.

    • Циркулярная экономика
    • Углеродный след технологий
    • Green Computing
    • ESG и измерение
    • Регулирование и распознавание greenwashing

  3. Управление информационными системами

    Семестровый курс · 14 занятий

    Большинство сбоев в информационных системах не технологические, а управленческие: неполная спецификация, неуправляемый поставщик, данные, за которые никто не отвечает. Курс даёт инструменты для управления всем хозяйством.

    • Архитектура и ключевые системы
    • Закупки и тендеры
    • Data Governance
    • ITSM и SLA
    • Бюджет ИТ и непрерывность бизнеса

  4. Искусственный интеллект — организационный аспект

    Семестровый курс · 14 занятий

    Не как построить модель, а где она даёт реальную пользу и как эту пользу измерить. Ведущий принцип — применять, а не непременно внедрять: инструмент входит в организацию только тогда, когда есть оправдывающий его сценарий использования, согласованные факторы успеха и отслеживаемые показатели.

    • Эффективность и организационная польза
    • Факторы успеха и KPI
    • Управление ИИ и риски
    • Регулирование и европейский закон об ИИ
    • Vibe Coding

Профессиональные модули

Лекции, созданные мной для программ обучения Центра проектов и ассоциации PBLogic

  1. Введение в управление проектами

    Учебный модуль

    Жизненный цикл проекта, планирование, сроки и контроль.

  2. Системный анализ

    Учебный модуль

    Сбор требований, функциональная спецификация и написание документа спецификации.

  3. Анализ рисков

    Учебный модуль

    Выявление, оценка и обработка проектных рисков.

  4. Управление знаниями в проектной среде

    Учебный модуль

    Как знание, накопленное в одном проекте, сохраняется, находится и служит следующему — вместо того чтобы уйти вместе с распавшейся командой.

  5. Введение в предпринимательство

    Учебный модуль

    От идеи к валидации и от валидации к продукту.

  6. Определение и управление факторами успеха и KPI

    Учебный модуль

    Как определить измеримые метрики успеха в начале проекта и отслеживать их до конца — что отличает проект, доходящий до результата, от того, который останавливается.

Семинары в организациях

Обучение, которое я проводил для сотрудников и управленческого звена

  1. Машинное обучение, искусственный интеллект и Big Data

    Ассоциация «Бэ-Нетивей Уди» · программа «Ницаним 2Тек»

    Лекции в рамках программы, которая открывает молодёжи дверь в мир высоких технологий. Курс проходит полными учебными днями — лекции утром, практика после обеда — и завершается запуском полного аналитического конвейера на реальном наборе данных.

    • Девять модулей по машинному обучению и ИИ
    • Шесть модулей по Big Data
    • Практика на Python и в облаке
    • Итоговое сквозное упражнение

  2. Искусственный интеллект в рабочей среде

    Центр картографии Израиля · март 2026

    Практический семинар: от перцептрона к ChatGPT, четыре правила промпта, живые демонстрации по функциям, обоснованный скептицизм о галлюцинациях и информационной безопасности, а также Vibe Coding.

  3. Управление рисками ИКТ

    Центр картографии Израиля · 2023–настоящее время

    Курсы и семинары для руководителей направлений в рамках внедрения системы управления рисками.

  4. Семинар по ГИС и полевой съёмке

    Северная Македония · три дня

    Методы картографирования осваиваются на практике: лекции по ГИС, обучение работе со свободным ПО, выход в поле и обновление базы данных.

Международные лекции

Гостевые лекции и академическое консультирование в зарубежных учреждениях

  1. Инновационные тренды в ГИС — максимальное использование связки науки и картографических технологий

    Национальный университет Узбекистана, Ташкент · 90 минут, на русском

    Как темп роста объёмов информации меняет требования к специалистам и подход к НИОКР — с примерами решений на открытом коде, объединяющих несколько платформ.

    • ГИС
    • Agile против waterfall
    • Технологическая ликвидность
    • Дистанционное зондирование
    • Big Data
    • Искусственный интеллект
    • Открытый код

  2. 3D-геомоделирование в геологии

    Узбекистан · курсы и консультирование

    Сопровождение создания лаборатории 3D-моделирования на факультете геологии и геоинформационных систем.

  3. Проектное обучение и сотрудничество с промышленностью

    Азербайджан и Северная Македония

    Представление модели Центра проектов и способов её внедрения в других учреждениях.

Полные силлабусы двух написанных мной курсов приведены ниже на этой странице.

Двенадцать курсов

Полные силлабусы

Полный силлабус каждого курса, который я веду, — цели, темы, результаты обучения, составляющие оценки, недельный план и литература. Всё здесь, на странице, в том виде, в каком было подано и утверждено.

Разработка приложений в области ГИСHIT — факультет точных наук · семестровый курсОткрыть полный силлабус

Полноценный курс разработки в подходе Full Stack, где каждая команда берёт реальную географическую потребность и доводит её от спецификации до работающего прототипа. Сквозной вопрос курса: что приобретает база данных в тот момент, когда к ней добавляется географическое измерение, — и чего это требует от разработчика.

Форма обучения
Лекции и работа в лабораториях по проектному методу
Часов в неделю
4 — два часа лекций и два часа работы над проектом
Зачётные единицы
3.5
Предварительные требования
Введение в ГИС — оба курса можно проходить параллельно; минимум один курс по разработке ПО

Темы курса

  • Тенденции в области ГИС, обзор сфер применения, использование информации о местоположении
  • Подход Full Stack в разработке приложений этой области
  • Знакомство с миром системного анализа — написание спецификаций
  • Мир открытого исходного кода
  • Знакомство с базами данных, их определение и создание
  • Разработка ПО в многоплатформенной и многотехнологичной среде

Результаты обучения

  • Сформулировать реальную географическую потребность как полную спецификацию
  • Выбрать движок базы данных, подходящий характеру пространственных данных
  • Построить приложение от начала до конца в многоплатформенной среде
  • Провести командный проект от идеи до работающего прототипа

Состав оценки

  • 50%Разработка POC или прототипа приложения, выбранного как дипломный проект, в группах по три студента
  • 30%Подробная спецификация выбранного приложения
  • 20%Посещение лекций

Понедельный план

  1. Неделя 1Введение в разработку ГИС-приложенийЧто такое карта, мотивация к картографированию, различия между картами, координатные сетки, принципы работы GPS, вычисление местоположения, обоснование добавления географического измерения к базам данных.
  2. Неделя 2Темы прикладной картографииИнтерактивное картографирование: применение методов картографирования в современном мире, переход от 2D к 3D, вопрос Big Data, визуализация и анализ многослойной информации, картографирование в эпоху открытого кода. Понятия: кадастр, SmartGrid, Internet of Things, социальные сети, Map Reduce, DataLake, спутниковые и аэрофотоснимки, дистанционное зондирование, слияние данных.
  3. Недели 3–4Системный анализ — спецификация продуктаВведение в системный анализ, виды спецификаций, методы разработки продукта, подбор технологии под потребность, ERD. Понятия: Waterfall, Agile, документ инициации, анализ потребностей, техническая спецификация, стандарт «Мафтеах».
  4. Недели 5–6Базы данныхТипы данных и типы баз данных, подбор движка под приложение, построение базы данных, запросы, процедуры. Понятия: реляционные базы данных, NoSQL, MongoDB, HDFS, PostgreSQL, Shape Files, fGDB, JSON, GeoJSON.
  5. Недели 7–8Введение в разработку продуктаЗнакомство с составляющими приложения, распространённые подходы и инструменты, разделение серверной и клиентской части. Понятия: MVC, DAL, серверная часть, клиентская часть, мобильные платформы, Firebase console.
  6. Недели 9–14Разработка продукта под руководствомПлотное сопровождение каждой команды вплоть до работающего прототипа — архитектурные решения, снятие технических препятствий и сдача результата.

Учебные материалы

  • 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
Географические информационные системы (ГИС)HIT — факультет точных наук · семестровый курсОткрыть полный силлабус

Курс даёт теоретические и практические основы географических информационных систем: что такое пространственные данные, как они собираются и хранятся и какие вопросы им можно задать из тех, на которые обычная база данных ответить не может. Путь идёт от принципов до создания простого географического приложения.

Форма обучения
Лекции и лаборатория
Часов в неделю
4 — два часа лекций и два часа лаборатории
Зачётные единицы
3.5
Предварительные требования
Минимум один курс по разработке ПО

Темы курса

  • Принципы ГИС и источники географической информации
  • Системы координат, проекции и точность
  • Векторная модель против растровой
  • Стандарты области и распространённые форматы
  • Пространственные базы данных и запросы
  • Пространственный анализ
  • Визуализация и прикладная картография
  • Разработка географических приложений

Результаты обучения

  • Выбрать подходящую систему координат и объяснить значение этого выбора
  • Построить пространственную базу данных и выполнять к ней запросы
  • Провести пространственный анализ и интерпретировать его результат
  • Построить базовое географическое приложение от начала до конца

Состав оценки

  • 40%Лабораторный проект: работающее географическое приложение
  • 35%Лабораторные задания в течение семестра
  • 25%Итоговый экзамен

Понедельный план

  1. Неделя 1ВведениеЧто такое пространственные данные, почему местоположение имеет значение, обзор сфер применения.
  2. Неделя 2Системы координатГеографические и проекционные координаты, проекции, израильская сетка. Практика: преобразование между системами.
  3. Неделя 3Источники данныхСъёмка, GPS, аэро- и спутниковые снимки, дистанционное зондирование. Практика: оценка точности источника.
  4. Неделя 4Векторная модельТочка, линия и полигон; топология; форматы. Практика: создание векторного слоя.
  5. Неделя 5Растровая модельЯчейки, разрешение, модели высот. Практика: расчёт уклонов по модели высот.
  6. Неделя 6Стандарты и форматыShape Files, GeoJSON, fGDB, стандартные картографические сервисы. Практика: преобразование форматов.
  7. Неделя 7Пространственные базы данныхХранение геометрии, пространственная индексация. Практика: создание базы данных.
  8. Неделя 8Пространственные запросыБлизость, вложенность, пересечение и буферизация. Практика: серия запросов к реальным данным.
  9. Неделя 9Пространственный анализСетевой анализ, зоны влияния, интерполяция. Практика: анализ доступности.
  10. Неделя 10ВизуализацияУсловные знаки, классификация значений, тематические карты и картографические искажения. Практика: построение тематической карты.
  11. Неделя 11Картографические сервисыКартографические серверы, тайлы, производительность и кэш. Практика: публикация слоя как сервиса.
  12. Неделя 12Разработка приложения — клиентская частьКартографические библиотеки, события, взаимодействие. Практика: интерактивная карта в браузере.
  13. Неделя 13Разработка приложения — серверная частьAPI, запросы из приложения, производительность. Практика: подключение приложения к базе данных.
  14. Неделя 14ИтогиПрезентация лабораторных проектов и подведение итогов курса.

Учебные материалы

  • 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
Технологические инновацииHIT — факультет точных наук · семестровый курсОткрыть полный силлабус

Курс рассматривает, как технологические инновации возникают на практике — не как момент озарения, а как процесс, которым можно управлять. Он обозревает отраслевые тенденции, учит распознавать и оценивать возможности и ведёт студента от идеи до подтверждения осуществимости.

Форма обучения
Лекции, разбор кейсов и командная работа
Часов в неделю
4
Зачётные единицы
3.5
Предварительные требования
Отсутствуют

Темы курса

  • Что такое инновация и чем она отличается от улучшения
  • Тенденции израильской и мировой отрасли
  • Выявление потребностей и возможностей
  • Поддерживающие инновации против подрывных
  • Оценка технологической и экономической осуществимости
  • От идеи к POC
  • Инновации внутри существующей организации
  • Управление портфелем инноваций

Результаты обучения

  • Проанализировать рынок и найти в нём технологическую возможность
  • Оценить осуществимость технологической идеи
  • Спланировать и провести подтверждение осуществимости
  • Объяснить, почему устоявшимся организациям трудно внедрять инновации

Состав оценки

  • 40%Командный проект: от идеи до подтверждения осуществимости
  • 30%Письменный разбор кейса
  • 30%Задания и участие

Понедельный план

  1. Неделя 1Что такое инновацияОпределения, виды инноваций, разница между изобретением и продуктом.
  2. Неделя 2Карта отраслиИзраильский хайтек, игроки, области роста и источники финансирования.
  3. Неделя 3Технологические тенденцииЧто движет нынешней волной и как распознать зрелую тенденцию. Практика: анализ тенденции.
  4. Неделя 4Выявление потребностейНаблюдение, интервью и картирование боли. Практика: полевые интервью.
  5. Неделя 5Подрывные инновацииТеория подрыва, почему лидеры рынка её упускают. Практика: разбор кейса.
  6. Неделя 6Оценка идейКритерии, отсев, матрица «ценность против усилий». Практика: ранжирование идей команды.
  7. Неделя 7Технологическая осуществимостьЗрелость технологии, технические риски, зависимость от поставщиков. Практика: оценка технического риска.
  8. Неделя 8Экономическая осуществимостьСтоимость разработки, модель дохода, точка безубыточности. Практика: краткий расчёт.
  9. Неделя 9От идеи к POCЧто подтверждение осуществимости доказывает, а что нет; планирование эксперимента. Практика: определение критерия успеха.
  10. Неделя 10Построение POCРабота над подтверждением осуществимости под руководством.
  11. Неделя 11Инновации в существующей организацииВнутреннее предпринимательство, организационные препятствия, структура инновационной команды.
  12. Неделя 12Управление портфелем инновацийБаланс ближнего и дальнего горизонта, показатели, когда инициативу пора останавливать.
  13. Неделя 13ПрезентацияРепетиция выступления и подготовка к обратной связи.
  14. Неделя 14Защита проектовПредставление POC перед отраслевой комиссией и подведение итогов.

Учебные материалы

  • 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
Разработка программного обеспеченияHIT — факультет точных наук · семестровый курсОткрыть полный силлабус

Курс рассматривает разработку ПО как профессию, а не как упражнение: как работает команда, как код остаётся поддерживаемым и что именно происходит между моментом, когда написана строка, и моментом, когда она работает в продакшене. Все темы изучаются в ходе работы над одним сквозным проектом.

Форма обучения
Лекции и практическая работа над сквозным проектом
Часов в неделю
4
Зачётные единицы
3.5
Предварительные требования
Объектно-ориентированное программирование

Темы курса

  • Жизненный цикл разработки и методы работы
  • Управление версиями и командная работа
  • Принципы проектирования и качество кода
  • Тестирование и автоматизация
  • Архитектура: серверная часть, клиентская часть и интерфейсы
  • Базы данных и слой доступа к данным
  • Непрерывная интеграция и развёртывание
  • Безопасная разработка

Результаты обучения

  • Работать в команде с управлением версиями и код-ревью
  • Писать тесты и запускать их автоматически
  • Спроектировать базовую архитектуру веб-приложения
  • Встроить соображения безопасности в сам процесс разработки

Состав оценки

  • 45%Сквозной командный проект
  • 30%Сдаваемые задания
  • 25%Итоговый экзамен

Понедельный план

  1. Неделя 1Жизненный цикл разработкиWaterfall против Agile, роли в команде, определение готовности.
  2. Неделя 2Управление версиямиВетки, слияние, код-ревью и разрешение конфликтов. Практика: полный рабочий процесс.
  3. Неделя 3Качество кодаЧитаемость, именование, короткие функции, технический долг. Практика: переписывание существующего кода.
  4. Неделя 4Принципы проектированияРазделение ответственности, связность и зацепление, распространённые паттерны. Практика: распознавание паттерна в коде.
  5. Неделя 5Модульное тестированиеЧто стоит тестировать, изоляция, покрытие и то, чего оно не измеряет. Практика: написание тестов.
  6. Неделя 6Интеграционное тестированиеТестирование интерфейсов, тестовые данные, окружения. Практика: тестирование полного интерфейса.
  7. Неделя 7АрхитектураСлои, MVC, DAL, разделение сервера и клиента. Практика: схема архитектуры проекта.
  8. Неделя 8Слой данныхОтображение объектов, запросы, производительность и индексация. Практика: реализация слоя доступа.
  9. Неделя 9APIПроектирование интерфейса, версионирование, обработка ошибок и документирование. Практика: построение API и его документации.
  10. Неделя 10Непрерывная интеграцияАвтоматическая сборка, запуск тестов, шлюзы качества. Практика: настройка конвейера CI.
  11. Неделя 11РазвёртываниеОкружения, конфигурация, релизы и откат. Практика: автоматическое развёртывание.
  12. Неделя 12Безопасная разработкаНедоверенный ввод, аутентификация и авторизация, управление секретами. Практика: устранение уязвимостей в заданном коде.
  13. Неделя 13ПроизводительностьИзмерять прежде, чем оптимизировать, узкие места, кэширование. Практика: поиск узкого места.
  14. Неделя 14ИтогиПрезентация проектов и взаимное код-ревью.

Учебные материалы

  • 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
Управление проектамиHIT — факультет точных наук · семестровый курсОткрыть полный силлабус

Курс даёт инструменты для планирования, выполнения и контроля проекта разработки в междисциплинарной среде. Он опирается на реальные проекты и сосредоточен на том, что действительно топит проекты: неясные требования, неопределённые интерфейсы, заинтересованные стороны, с которыми не поговорили, и риски, которые никто не записал.

Форма обучения
Лекции, симуляции и работа над проектным досье
Часов в неделю
4
Зачётные единицы
3.5
Предварительные требования
Отсутствуют

Темы курса

  • Жизненный цикл проекта и процессы управления
  • Инициация, документ инициации и определение объёма
  • Планирование: сроки, ресурсы и бюджет
  • Управление заинтересованными сторонами и коммуникации
  • Управление рисками
  • Выполнение и контроль, показатели прогресса
  • Управление качеством и документирование
  • Закрытие проекта и извлечение уроков

Результаты обучения

  • Написать документ инициации и чёткое определение объёма
  • Построить график с зависимостями и критическим путём
  • Выявить риски, оценить их и подготовить ответ
  • Отслеживать ход работ и отчитываться так, чтобы отчёт позволял принять решение

Состав оценки

  • 45%Полное проектное досье: инициация, планирование, управление рисками и контроль
  • 30%Задания в течение семестра
  • 25%Итоговый экзамен

Понедельный план

  1. Неделя 1Что такое проектОтличие от текущей деятельности, треугольник ограничений, критерии успеха.
  2. Неделя 2ИнициацияДокумент инициации, экономическое обоснование, назначение руководителя проекта. Практика: написание документа инициации.
  3. Неделя 3Определение объёмаWBS, что внутри и что снаружи, расползание объёма. Практика: построение WBS.
  4. Неделя 4СрокиЗависимости, критический путь, оценки и резервы. Практика: диаграмма Ганта с критическим путём.
  5. Неделя 5Ресурсы и бюджетРаспределение ресурсов, загрузка, оценка стоимости. Практика: бюджетирование проекта.
  6. Неделя 6Заинтересованные стороныКартирование, анализ влияния, план коммуникаций. Практика: матрица заинтересованных сторон.
  7. Неделя 7Управление рискамиВыявление, оценка, реестр рисков и стратегии реагирования. Практика: построение реестра рисков.
  8. Неделя 8Методы работыWaterfall, Agile и их сочетания; когда что подходит. Практика: выбор метода для заданного случая.
  9. Неделя 9Выполнение и контрольПоказатели прогресса, освоенный объём, отчёты о статусе. Практика: чтение отчёта и поиск проблемы.
  10. Неделя 10Управление изменениямиЗапросы на изменение, комитет по изменениям, влияние на объём и сроки. Практика: оценка запроса на изменение.
  11. Неделя 11Качество и документацияОпределение качества, приёмочные испытания, документация как условие сдачи. Практика: написание критериев приёмки.
  12. Неделя 12Поставщики и договорыЗакупки, договоры, SLA и управление поставщиком. Практика: анализ условий договора.
  13. Неделя 13ЗакрытиеСдача, извлечение уроков, передача в эксплуатацию. Практика: написание итогового отчёта.
  14. Неделя 14ИтогиПрезентация проектных досье и взаимная экспертиза.

Учебные материалы

  • 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
Технологическое предпринимательствоСеместровый курс · 14 занятий · академическая среда и организацииОткрыть полный силлабус

Курс ведёт участника от сырой идеи до продукта, за который платит клиент. Акцент не на красивом бизнес-плане, а на ранней и дешёвой проверке самых рискованных предположений: кто клиент, в чём боль, почему именно сейчас и почему именно мы. Каждая команда заканчивает курс с валидацией на основе интервью, работающим прототипом и презентацией для инвесторов.

Форма обучения
Лекции, рабочие семинары и сопровождение команд
Часов в неделю
4 — два часа лекций и два часа работы над проектом
Зачётные единицы
3.5
Предварительные требования
Отсутствуют. Знакомство с разработкой ПО будет преимуществом
Размер команды
3–4 участника

Темы курса

  • Что такое предпринимательская возможность и чем она отличается от хорошей идеи
  • Поиск настоящей боли: клиентские интервью и Customer Discovery
  • Бизнес-модели, Business Model Canvas и источники дохода
  • Анализ рынка, конкурентов и дифференциация
  • От MVP к Product Market Fit
  • Финансирование: собственные средства, гранты, ангелы и фонды
  • Интеллектуальная собственность, юридическая структура и соглашения учредителей
  • Формирование команды основателей и распределение ответственности
  • Выступление перед инвесторами — структура Pitch Deck

Результаты обучения

  • Сформулировать возможность в терминах клиента, боли и решения
  • Спланировать и провести цикл валидационных интервью и сделать из него выводы
  • Построить бизнес-модель и проверить её экономическую состоятельность
  • Определить действительно минимальный MVP и построить его
  • Представить проект инвесторской аудитории за пять минут

Состав оценки

  • 30%Досье валидации: не менее 15 задокументированных клиентских интервью и выводы из них
  • 30%Работающий прототип или MVP
  • 25%Презентация для инвесторов и устное выступление
  • 15%Участие и обратная связь другим командам

Понедельный план

  1. Занятие 1Что такое технологическое предпринимательствоМифы и реальность, виды проектов, почему большинство стартапов терпят неудачу и что отличает выживших. Практика: сформулировать первоначальную идею в трёх строках.
  2. Занятие 2Выявление возможностиИдея против возможности, технологические и регуляторные изменения как двигатель, окно возможностей. Практика: картирование трёх возможностей в знакомой команде области.
  3. Занятие 3Клиент и больПерсоны, карта пути клиента, различение боли и неудобства. Практика: написание руководства по интервью.
  4. Занятие 4Customer DiscoveryКак проводить интервью, не подсказывая собеседнику, запрещённые вопросы, фиксация находок. Практика: первые пять интервью в поле.
  5. Занятие 5Анализ находокЧто делать, когда интервью противоречат гипотезе; Pivot против Persevere. Практика: представление результатов интервью в аудитории.
  6. Занятие 6Бизнес-модельBusiness Model Canvas, источники дохода, структура затрат, юнит-экономика. Практика: заполнение полного канваса.
  7. Занятие 7Рынок и конкуренцияTAM, SAM, SOM; картирование прямых и косвенных конкурентов; защитимая дифференциация. Практика: матрица конкуренции.
  8. Занятие 8Определение MVPЧто входит в первую версию, а что нет; приоритизация по риску, а не по удобству. Практика: спецификация MVP.
  9. Занятие 9Строить и измерятьЦикл Build–Measure–Learn, выбор показателей, отражающих обучение, а не тщеславие. Практика: определение трёх ключевых показателей.
  10. Занятие 10ФинансированиеПути финансирования в Израиле, Управление инноваций, ангелы и фонды; размытие доли и оценка на ранней стадии. Практика: расчёт потребности в деньгах на 18 месяцев.
  11. Занятие 11Право и интеллектуальная собственностьСтруктура компании, соглашение учредителей, вестинг, патенты против коммерческой тайны. Практика: набросок пунктов соглашения учредителей.
  12. Занятие 12Команда и культураКто обязан быть в команде основателей, распределение ролей, разрешение разногласий. Практика: определение ответственности внутри команды.
  13. Занятие 13PitchСтруктура инвесторской презентации, история, демонстрация, финансовый слайд, трудные вопросы. Практика: полная репетиция с обратной связью.
  14. Занятие 14День презентацийПредставление проектов отраслевой комиссии, структурированная обратная связь и подведение итогов.

Учебные материалы

  • 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
Устойчивые инновацииСеместровый курс · 14 занятий · академическая среда и организацииОткрыть полный силлабус

Инновация, которая не является устойчивой, — это отложенный долг. Курс рассматривает, как создавать технологические продукты и услуги, одновременно выдерживающие экономическую, экологическую и социальную проверку, — не как маркетинговый жест, а как проектное ограничение. Участники учатся измерять воздействие, оценивать его в деньгах и проектировать продукт, который выигрывает именно потому, что бережно расходует ресурсы.

Форма обучения
Лекции, разбор кейсов и командный проект
Часов в неделю
4 — два часа лекций и два часа работы над проектом
Зачётные единицы
3.5
Предварительные требования
Отсутствуют
Размер команды
3–4 участника

Темы курса

  • Что такое устойчивость и чем она отличается от маркетингового «зелёного»
  • Три оси: экономическая, экологическая и социальная
  • Циркулярная экономика и проектирование на полный жизненный цикл
  • Углеродный след технологий: дата-центры, облако и ИИ
  • Green Computing и энергоэффективность в программном обеспечении
  • Измерение и отчётность: ESG, GRI и соответствующие стандарты
  • Регулирование и политика в Израиле и Европейском союзе
  • Устойчивые бизнес-модели
  • Greenwashing — как распознать и как избежать

Результаты обучения

  • Оценить экологическое и социальное воздействие технологического продукта
  • Спроектировать продукт по принципам циркулярной экономики
  • Выбрать показатели устойчивости и отчитываться по ним проверяемым образом
  • Распознать необоснованные заявления об устойчивости
  • Построить инвестиционное обоснование устойчивой инновации

Состав оценки

  • 40%Командный проект: проектирование устойчивого продукта или услуги с оценкой воздействия
  • 25%Письменный разбор кейса
  • 20%Отчёт об измерении: выбор показателей и его обоснование
  • 15%Участие в обсуждениях

Понедельный план

  1. Занятие 1Понятийная рамкаУстойчивость, устойчивое развитие и цели ООН; почему определение имеет значение. Практика: отделить настоящие заявления об устойчивости от мнимых.
  2. Занятие 2Три осиБаланс между прибыльностью, окружающей средой и обществом и случаи, когда они действительно конфликтуют. Практика: разбор делового решения по всем трём осям.
  3. Занятие 3Жизненный циклLife Cycle Assessment — от сырья до отходов. Практика: картирование жизненного цикла электронного продукта.
  4. Занятие 4Циркулярная экономикаПроектирование под разборку, ремонт и повторное использование; модели «продукт как услуга». Практика: перепроектирование существующего продукта.
  5. Занятие 5След технологийЭнергопотребление дата-центров, облака и обучения моделей ИИ. Практика: оценка потребления для заданной системы.
  6. Занятие 6Green ComputingАлгоритмическая эффективность, выбор архитектуры, облачные регионы и оптимизация. Практика: повышение эффективности фрагмента кода.
  7. Занятие 7ИзмерениеЧто вообще поддаётся измерению, показатели входа против показателей результата, проблема атрибуции. Практика: определение трёх показателей проекта.
  8. Занятие 8ESG и отчётностьПринятые рамки отчётности, кому отчитываются и что считается доказательством. Практика: критическое чтение реального ESG-отчёта.
  9. Занятие 9РегулированиеПолитика в Израиле и ЕС, обязанности по отчётности, механизм трансграничного углеродного регулирования. Практика: картирование обязательств, применимых к проекту команды.
  10. Занятие 10Бизнес-моделиКак устойчивость превращается из издержки в конкурентное преимущество; оценка внешних эффектов. Практика: модель дохода устойчивого продукта.
  11. Занятие 11Финансирование и инвестицииИмпакт-фонды, гранты, критерии инвесторов. Практика: краткое инвестиционное обоснование.
  12. Занятие 12GreenwashingМодели вводящих в заблуждение заявлений, бремя доказывания, репутационные и юридические риски. Практика: разбор существующей кампании.
  13. Занятие 13Внедрение в организацииКак встроить соображения устойчивости в сам процесс разработки, а не выносить в отдельный этап. Практика: чек-лист перед выпуском версии.
  14. Занятие 14Защита проектовПредставление проектов, взаимная экспертиза и подведение итогов.

Учебные материалы

  • 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
Управление информационными системамиСеместровый курс · 14 занятий · академическая среда и организацииОткрыть полный силлабус

Информационные системы — нервная система организации, и большинство сбоев в них не технологические, а управленческие: неполная спецификация, неуправляемый поставщик, данные, за которые никто не отвечает. Курс даёт инструменты для управления всем хозяйством — архитектурой, поставщиками, данными, бюджетом и безопасностью — с позиции того, кто отвечает за результат.

Форма обучения
Лекции, кейсы и управленческая симуляция
Часов в неделю
4 — два часа лекций и два часа практики
Зачётные единицы
3.5
Предварительные требования
Введение в информационные системы или равноценный профессиональный опыт

Темы курса

  • Роль информационных систем в организации и структура ИТ-подразделения
  • Архитектура систем и ключевые системы
  • ERP, CRM и сквозные системы
  • Управление данными, качество данных и Data Governance
  • Технологические закупки: тендеры, выбор поставщика и управление договором
  • Управление услугами: SLA, служба поддержки и процессы ITSM
  • Бюджет ИТ, модели затрат и TCO
  • Информационная безопасность и управление рисками ИКТ
  • Цифровая трансформация и управление изменениями

Результаты обучения

  • Читать и писать спецификацию и вести технологические закупки
  • Спроектировать архитектуру систем на уровне организации
  • Определить политику управления данными и владения ими
  • Построить ИТ-бюджет и обосновать его перед руководством
  • Выявить риски информационных систем и подготовить ответ

Состав оценки

  • 35%Итоговая работа: план управления информационными системами для заданной организации
  • 25%Тендерное задание: написание брифа, критериев отбора и оценка предложений
  • 25%Задания в течение курса
  • 15%Участие и посещаемость

Понедельный план

  1. Занятие 1Информационные системы в организацииЧто ИТ-подразделение должно поставлять, распространённые структуры, отношения с руководством. Практика: картирование ИТ-хозяйства знакомой организации.
  2. Занятие 2АрхитектураСлои, интерфейсы, ключевые системы против периферийных, технический долг. Практика: изображение существующей архитектуры.
  3. Занятие 3Сквозные системыERP и CRM — что они решают, когда покупать и когда разрабатывать. Практика: сравнение двух вариантов.
  4. Занятие 4СпецификацияДокумент инициации, анализ потребностей и техническая спецификация; что происходит, когда этап пропускают. Практика: написание анализа потребностей.
  5. Занятие 5Закупки и тендерыВиды закупочных процедур, формулирование требований, критерии качества против цены. Практика: матрица оценки предложений.
  6. Занятие 6Управление поставщикамиДоговор, SLA, контрольные точки, гарантийный период и механизмы выхода. Практика: формулирование пунктов SLA.
  7. Занятие 7ДанныеОрганизационная модель данных, качество данных, владение и ответственность. Практика: определение политики данных.
  8. Занятие 8Data GovernanceКомитет по данным, словарь данных, приватность и регулирование. Практика: построение части словаря данных.
  9. Занятие 9Управление услугамиПроцессы ITSM, служба поддержки, управление инцидентами и изменениями. Практика: проектирование процесса управления изменениями.
  10. Занятие 10БюджетТекущие расходы против разработки, TCO, обоснование инвестиций перед руководством. Практика: построение годового бюджета.
  11. Занятие 11Информационная безопасностьОсновные риски, контроли, разделение сред и прав доступа. Практика: краткий обзор рисков.
  12. Занятие 12Непрерывность бизнесаРезервное копирование, восстановление, DRP и учения. Практика: написание сценария восстановления.
  13. Занятие 13Трансформация и управление изменениямиПочему технологические проекты проваливаются по человеческим причинам, и внедрение как отдельная профессия. Практика: план внедрения.
  14. Занятие 14Защита работПредставление планов управления, взаимная экспертиза и подведение итогов.

Учебные материалы

  • 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
Искусственный интеллект — организационный аспектСеместровый курс · 14 занятий · академическая среда и организацииОткрыть полный силлабус

Большинство организаций уже используют ИИ, обычно не зная, где именно, кем и с каким риском. Курс не о построении моделей, а об управленческом вопросе: где искусственный интеллект даёт реальную пользу и как её измерить. Ведущий принцип — применять, а не непременно внедрять: инструмент входит в организацию только тогда, когда есть оправдывающий его сценарий использования с определённым процессом, согласованными факторами успеха и отслеживаемыми показателями. Курс учит находить, где ИИ действительно экономит время и деньги, и отличать измеримую эффективность от впечатления новизны.

Форма обучения
Лекции, практические семинары и разбор кейсов
Часов в неделю
4 — два часа лекций и два часа семинара
Зачётные единицы
3.5
Предварительные требования
Отсутствуют. Математическая подготовка не требуется

Темы курса

  • Что ИИ делает и чего не делает — понятийная рамка для руководителей
  • Применять, а не непременно внедрять: когда инструмент оправдан, а когда нет
  • Картирование использования в организации: где ИИ уже применяется
  • Организационная эффективность — экономия времени, затрат и усилий и её измерение
  • Организационная польза: качество, доступность, единообразие и сокращение времени отклика
  • Определение факторов успеха и KPI для инициатив в области ИИ
  • Выбор и приоритизация сценариев использования по ценности и риску
  • Управление ИИ: политика, владение, руководящий комитет и подотчётность
  • Риски: галлюцинации, предвзятость, утечка данных и интеллектуальная собственность
  • Регулирование: европейский закон об ИИ, израильские руководства и защита приватности
  • Влияние на персонал, роли и рабочие процессы
  • Vibe Coding и инструменты разработки на базе ИИ в организации

Результаты обучения

  • На основании данных решить, оправдывает ли сценарий использования внедрение инструмента ИИ
  • Количественно оценить эффективность, которую даёт инструмент, — во времени, затратах и качестве
  • Определить факторы успеха и KPI инициативы до её начала
  • Картировать существующее и планируемое использование ИИ в организации
  • Сформулировать организационную политику ИИ и правила использования
  • Оценить риск сценария использования и решить, двигаться ли дальше
  • Выявить регуляторные обязательства, применимые к организации

Состав оценки

  • 35%Проект: дорожная карта внедрения ИИ в выбранной организации с факторами успеха, KPI и анализом рисков
  • 25%Обоснование: количественная оценка ожидаемой пользы одного сценария использования
  • 25%Практические задания в течение курса
  • 15%Участие в обсуждениях

Понедельный план

  1. Занятие 1Понятийная рамкаОт перцептрона к нейронной сети и далее к языковым моделям — на управленческом языке. Что модель действительно делает и что ей приписывают ошибочно. Практика: отделить реальную способность от ожидания.
  2. Занятие 2Применять, а не непременно внедрятьРазница между введением инструмента и решением задачи; скрытая стоимость внедрения; когда правильный ответ — не использовать ИИ. Практика: отклонить сценарий использования, который себя не оправдывает.
  3. Занятие 3Картирование текущего состоянияПоиск использования ИИ, которое уже происходит в организации, обычно без санкции; что такое Shadow AI. Практика: обследование использования.
  4. Занятие 4Организационная эффективностьГде ИИ реально экономит время, затраты и усилия; измерение базового состояния до внедрения. Практика: хронометраж существующего процесса и оценка ожидаемой экономии.
  5. Занятие 5Организационная пользаПомимо экономии: единообразие, качество, доступность, сокращение времени отклика и снижение числа ошибок. Практика: картирование неденежной пользы и перевод её в показатели.
  6. Занятие 6Факторы успеха и KPIСогласование факторов успеха до начала инициативы, выбор KPI, измеряющих результат, а не активность, показатели-пустышки и базовая альтернатива. Практика: построение панели показателей инициативы.
  7. Занятие 7Выбор сценариев использованияКритерии приоритизации, матрица «ценность против риска», ловушка вечного пилота. Практика: приоритизация пяти сценариев с обоснованием.
  8. Занятие 8Правильная работа с моделямиЧетыре правила промпта — роль, задача, контекст и формат; где промпт и есть разница между экономией и тратой. Практика: улучшение существующего промпта и измерение разницы.
  9. Занятие 9Галлюцинации и верификацияПочему модель выдумывает, как это заметить и что обязано пройти человеческую проверку; стоимость верификации как часть расчёта пользы. Практика: построение процедуры проверки результата.
  10. Занятие 10Риски и информационная безопасностьПредвзятость и справедливость, что нельзя передавать модели, риски утечки, корпоративные модели против публичных, интеллектуальная собственность. Практика: классификация информации по чувствительности.
  11. Занятие 11Управление ИИПолитика, владение, руководящий комитет, реестр применений и подотчётность. Практика: схема структуры управления.
  12. Занятие 12РегулированиеЕвропейский закон об ИИ и его уровни риска, израильские руководства, защита приватности. Практика: классификация сценария по уровню риска.
  13. Занятие 13Персонал, роли и Vibe CodingКак меняются роли, что автоматизируется, а что нет, обучение и сопротивление изменениям; разработка с помощью ИИ — выгоды, риски качества и необходимый контроль. Практика: создание небольшого инструмента, его проверка и подсчёт сэкономленного времени.
  14. Занятие 14Защита дорожных картПредставление проектов вместе с определёнными для них факторами успеха и KPI, взаимная экспертиза и подведение итогов.

Учебные материалы

  • 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
Введение в машинное обучение и искусственный интеллектКурс из девяти модулей · формат интенсивных учебных днейОткрыть полный силлабус

Курс даёт практическое понимание алгоритмов машинного обучения — не только формулу, но и вопрос о том, когда каждый метод уместен, а когда вводит в заблуждение. Он рассчитан на аудиторию без продвинутой математической подготовки, и каждый модуль сочетает лекцию с практикой на Python. В завершение участники запускают полный аналитический конвейер на реальном наборе данных.

Форма обучения
Интенсивные учебные дни — лекции и практическая работа
Структура дня
08:30–12:00 лекции · 12:10–12:55 перерыв · 12:55–16:20 лекция и практика · 16:20–17:00 подведение итогов
Количество модулей
9
Предварительные требования
Базовые навыки программирования. Математическая подготовка не требуется
Рабочая среда
Python, Jupyter или Google Colab

Темы курса

  • Введение в машинное обучение — чему на самом деле учится машина
  • Предпосылки и мотивация: откуда пришла эта область и почему именно сейчас
  • Графы и алгоритмы поиска
  • Положительное подкрепление и прогнозирование вознаграждения
  • Введение в данные для машинного обучения
  • Регрессия
  • Деревья решений
  • Кластеризация
  • Этика в машинном обучении

Результаты обучения

  • Объяснить простыми словами, что делает конкретный алгоритм обучения
  • Подготовить набор данных к обучению и выявить в нём проблемы качества
  • Выбрать между регрессией, деревом решений и кластеризацией по характеру задачи
  • Оценить модель и распознать переобучение
  • Выявить этические вопросы, возникающие при внедрении модели

Состав оценки

  • 50%Итоговое задание: запуск полного аналитического конвейера на реальном наборе данных и представление выводов
  • 35%Задания модулей в течение курса
  • 15%Участие в практических занятиях

Понедельный план

  1. Модуль 1Введение в машинное обучениеЧем написанная программа отличается от обученной; обучение с учителем, без учителя и с подкреплением. Практика: запуск готовой модели и чтение результата.
  2. Модуль 2Предпосылки и мотивацияРазвитие области, что изменилось за последнее десятилетие, где она уже работает вокруг нас. Практика: распознавание машинного обучения в знакомых сервисах.
  3. Модуль 3Графы и алгоритмы поискаПредставление задачи в виде графа, поиск в ширину и A*. Практика: решение лабиринта на Python — реализация BFS и A* и сравнение производительности.
  4. Модуль 4Положительное подкрепление и прогнозирование вознагражденияАгент, среда, состояние и вознаграждение; чем обучение с подкреплением отличается от остальных. Практика: обучение простого агента на тысячах эпизодов.
  5. Модуль 5ДанныеСбор, очистка, пропущенные значения, нормализация и конструирование признаков; утечка между обучением и проверкой. Практика: подготовка сырого набора данных к обучению.
  6. Модуль 6РегрессияЛинейная и логистическая регрессия, функция стоимости, метрики ошибки. Практика: предсказание непрерывной величины и оценка модели.
  7. Модуль 7Деревья решенийПостроение дерева, критерий расщепления, обрезка и случайные леса; преимущество интерпретируемости. Практика: классификация деревом и представление решающих правил.
  8. Модуль 8КластеризацияK-Means и другие методы, выбор числа кластеров, измерение качества. Практика: сегментация набора данных и интерпретация кластеров.
  9. Модуль 9Этика в машинном обученииПредвзятость обучающей выборки, прозрачность и объяснимость, приватность и последствия автоматических решений. Практика: этический разбор модели, построенной в ходе курса.
  10. ИтоговыйПолный аналитический конвейерИтоговое задание на данных сессий зарядки электромобилей: очистка, конструирование признаков, GridSearchCV, прогнозная модель и агент обучения с подкреплением. Запуск локально или в Colab с представлением выводов и графиков.

Учебные материалы

  • 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 DataКурс из шести модулей · формат интенсивных учебных днейОткрыть полный силлабус

Курс о том, что меняется, когда данных больше, чем может обработать одна машина: как их хранить, как передавать и как запускать алгоритм на данных, которые не помещаются в память. Акцент — на понимании конвейера от начала до конца, от сырого источника до вывода, и на выборе правильного инструмента для каждого этапа.

Форма обучения
Интенсивные учебные дни — лекции и практическая работа
Структура дня
08:30–12:00 лекции · 12:10–12:55 перерыв · 12:55–16:20 лекция и практика · 16:20–17:00 подведение итогов
Количество модулей
6
Предварительные требования
Базовые навыки программирования и знание баз данных
Рабочая среда
Python, облачная среда, инструменты Elastic Stack

Темы курса

  • Введение в Big Data — когда данные действительно велики
  • Структурированные и неструктурированные данные
  • Конвейер обработки для анализа
  • Big Data в облаке
  • Техники загрузки данных
  • Техники и алгоритмы

Результаты обучения

  • Определить, когда задача оправдывает инфраструктуру Big Data, а когда нет
  • Спроектировать сквозной конвейер обработки
  • Выбрать движок хранения, подходящий типу данных
  • Загрузить данные из разных источников и нормализовать их
  • Провести анализ объёма, не помещающегося в память

Состав оценки

  • 50%Проект: построение полного конвейера обработки на реальном источнике данных и представление выводов
  • 35%Задания модулей
  • 15%Участие в практических занятиях

Понедельный план

  1. Модуль 1Введение в Big DataТри измерения — объём, скорость и разнообразие; когда обычная система перестаёт справляться. Практика: описание случая и проверка, действительно ли это Big Data.
  2. Модуль 2Структурированные и неструктурированные данныеТаблицы против текста, логов, изображений и потоков событий; схема при записи против схемы при чтении. Практика: извлечение полей из сырого лога.
  3. Модуль 3Конвейер обработки для анализаСбор, преобразование, хранение и анализ; ETL против ELT; Data Lake против хранилища данных. Практика: схема конвейера и реализация этапа преобразования.
  4. Модуль 4Big Data в облакеУправляемые сервисы, объектное хранилище, стоимость против производительности, регионы и доступность. Практика: развёртывание среды обработки в облаке.
  5. Модуль 5Техники загрузки данныхПакетная загрузка против потоковой, очереди сообщений, обработка сбоев и backpressure. Практика: передача логов через конвейер в поисковый движок.
  6. Модуль 6Техники и алгоритмыMap Reduce, разбиение на партиции, индексация, агрегации и выявление аномалий. Практика: построение панели мониторинга и обнаружение аномалии в загруженных данных.
  7. ИтоговыйПроект конвейераПостроение полного конвейера на источнике данных по выбору команды: сбор, загрузка, хранение, анализ и представление выводов на панели мониторинга.

Учебные материалы

  • 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
Работа с ГИС-приложениямиКурс для пользователей и операторов · еженедельные трёхчасовые занятияОткрыть полный силлабус

Курс предназначен для тех, кто работает с информацией, у которой важно местоположение, но сам систем не разрабатывает. Он даёт полное понимание составляющих системы — откуда приходят данные, что из них правомерно заключать и каковы их пределы — вместе с практикой в инструментах с открытым исходным кодом. Каждое занятие сочетает теорию с работой за компьютером.

Форма обучения
Еженедельные трёхчасовые занятия — теория и практика
Количество занятий
10
Предварительные требования
Отсутствуют
Рабочая среда
Только инструменты с открытым исходным кодом

Темы курса

  • Что такое ГИС — принципы и источники географической информации
  • Тенденции и сферы применения информации о местоположении
  • Мир открытого исходного кода — установка и создание рабочей среды
  • Интерактивное картографирование и переход от 2D к 3D
  • Big Data в географическом контексте и многослойная визуализация
  • Поиск и классификация открытых источников данных
  • Создание пространственных баз данных
  • Управление многоплатформенными ГИС-проектами

Результаты обучения

  • Объяснить, что такое карта, из чего она состоит и каковы пределы её точности
  • Развернуть рабочую среду на инструментах с открытым кодом
  • Найти открытые источники данных и оценить их качество
  • Построить информационный слой и представить его на карте
  • Сформулировать требования к ГИС-проекту для поставщика

Состав оценки

  • 45%Итоговая работа: построение тематической карты из открытых источников и представление выводов
  • 35%Задания в течение курса
  • 20%Посещаемость и участие

Понедельный план

  1. Занятие 1Что такое ГИСЧто такое карта, мотивация к картографированию, координатные сетки и принципы работы GPS. Практика: чтение карты и определение её системы координат.
  2. Занятие 2Источники географической информацииСъёмка, аэро- и спутниковые снимки, дистанционное зондирование и слияние данных; точность и достоверность. Практика: сравнение двух источников по одной территории.
  3. Занятие 3Тенденции и сферы примененияИспользование информации о местоположении, кадастр, умный город и Internet of Things. Практика: картирование применений в организации участника.
  4. Занятие 4Мир открытого исходного кодаОсновные инструменты, лицензирование, преимущества и ограничения. Практика: установка и создание полной рабочей среды.
  5. Занятие 5Информационные слоиВектор против растра, распространённые форматы, системы отсчёта. Практика: загрузка слоёв и их редактирование.
  6. Занятие 6Интерактивное картографированиеСтатическая карта против интерактивной, переход от 2D к 3D. Практика: построение простой интерактивной карты.
  7. Занятие 7Открытые источникиПоиск, классификация и оценка качества публичных хранилищ. Практика: загрузка данных из государственного хранилища и их очистка.
  8. Занятие 8Пространственные базы данныхХранение геометрии, пространственные запросы и индексация. Практика: создание базы данных и выполнение запроса.
  9. Занятие 9Географический Big DataБольшие объёмы, многослойная визуализация и пространственный анализ. Практика: отображение большого набора данных на карте.
  10. Занятие 10Управление ГИС-проектомФормулирование требований, работа с поставщиком, многоплатформенная интеграция. Представление итоговых работ.

Учебные материалы

  • 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

Что из этого вышло

Дипломные проекты под моим руководством

Десять постеров дипломных проектов из Центра проектов. Каждый начинался с реальной потребности организации и заканчивался работающим продуктом, представленным на конференции. Именно это даёт проектное обучение, когда его выстраивают правильно.

  • Постер дипломного проекта по цифровой медицине — медицинский опросник реального времени и экраны приложений

    Приложение реального времени для оценки тяжести симптомов увеличенной простаты

    Цифровая медицина · факультет компьютерных наук · лето 2019

    Урологическое отделение больницы видело пациента в среднем раз в месяц, а между визитами у врача не было никаких сигналов о его состоянии. Команда построила медицинский опросник реального времени — Android-приложение для пациента и веб-приложение для врача, — заменив воспоминания на приёме коротким регулярным наблюдением.

    • Android
    • Java
    • JQuery
    • Bootstrap
    • HTML
    • CSS
    • JS
  • Постер проекта анализа поведения пользователей — архитектура Elastic Stack и панели Kibana

    User Behavior Analysis

    Анализ поведения пользователей · факультет компьютерных наук · 2020

    Служба информационной безопасности поставщика ПО для страховых компаний не могла выявлять подозрительное поведение в сети. Команда построила полный конвейер Big Data — Logstash для сбора, Elasticsearch для хранения и Kibana для анализа, — который выявляет аномалии в данных корпоративного антивируса.

    • Elasticsearch
    • Logstash
    • Kibana
    • Big Data
    • Message Queue
  • Постер проекта EasyRoll — планирование маршрута для тяжёлого транспорта, экраны платформы и структура данных

    EasyRoll

    Планирование маршрута для тяжёлого и высокого транспорта · факультет компьютерных наук · 2018

    Водитель крана или высокого грузовика узнаёт о низком мосте слишком поздно. Команда построила платформу, которая сопоставляет обширную базу мостов страны с габаритами самой машины и возвращает маршрут, по которому она действительно пройдёт.

    • Firebase
    • HTML
    • JS
    • CSS
    • Google Maps
  • Постер проекта картографирования столовых — схема пользователей системы и экраны приложения

    Приложение для картографирования благотворительных столовых

    Социальный проект · факультет компьютерных наук · 2019

    Столовые публикуют адрес и часы работы, но те, кому они нужны, не всегда могут искать открыто. Команда построила геоприложение, позволяющее найти ближайший бесплатный обед без огласки — и в той же системе связать волонтёров и жертвователей со столовыми по всей стране.

    • HTML
    • JS
    • CSS
    • PHP
    • MySQL
  • Постер проекта Give&Take — экраны Android-приложения и схема переходов

    Give&Take

    Социальный Android-проект · факультет компьютерных наук · 2019

    То, что одному больше не нужно, другому порой как раз не хватает, и мешает встрече лишь отсутствие простого способа связаться. Приложение позволяет разместить вещь для передачи и найти свободные вещи поблизости, не раскрывая контакты, пока обе стороны сами этого не захотят.

    • Android
    • Java
    • Firebase
    • Google Maps
  • Постер проекта ГИС для уличного освещения — экраны приложения и слоистая архитектура

    Геоинформационная система для приборов уличного освещения

    Для инженерной компании · факультет компьютерных наук · 2019

    Обследование городского освещения велось на бумажных бланках. Команда построила систему, в которой полевой сотрудник вносит и правит точку прямо на карте со смартфона — со сдвигом точки, фотографией светильника и раздельными правами для администратора, редактора и наблюдателя.

    • Android
    • GIS
    • Google Maps
    • Права пользователей
  • Постер проекта NetmApp — архитектура системы и карты уровня сотового сигнала

    NetmApp

    Картографирование покрытия сотовых сетей · факультет компьютерных наук · 2020

    Операторы публикуют карты покрытия, но они не позволяют сравнить операторов в одной и той же точке. Команда построила приложение, собирающее замеры уровня сигнала от самих пользователей и дающее реальную картину покрытия — многопользовательскую систему, данные которой тем лучше, чем больше ею пользуются.

    • PostgreSQL
    • Android Studio
    • React Native
    • Amazon
  • Постер проекта FishRadar — схема экранов приложения и экраны обмена уловом на карте

    FishRadar

    Обмен знаниями между рыбаками · факультет компьютерных наук · 2020

    Знания о хороших местах для рыбалки передаются на словах и на форумах, а потому остаются отрывочными и труднодоступными. Приложение позволяет отметить улов на карте, отфильтровать по способу ловли и виду рыбы и собрать общую базу, которая накапливается со временем.

    • Xamarin
    • MVC
    • GIS
    • Android
  • Постер проекта What’s Around — экраны сообщений о событиях и карта сообщений

    What's Around

    Новости на основе местоположения · факультет компьютерных наук · 2018

    Новости приходят единым потоком независимо от того, произошло событие рядом или очень далеко. Приложение превращает читателя из пассивного получателя в репортёра: каждый может сообщить о событии там, где он находится, а сообщения фильтруются по расстоянию, типу события и рейтингу достоверности.

    • Android
    • GIS
    • Слоистая архитектура
  • Постер проекта информационных слоёв — экраны редактирования полигонов и таблица прав

    Отображение и редактирование информационных слоёв

    Инструмент управления геопроектами · факультет компьютерных наук

    Инструмент управления геоинформационными слоями: создание и правка полигонов и точек на карте с пятью уровнями прав — от администратора системы до наблюдателя, — чтобы каждый участник проекта видел и менял только то, что ему положено.

    • Angular
    • C#
    • Google Maps
    • GPS

Сами постеры выполнены на иврите. Имена студентов, имя со-руководителя и все личные данные, попавшие в скриншоты, — номера телефонов, имена учётных записей, пути к файлам, внутренний адрес — закрыты, как и названия организаций-заказчиков, в соответствии с подходом, принятым на остальном сайте.

Хронология

Преподавательские должности

  1. 2016–2025

    Преподаватель и руководитель Центра проектов, факультет наук

    HIT — Холонский технологический институт

    Лекции по ГИС, инновациям, разработке ПО и управлению проектами; наставничество сотен студенческих проектов; управление и подготовка ~20 наставников и координаторов направлений.

  2. 2009–2010

    Ассистент преподавателя

    Университетский центр Ариэль в Самарии

    Ведение практических занятий с акцентом на доступность материала и успеваемость студентов.

  3. 2007–2016

    Ассистент преподавателя, факультет наук

    HIT — Холонский технологический институт

    Один из наиболее ценимых ассистентов факультета за знания, открытость и готовность помочь — по отзывам старших преподавателей.

Подход

Как я преподаю

В основе — нечастое сочетание: математическая глубина первой степени, актуальные прикладные знания из практики и умение соединить их так, чтобы студент увидел, зачем нужна теория.

  • Сначала реальный проект. Короткая теоретическая часть задаёт общую базу, а дальше работа идёт над задачей, которую кому-то действительно нужно решить.
  • Небольшие междисциплинарные группы до пяти человек под совместным руководством профессионального наставника и представителя индустрии.
  • Прозрачные, чётко определённые заранее метрики успеха — студент знает, по чему оценивается его работа.
  • Результат — работающий прототип, задокументированный по лучшим практикам, чтобы его можно было встроить в основной продукт компании-партнёра.
  • Преподавание на четырёх языках позволяет мне работать с аудиториями в Центральной Азии и Восточной Европе на их родном языке, без посредников.
“Результаты проектного обучения студентов огромны и изменили облик факультета точных наук.”
Старший преподаватель, факультет наук, HIT

Буду рад общению

Связаться

Открыт к управленческим предложениям, академическому сотрудничеству, технологическому консультированию и работе в советах директоров.