לו"ז

יום שלישי 05/05 טל

מפגש עבודה 1

		זום	טל	לוסטיג
19:00	התחלת עבודה בליווי מנטורים	ראשי	קומה 3	לשם
20:00	נשנושים	ראשי	קומה 3	לשם
22:00	סיום	ראשי	קומה 3	לשם

יום שלישי 20/05 טל

מפגש עבודה 2

		זום	טל	לוסטיג
19:00	התחלת עבודה בליווי מנטורים	ראשי	קומה 3	לשם
20:00	נשנושים	ראשי	קומה 3	לשם
22:00	סיום	ראשי	קומה 3	לשם

יום ראשון 25/05 לוסטיג

מפגש עבודה 1

		זום	טל	לוסטיג
18:00	התחלת עבודה בליווי מנטורים	ראשי	קומה 3	לשם
19:00	נשנושים	ראשי	קומה 3	לשם
21:00	סיום	ראשי	קומה 3	לשם

יום ראשון 25/05 לוסטיג

מפגש עבודה 2

		זום	טל	לוסטיג
18:00	התחלת עבודה בליווי מנטורים	ראשי	קומה 3	לשם
19:00	נשנושים	ראשי	קומה 3	לשם
21:00	סיום	ראשי	קומה 3	לשם

יום רביעי 27/05

מתחילים בכל הכח

		זום		לוסטיג
13:30	קבלת פנים - בראנצ'	צוות	קומה 6	לשם
14:30	אירוע פתיחה	-	אלה	לשם
15:00	מתחילים לעבוד	ראשי	קומה 3	לשם
16:00	הגשת דו"ח פרטי קבוצה	-	סילבוס	לשם
16:30	מפגש ראשי קבוצות טיפים לניהול קבוצה בהאקתון	-	אלה	לשם
19:00	ארוחת ערב	-	קומה 3	לשם
21:00	דגשים לפרזנטציה (2 נציגות מכל קבוצה, טכני ושיווקי)	-	אלה	לשם
22:00	הגשת דו"ח תמנ"צ 3	ראשי	סילבוס	לשם
22:30	הגרלה לסדר ההצגות בחצי הגמר	ראשי	קומה 3	כיתה 2-3
00:00	ארוחה לילית + הגרלה על פרסים לנוכחות בלבד	-	קומה 3	-

יום חמישי 28/05

קפה שחור חזק

		זום		לוסטיג
08:00	ארוחת בוקר והמשך פיתוח קבוצתי	סילבוס	קומה 3	סילבוס
09:00	העלאת מצגת למשוב	סילבוס	סילבוס	סילבוס
11:00	תמונת אווירה משותפת	קומה 3	קומה 3	קומה 3
12:00	ארוחת צהריים	סילבוס	קומה 3	סילבוס
14:00	מיני סדנת פרזנטציה מומלץ למציגות בחצי הגמר	סילבוס	אלה	סילבוס
18:00	חצי הגמר חזרה גנרלית לפרזנטציות + פידבקים	-	אלה	לשם
19:00	ארוחת ערב	ראשי	קומה 3	לשם
20:00	חצי הגמר חזרה גנרלית לפרזנטציות + פידבקים	ראשי	אלה	לשם
00:00	ארוחה לילית + הגרלה על פרסים לנוכחות בלבד	ראשי	קומה 3	לשם

יום שישי 29/05

שיפוט והכרזה על זוכות

		זום		לוסטיג
03:00	סיום משוער לחצי גמר	סילבוס	-	סילבוס
06:00	מעבר על שיפורים לצורך החלטה על עלייה לגמר	סילבוס	קומה 3	סילבוס
07:00	הכרזה על עולות לגמר	קומה 3	לובי	קומה 3
08:00	סוף זמן שליחת מצגות לגמר	סילבוס	סילבוס	סילבוס
08:30	ארוחת בוקר	-	קומה 3	לשם
09:30	אירוע הגמר הצגת הפרויקטים בפני שופטים	ראשי	אלה	לשם
11:30	בראנצ'	ראשי	קומה 6	לשם
12:30	הכרזה על הזוכות	ראשי	אלה	לשם

סדנאות הכנה

מידע על הסדנאות יתפרסם לקראת ההאקתון

סדנאות הכנה

הרשמה לסדנאות

שופטים

שופטי ההאקתון יוצגו כאן לקראת האירוע. השופטים הם לרוב נציגים של חברות, הסובבים יזמות, חדשנות וטכנולוגיה. לכל שופט אופי ומנגנון שיפוט משלו, חלקם מתייחסים יותר להיבט הכלכלי של הפיתרון, אחרים מתייחסים יותר לחדשנות הטכנולוגית, אחרים מתייחסים לאופן ההצגה וכן הלאה. השתתפות בסדנת הכנה להאקתון תציג מגוון מזויות השיפוט שכדאי להכיר.

למי זה מיועד?

תוכנה

אלגורתימים / מערכות / אתרים / אפליקציות

מנהל עסקים

סקר שוק / מודל עסקי / פרזנטציה

תעשייה וניהול

אופטימיזציה / שיפור תהליכים / תיכון תוכנה

חשבונאות

מודל עסקי / היבטים פיננסים

סיעוד

היבטים רפואים

אלקטרוניקה

תיכון חומרה / בניית חומרה

אלקטרואופטיקה

חיישונים / פיזיקה

ביו אינפורמטיקה

היבטים רפואים / תוכנה

תקשורת

תקשורות / רשתות

אתגרים

הצצה לאתגרים מהאקתונים קודמים:

רפאל
פיתוח פתרונות מבוססי מעקב ויזואלי מתקדם לבעיות מורכבות

בעיה

בעולם האמיתי, אובייקטים אינם נעים בקו ישר ואינם שומרים תמיד על צורה קבועה או נראות מלאה. האתגר הגדול במערכות ראייה ממוחשבת כיום הוא היכולת לשמור על "זהות" של אובייקט (Tracking) לאורך זמן בתוך סביבה דינמית וכאוטית. מערכות קלאסיות נכשלות כאשר האובייקט מוסתר חלקית (Occlusion), משנה את צורתו (כמו בעל חיים בתנועה או נוזל שנשפך), מסתובב, או כאשר הסביבה עמוסה בפרטים דומים. כשל זה מונע אוטומציה בתחומים קריטיים כמו הצלת חיים (איתור נעדרים בתוך יער), רפואה (מעקב אחר תאים מתפצלים), אבטחה (זיהוי רחפן בין ציפורים) וניתוח ספורט מתקדם.

פיתרון

פיתוח מערכת יישומית המשתמשת באלגוריתמים מתקדמים של מעקב מבוסס למידת מכונה (ML-based Tracking) כדי לפתור בעיה ספציפית ומשמעותית לבחירתכם. המערכת לא צריכה רק "לעקוב", אלא להשתמש במעקב כדי להפיק תובנות או לבצע פעולה. עליכם לבחור מודל מעקב מתקדם (כגון SAM2, CoTracker, TrackAnything, XMem וכדומה) וליישם אותו בתרחיש שמאתגר מעקבים קלאסיים. דוגמאות ליישום: מערכת לניתוח התנהגות קהל צפוף, כלי לעריכת וידאו אוטומטית המוחק אובייקט דינמי, בקרת איכות בפס ייצור של מוצרים גמישים, או ניתוח ביו-מכאני של ספורטאי בזמן אמת.

רמזים

1. בחירת המודל: בעוד ש-SAM2 הוא דוגמה מצוינת ליכולות סגמנטציה, ישנם מודלים המתמחים במעקב אחר נקודות (Point Tracking) כמו CoTracker או TAPIR. בחרו את המודל המתאים לבעיה (האם חשוב לכם קווי המתאר המדויקים או התנועה במרחב?). 2. אתגר הזיכרון: כיצד המערכת שלכם מתמודדת עם אובייקט שיצא מהפריים וחזר לאחר מספר שניות? (Re-Identification). 3. אינטראקציה: חשבו על דרך בה המשתמש מגדיר את האובייקט למעקב (למשל: הקלקה ראשונית, הנחיה טקסטואלית, או זיהוי אוטומטי של חריגות). 4. ביצועים: נסו להתייחס לסוגיית זמן הריצה. האם הפתרון שלכם ישים לזמן אמת (Real-time) או מיועד לעיבוד Offline?

כלים

1. Python 2. ספריות ML מובילות: PyTorch / TensorFlow / JAX 3. מודלים למעקב וסגמנטציה: SAM2, CoTracker, Track-Anything, DeepSORT, YOLO-World 4. OpenCV לעיבוד תמונה 5. סביבת הרצה עם GPU (כגון Google Colab או שרת מקומי חזק) 6. דאטה-סטים לאימון/בדיקה: COCO, DAVIS, MOTChallenge או צילומים מקוריים שלכם.

זכויות יוצרים: לחברה אין צורך בזכויות יוצרים

רלוונטי בעיקר למחלקות: תוכנה ומדמ"ח תעו"נ כריית מידע מנהל עסקים חשבונאות

רפאל
מעקב רציף ברשת מצלמות חכמה

בעיה

ערים חכמות ומתקנים אסטרטגיים מרושתים כיום באלפי מצלמות אבטחה. האתגר המרכזי אינו רק זיהוי אובייקט במצלמה בודדת, אלא היכולת לייצר רצף מעקב (Continuity) אחר אובייקט (אדם חשוד, רכב ספציפי) הנע במרחב ועובר בין שדות ראייה של מצלמות שונות. בפועל, החפיפה בין המצלמות היא לרוב מינימלית (10%-20%), מה שמקשה על המערכת להבין שאובייקט שיצא ממצלמה א' הוא אותו אובייקט שנכנס למצלמה ב'. שינויים בזווית הצילום, תאורה, והסתרה רגעית גורמים לאיבוד המעקב ולקבלת תמונת מצב מקוטעת המקשה על קבלת החלטות.

פיתרון

פיתוח מערכת ראייה ממוחשבת המבצעת 'מסירה' (Handover) של אובייקטים בין מצלמות סמוכות. המערכת תקבל זרמי וידאו ממספר מצלמות, תזהה אובייקטים ותעניק להם מזהה ייחודי (ID). האתגר הוא לשמר את ה-ID הזהה כאשר האובייקט עובר בין המצלמות באזור החפיפה המצומצם. הפתרון צריך לכלול מודל Re-ID (זיהוי מחדש) המבוסס על מאפיינים ויזואליים ומרחביים, ולדעת לחזות את מיקום האובייקט במצלמה הבאה על סמך מהירות וכיוון התנועה שלו, ובכך לאפשר מעקב רציף ואוטומטי בזמן אמת.

רמזים

1. שימוש באלגוריתמים של Re-Identification המבוססים על חתימה ויזואלית (צבע, טקסטורה, פרופורציות) ולא רק על זיהוי פנים/לוחית רישוי. 2. חישוב וחיזוי מסלול (Trajectory Prediction) באמצעות Kalman Filter כדי להעריך מתי ואיפה האובייקט יופיע במצלמה הבאה. 3. שימוש ב-Homography כדי למפות את הקשר הגיאומטרי בין המצלמות ולהבין אילו פיקסלים במצלמה א' חופפים לפיקסלים במצלמה ב'. 4. התייחסות לשינויי סקאלה (Scale) - אובייקט רחוק במצלמה אחת עשוי להיראות קרוב וגדול במצלמה השנייה.

כלים

1. שפות תכנות: Python, C++. 2. ספריות ראייה ממוחשבת: OpenCV. 3. מודלים לזיהוי ומעקב: YOLO (v5/v8), DeepSORT, StrongSORT, FairMOT, SAM2. 4. ספריות למידה עמוקה: PyTorch, TensorFlow. 5. דאטה-סטים לאימון: Market-1501, DukeMTMC (לצורך אימון מודל Re-ID). 6. חומרה: מומלץ שימוש ב-GPU חזק (NVIDIA CUDA) לעיבוד בזמן אמת של מספר ערוצי וידאו.

זכויות יוצרים: לחברה אין צורך בזכויות יוצרים

רלוונטי בעיקר למחלקות: תוכנה ומדמ"ח תעו"נ כריית מידע מנהל עסקים חשבונאות

PEACH
מחולל דפי נחיתה פרסונליים וחכמים לתרומות

בעיה

עמותות וארגונים המגייסים תרומות שולחים לרוב דפי נחיתה גנריים לרשימות תפוצה רחבות. גישת "מידה אחת מתאימה לכולם" פוגעת אנושות באחוזי ההמרה ובמקסום ההכנסות משתי סיבות עיקריות: 1. חוסר רלוונטיות בתוכן: המסר השיווקי מתעלם ממניעי התורם (למשל, תורם המונע מנתונים מול תורם המונע מרגש). 2. אי-התאמה בסכומי התרומה (Ask String): דפי הנחיתה מציגים כפתורי תרומה עם סכומים קבועים (למשל: 50, 100, 200 ש"ח). קיבעון זה גורם לנזק כפול: הצגת סכום ברירת-מחדל נמוך מידי לתורם אמיד (High Net Worth) גורמת לאובדן הכנסה פוטנציאלית ("השארת כסף על השולחן"), בעוד שהצגת סכום התחלתי גבוה מידי לתורם בעל יכולת נמוכה יותר עלולה להרתיע אותו ולגרום לנטישת הדף ולביטול התרומה כליל. כיום חסרה טכנולוגיה שתדע להתאים דינמית את גובה הבקשה לפרופיל הכלכלי של התורם.

פיתרון

פיתוח מערכת המקבלת רשימת תפוצה (מיילים), ומייצרת באופן אוטומטי דף קמפיין ייחודי לכל נמען ("Hyper-Personalized Page"). המערכת תבצע תהליך העשרת דאטה (Data Enrichment) לאיסוף מידע פומבי על התורם, ותפעיל מנוע AI שיבצע שתי התאמות בזמן אמת: 1. התאמת תוכן ועיצוב: ג'ינרוט טקסט ותמונות (באמצעות כלי Generative UI כמו Lovable) המדברים בשפה ובתחומי העניין של התורם. 2. התאמת סרגל התרומה (Smart Ask Strategy): אלגוריתם שיעריך את היכולת הכלכלית של התורם (על בסיס טייטל, מקום עבודה, אזור מגורים וכו') ויעדכן את סכומי הכפתורים ב-Iframe הסליקה (למשל, Peach). כך, מנכ"ל בכיר יראה אפשרויות של 500/1000/5000 ש"ח, בעוד סטודנט יראה 18/36/72 ש"ח.

רמזים

1. הערכת יכולת כלכלית (Wealth Scoring): כיצד ניתן לגזור הערכה גסה של יכולת כלכלית מנתונים פומביים? (למשל: הצלבת Job Title מלינקדאין עם טבלאות שכר ממוצעות, או דירוג סוציו-אקונומי של אזור המגורים אם ידוע). 2. בניית ה-URL: כיצד להעביר את הפרמטרים (סכום התחלתי, שם, סגנון) בצורה מאובטחת ב-URL או באמצעות מזהה ייחודי (UUID) שמפעיל את ה-UI הדינמי בעת הטעינה. 3. פסיכולוגיה של תמחור: שימוש בטכניקות כמו "עוגן" (Anchoring) – כיצד הסכום האמצעי המוצג משפיע על הבחירה, וכיצד ה-AI יכול לבחור את העוגן האופטימלי לכל תורם. 4. אינטגרציה לסליקה: כיצד לשלוט דינמית בערכים המוצגים בתוך ה-Iframe של חברת הסליקה (Peach) באמצעות הזרקת קוד או שימוש ב-API שלהם.

כלים

1. Generative UI: Lovable, V0.dev, React. 2. Data Enrichment: Apollo.io API, Clearbit, Proxycurl (לחילוץ מידע מלינקדאין). 3. AI/LLM: OpenAI GPT-4o, Claude 3.5 Sonnet (לניתוח פרופיל וקביעת אסטרטגיית מחיר). 4. Payment Gateway: Peach Payments API / Documentation. 5. Backend: Python/Node.js (לניהול הלוגיקה והערכת ה-Scoring).

זכויות יוצרים: החברה מעוניינת לקבל זכויות שימוש אבל אין לה צורך בזכויות יוצרים - לאחר ההאקתון החברה והמשתתפים שיבחרו באתגר יסדירו תנאים משלימים

רלוונטי בעיקר למחלקות: תוכנה ומדמ"ח תעו"נ כריית מידע מנהל עסקים חשבונאות

FinTrap
מערכת חכמה לזיהוי הלבנת הון וניתוח פיננסי

בעיה

הלבנת הון היא אחת הבעיות המורכבות בעולם הפיננסי, כאשר עבריינים משתמשים בשיטות מתוחכמות להסוואת מקור הכספים בתוך דוחות כספיים שנראים לגיטימיים. אנליסטים פיננסיים משקיעים זמן רב בניתוח ידני של דוחות לפי שיטות הערכת שווי מסורתיות כמו DCF (היוון תזרימי מזומנים), אך לעיתים קרובות מפספסים את התמונה המלאה. הבעיה היא היעדר אינטגרציה בין הנתונים היבשים בדוח הכספי לבין מידע חיצוני קריטי (כגון רקע בעלי החברה, חדשות ברשת, והשוואה למתחרים), מה שמונע זיהוי של אנומליות המעידות על פעילות פלילית.

פיתרון

פיתוח מערכת ממוחשבת לניתוח דוחות כספיים המשלבת הערכת שווי מעמיקה עם מודיעין עסקי. המערכת תבצע ניתוח אוטומטי שלב-אחר-שלב לפי שיטת ה-DCF כדי לקבוע את שווי החברה הריאלי. מעבר לחישוב המתמטי, הפתרון יכלול שכבת העשרה יצירתית: סריקת מקורות גלויים באינטרנט (OSINT) לאיסוף מידע על בעלי החברה וניתוח סנטימנט חדשותי. המערכת תשמור את הנתונים הנצברים כדי ליצור בסיס נתונים להשוואה (Benchmark), ותדע להתריע על פערים חשודים בין הדיווחים לבין השווי הכלכלי הריאלי או המוניטין של המעורבים.

רמזים

1. השתמשו במודל הפיננסי הבסיסי הקיים ב-GitHub (לינק למטה) כנקודת מוצא לחישובי ה-DCF. 2. חשבו כיצד ניתן לזהות חריגות: אם חברה מדווחת על רווחיות הגבוהה ב-500 אחוז מהממוצע הענפי שנצבר בבסיס הנתונים שלכם, זהו דגל אדום. 3. שלבו יכולות NLP לסריקת שמות בעלי המניות בגוגל ובמאגרי מידע משפטיים כדי למצוא אזכורים שליליים. 4. ככל שהמערכת תצבור יותר דוחות (DATA), כך יכולת ההשוואה והזיהוי של דפוסים חריגים תשתפר – תכננו את מסד הנתונים בהתאם. 5. הציגו את רמת הסיכון בצורה ויזואלית וברורה למשתמש.

כלים

1. GitHub Base Model: https://github.com/Charlie-Hill/Financial-Models 2. Python (Pandas, NumPy) לחישובים פיננסיים. 3. ספריות NLP (כגון spaCy או BeautifulSoup) לניתוח טקסט וסריקת רשת. 4. מסדי נתונים (SQL/NoSQL) לשמירת היסטוריית דוחות להשוואה. 5. APIs פיננסיים (כגון Yahoo Finance) להשוואת נתוני שוק. 6. כלי ויזואליזציה (Streamlit/React) להצגת תזרים המזומנים ודירוג הסיכון.

48 שעות של עבודה קשה וכיף בלתי נגמר

איך זה יעבוד?

נרשמים

וממלאים טופס קצר

משתבצים

מקימים או מצטרפים לקבוצה ובוחרים אתגר *לאחר סגירת ההרשמה ישלח טופס עדכון פרטי קבוצה

מתכוננים

בסדנאות הכנה

מבצעים

את המשימות באופן קבוצתי

לתשובות על שאלות נפוצות

סטודנטיות - לחצו כאן להרשמה

נרשמתן להאקתון? יאללה מתחילים

הצטרפו לקבוצת הווטסאפ ותכירו משתתפות נוספות איתן תוכלו להקים קבוצה ולקבל עדכונים לקראת האירוע

להצטרפות לקבוצת הווטסאפ לחצו כאן

מאגר משתתפות/קבוצות

כניסה להאקתון

פרטי וגובה הפרסים יעודכנו בהקדם

פרס ראשון

3000₪

פרס שני

2000₪

פרס שלישי

1500₪

מימוש כספי הזכייה לטובת קידום המיזם יגדיל את הפרס ל:

6000₪

4000₪

3000₪

לו"ז

יום שלישי 05/05 טל

מפגש עבודה 1

יום שלישי 20/05 טל

מפגש עבודה 2

יום ראשון 25/05 לוסטיג

מפגש עבודה 1

יום ראשון 25/05 לוסטיג

מפגש עבודה 2

יום רביעי 27/05

מתחילים בכל הכח

יום חמישי 28/05

קפה שחור חזק

יום שישי 29/05

שיפוט והכרזה על זוכות

הלו"ז המלא יופיע בקרוב

סדנאות הכנה

מידע על הסדנאות יתפרסם לקראת ההאקתון

סדנאות הכנה

להפוך רעיונות למוצרים מוגמרים באמצעות AI

ערן יומטוביאן, Director at Schreiber LevTech Entrepreneurship Center

יום ראשון | 27/4 18:30-21:00

יום ראשון | 11/5 17:00-19:30

חומרה חכמה – יצירת פרויקטים עם ESP ורכיבים אלקטרוניים

ד"ר אבי טרייסטמן, Computer Science Lecturer at Lev Academic Center

יום שלישי | 6/5 19:00-22:00

איך מנצחים האקתון

עם ניסיון שנאסף מהשתתפות, מנטורינג והפקה בעשרות האקתונים בסדנה הזו תקבלו את כל הטיפים והשיטות שיעזרו לכן לנצח האקתון. הסדנה תתחיל בחצי שעה של שו"ת על ההאקתון!

ערן יומטוביאן, Director at Schreiber LevTech Entrepreneurship Center

יום ראשון | 11/5 20:00-22:00

יום רביעי | 14/5 18:30-21:30

להפוך רעיונות למוצרים מוגמרים באמצעות AI - לוסטיג

ערן יומטוביאן, Director at Schreiber LevTech Entrepreneurship Center

יום ראשון | 11/5 17:00-19:30

איך מנצחים האקתון - טל/תבונה

ערן יומטוביאן, Director at Schreiber LevTech Entrepreneurship Center

יום רביעי | 14/5 18:30-21:30

פיתוח ב-Full Stack

ינון בלוך, CTO at SpotReality

יום שלישי | 28/05 19:00-22:00

הטמעה בענן ודוקרים

אליה בלוך, CTO at BonData

יום שלישי | 04/06 19:00-22:00

GPT וחברים

אלכס לואיס, Team Leader at C41 Corps

יום ראשון | 28/05 19:00-22:00

פיתוח עם AI בלי לכתוב קוד

בניית פרויקט מלא מאפס באמצעות שימוש בבינה מלאכותית בלבד!

מתן פחימה, חוקר ומפתח בינה מלאכותית, nRich

יום רביעי | 19/06 19:30-22:00

שופטים

הרשמה למנטורים

מקימים או מצטרפים לקבוצה ובוחרים אתגר
*לאחר סגירת ההרשמה ישלח טופס עדכון פרטי קבוצה