נבחרת ישראל במדעי המחשב

תוכנית הכשרה לתלמידים מצטיינים

נבחרת ישראל במדעי המחשב היא תוכנית הכשרה יוקרתית ואינטנסיבית, המיועדת לתלמידי תיכון מצטיינים המפגינים כישרון ייחודי בתחומי הקוד, האלגוריתמים והטכנולוגיה. מטרת העל של התוכנית היא להכשיר את הדור הבא של מובילי הטכנולוגיה במדינת ישראל ולייצג את המדינה בכבוד באולימפיאדות הבינלאומיות היוקרתיות ביותר במדעי המחשב. התוכנית מכשירה מקצועית הן בפן התאורטי והן בפן המעשי, והמצטיינים והמצטיינות מקרב חברות וחברי הנבחרת ישתתפו בתחרויות בינלאומיות במדעי המחשב. אימוני הנבחרת כוללים אימונים חד יומיים (אימון שבועי בקמפוס האוניברסיטה או באופן מקוון), מחנות אימונים הכוללים לינה, הרצאות, תרגולים אישיים וקבוצתיים, משימות למידה והשתתפות בתחרויות פנימיות ועולמיות מגוונות. הנבחרת מדגישה בפעילות גם את הנדבך החברתי ועורכת פעילויות גיבוש לאורך השנה. הנבחרת מופעלת כמיזם משותף עם מרכז מדעני העתיד ומשרד החינוך וההשתתפות בה מסובסדת במלואה. 

חומרי לימוד והכנה  

מכתב לעוברי שלב א' תשפ"ו עם הסבר וחומרי הכנה - מסלול אלגוריתמיקה

אנחנו יודעים שאתם באים מרקעים מאוד שונים, ולא רוצים שחוסר רקע קודם יהווה מכשול. לצורך כך צירפנו עבורכם תקציר על מושג האלגוריתם, כתיבת פסאודו-קוד ויעילות (עם דוגמאות). אנחנו מעודדים אתכם לקרוא עוד על כך לפני שלב ב', וגם להסתכל על שאלות לדוגמה באתר שלנו. אל תבהלו אם השאלות נראות לכם קשות, הרמה של השאלות באולימפיאדה גבוהה במיוחד. כל הצלחה בשאלות כאלו היא מרשימה מאוד, ותלמידים בודדים בארץ מסוגלים לפתור את השאלות הקשות.

אם אין לכם ידע קודם ממליצים לכם קודם כל לקרוא את המסמך על אלגוריתמים ופסאודו קוד, לאחר מכן על יעילות, ואז להמשיך כאן.

באולימפיאדה הבינלאומית למדעי המחשב יש שאלות אלגוריתמיות, וכותבים קוד יעיל שצריך לעמוד במגבלות זמן וזכרון. שלבי המיון נועדו לבחון את יכולת החשיבה האלגוריתמית שלכם, ולא דורשים ידע בתכנות.

בשלב א' היו נתונות לכם שאלות עם נתונים מספריים (קלט ספציפי) והתבקשתם לתת תשובה מספרית גם כן. התהליך עצמו של פתרון הבעיות דרש חשיבה בסגנון האולימפיאדה, ולפעמים גם לחשוב על אלגוריתם, אבל רק "להריץ אותו" אצלכם על דף ולרשום את התשובה (הפלט), לא לתאר את האלגוריתם עצמו.

בשלב ב', הבעיות שינתנו יהיו בעיות אלגוריתמיות כלליות יותר, בלי קלט ספציפי נתון, ותצטרכו לתאר אלגוריתם (דרך שיטתית וחד משמעית לפתור בעיה מסוימת) שפותר את הבעיה הנתונה באופן כללי, לכל קלט חוקי שינתן לכם. האלגוריתם שתכתבו צריך להיות יעיל.

בנוסף לתיאור האלגוריתם עצמו צריך להסביר מדוע האלגוריתם נכון, להסביר את ההבחנות שהובילו אתכם אליו, איך הוא פועל (בקצרה), למה הוא נכון, ואם אתם יודעים סיבוכיות מומלץ גם לכתוב אותה.

ניתן לכתוב את האלגוריתם עצמו בפסאודו-קוד (וזה הכי נוח לדעתנו), וניתן גם בשפת תכנות לבחירתכם (אבל אנחנו ממליצים לא בפייתון, כי יותר קשה להבין את היעילות בשבילכם).

שימו לב שהבדיקה היא של האלגוריתם עצמו, ולא של תחביר. אין צורך לבדוק נקודות פסיק, כללי מספור וכו', רק שיהיה ברור מה האלגוריתם שלכם עושה בכל שלב ומה רצף הזרימה בו.

בעיות משלבי ב' משנים קודמות, כולל פתרונות, ניתן למצוא כאן

מומלץ קודם לקרוא את השאלות ולחשוב עליהן בלי לחשוף את הפתרונות, ואז להמשיך לפתרונות.

כשאתם מסתכלים על פתרון הבעיות, הסתכלו גם על התוכן - מה מופיע בו, וגם על דרך הכתיבה, זו בערך רמת הפירוט שאנחנו מצפים לה.

ושוב, הרמה מאוד גבוהה והסף למעבר הוא בהתאם, אז לא להבהל (ואנחנו ממליצים מאוד להגיע גם אם אתם חושבים שאין לכם סיכוי, הרבה פעמים העוברים מופתעים, ובכל מקרה השאלות מעניינות מאתגרות ומהנות גם אם לא מצליחים 😊).

מכתב לעוברי שלב א' תשפ"ו עם הסבר וחומרי הכנה - מסלול בינה מלאכותית

החומר למיונים שלב ב המפורט בהמשך משמש כהכנה למבחן שלב ב׳, כדאי להכיר את המושגים המרכזיים ולהבין את הרעיונות העומדים מאחוריהם. במסגרת ההכנה מומלץ להיחשף לעקרונות הבסיסיים של מודלים ואלגוריתמים נפוצים בתחומי מדעי הנתונים ובינה מלאכותית. הדגש בבחינה אינו על כתיבת קוד, אלא על הבנה רעיונית, יכולת לנתח מצבים פשוטים, ולבצע חישובים בסיסיים המדגימים כיצד המודלים והאלגוריתמים פועלים.

הדרך הטובה ביותר להתכונן היא לעבור על הנושאים המופיעים בחומר, להכיר את המושגים דרך הקישורים המצורפים או דרך כל מקור לימוד אחר. שאלות מבחן המיון של שלב ב' הן שאלות רב־ברירה (אמריקאיות). בבחינה מותר להשתמש במחשבון, ולא יהיו בה שאלות על כתיבת קוד .

האולימפיאדה הבינלאומית לבינה מלאכותית IOAI  היא תחרות עולמית מרתקת, שבה תלמידים מוכשרים מכל העולם נפגשים כדי להתמודד עם אתגרים אמיתיים בתחום הבינה המלאכותית. במהלך התחרות, ותחת שעון מתקתק, המתמודדים פותרים בעיות וכותבים קוד בתחומים כמו למידת מכונה קלאסית, ראייה ממוחשבת, עיבוד שפה טבעית, וכן מודלים שונים לעיבוד תמונה, קול ושפה. מעבר לתחרות עצמה, זו הזדמנות נהדרת ללמוד, לחשוב אחרת ולהכיר תלמידים סקרנים ואוהבי מדע. גם אם לא מצליחים לפתור הכול, השאלות עצמן מעניינות, מאתגרות ומהנות, והחוויה של ללמוד ולהתחרות יחד היא מיוחדת ומעוררת השראה.  למען הסר ספק החומר למבחן שלב ב הוא רק נושאים בודדים מתוך החומר לתחרות ברמה בסיסית. 

שאלות לדוגמא ברוח מבחן המיון 

קורסים מקיפים להעמקה בחומר:

קורס בעברית על מדעי הנתונים ולמידת מכונה (שימו לב: הנושאים של מימוש הרעיונות בפייתון אינם חלק מהמבחן לשלב ב')
קורס מקיף על Supervised ו-Unsupervised Learning
 

חומר למבחן המיון שלב ב:  
1. בבינה מלאכותית, עץ החלטות (Decision Tree) בלמידה מונחית בוחר בכל צעד את הפיצול שמפחית את אי-הוודאות בנתונים. יש להבין באופן אינטואיטיבי את המושגים Entropy ו-Information Gain (אין צורך לזכור את הנוסחאות, צריך להבין את משמעות התוצאות), וכיצד משתמשים בחישובים בסיסיים כדי להשוות בין פיצולים שונים.
סרטון 
סרטון 
2. מערכות המלצה בבינה מלאכותית מנתחות התנהגות, העדפות ודמיון בין משתמשים או פריטים כדי להציע תוכן מתאים. יש להבין באופן אינטואיטיבי מושגים כמו Nearest Neighbor, מדדי דמיון, ועקרונות Normalization כגון Min-Max Normalization.
סרטון 
3. במסגרת Supervised Learning יש להבין את האיזון בין Bias ל-Variance, ואת התופעות Underfitting ו-Overfitting. בנוסף יש להכיר מדדי הערכה למודלי סיווג כגון Accuracy, Precision, Recall, F1-Score, ולהבין את ההבדל בין דאטה מאוזן לדאטה לא מאוזן והשפעתו על המדדים.
בנוסף, יש להכיר מודל חיזוי לינארי פשוט (Perceptron / Neural Unit), שבו הפלט מחושב כסכום משוקלל של הקלטים (Weighted Sum). יש להבין כיצד משקלים משפיעים על התוצאה וכיצד ניתן לפרש את המודל.
סרטון 
4. ידע בסיסי ב-Unsupervised Learning, ובפרט היכרות עם האלגוריתם K-Means Clustering לחלוקת נתונים לקבוצות לפי קרבה במרחב התכונות. בנוסף יש להבין את מושג Correlation ואת תופעת Simpson’s Paradox, שבה מגמה כללית בנתונים יכולה להשתנות כאשר בוחנים תתי-קבוצות.
סרטון 
סרטון 
סרטון 
סרטון 
סרטון 
5. הבנת העקרונות המרכזיים של PCA ו-K-means. יש לדעת כי PCA מבצע צמצום ממדים באמצעות principal components (וקטורים עצמיים של מטריצת ה-covariance) והערכים העצמיים מציינים כמה שונות מוסבר כל רכיב. יש להבין את קללת הממדיות, את חשיבות נרמול הנתונים, ואת אופן פעולת K-means והקצאת דגימות לפי המרחק מה-centroid.
סרטון 
סרטון 
סרטון 
6. בתחום NLP יש להכיר את הרעיון של Word Embeddings – ייצוג מילים כווקטורים במרחב מספרי כך שמילים דומות נמצאות קרוב זו לזו. יש להבין כיצד שיטות כמו word2vec לומדות ייצוגים אלו, וכן את המושגים Latent Features ו-Vector Arithmetic לייצוג יחסים סמנטיים בין מילים.
סרטון 
סרטון 
סרטון
סרטון
מאמר
7. היכרות בסיסית עם מודל BERT ועם ארכיטקטורת Transformer, כולל הבנת המושגים Token ו-Attention, וכיצד לחשב את מספר הקשרים האפשריים בין טוקנים במשפט.
סרטון 
קורס

מכתב לעוברי שלב א' תשפ"ו עם הסבר וחומרי הכנה - מסלול סייבר

שימו לב, יש להגיע למבחן עם לפטופ. המבחן ייערך על גבי המחשבים האישיים שלכם. רשימת התקנות מומלצות מופיעה מטה. 

מבחן המיון יהיה מורכב מאתגרי (CTF (Capture The Flag

משחק סייבר תחרותי שבו המשתתפים מנסים לפרוץ, לנתח, לחקור או לפתור בעיות טכניות באתגרים שונים. כל פתרון אתגר יזכה אתכם בדגל.

דוגמא לדגל: flag{example_123} זוהי מחרוזת טקסט ייחודית שמוכיחה שהצלחת לפתור את האתגר.

איך משיגים דגל?

אתגר בתחום ה Web Exploitation למשל יכול לכלול אתר אותו תצטרכו לפרוץ, שליפה על מסד הנתונים של האתר תספק לכם דגל שיוכיח שהצלחתם.

אתגר בתחום ה Networking יכול לכלול הסנפה אותה תצטרכו לנתח ולחלץ את הדגל מתוכה.

על כל אתגר מגישים את הדגל ואת דרך הפתרון עם כל הפקודות שהרצתם (writeup) בקובץ וורד ובהקלטת מסך. 

אתרים לתרגול אתגרי CTF

picoCTF

HackTheBox

TryHackMe

חומרי למידה אולימפיאדת 2025

קטגוריות השאלות במבחן ובתוכנית:  
1. Network & Forensics 
2. Crypto 
3. WebSec 
4. Reversing 
5. Misc 
 

חשוב: 

1) יש להתקין ולהתנסות מראש בתוכנת הקלטת מסך https://obsproject.com/ ביום המיון עליכם להקליט את המסך, לעלות את ההקלטה לגוגל דרייב שלכם ולשלוח לנו קישור. 

2) חלק מהאתגרים ירוצו על docker ולכן יש להתקין ולהתנסות https://www.docker.com/

תוכנות נוספות שמומלץ להתקין:

Python 

010editor 

Burp Suite 

sqlmap 

Nmap 

Zenmap 

Wireshark 

Metasploit Framework 

Ghidra 

radare2 

gdb 

ltrace 

strace 

readelf 

Hashcat 

John the Ripper 

Steghide 

binwalk 

ExifTool 

strings 

xxd