המלצה על פודקאסט: איך עושים תוכנה Osim Tochna מקבל המלצה ונמצא כאן?

פודקאסט·ישראל מושך את הפיד של עושים תוכנה Osim Tochna אוטומטית, ולכן העמוד הזה קיים בלי שביקשתם. מה שקובע אם מאזין חדש מגיע אליו הוא כמה טקסט אמיתי יש עליו: תיאור, תמלול, ניתוח פרקים ונושאים שאפשר לחפש לפיהם בקטגוריית הייטק וסטארטאפים. פרקים שעברו תמלול וניתוח מופיעים גם בעמודי הנושא ובמדריכים שלנו, ולכן הם מקבלים הרבה יותר חשיפה מפרק שיש לו רק כותרת. כך תוסיפו לפודקאסט שלכם את שכבת התוכן שמביאה את ההמלצות.

כיצד לשווק את הפודקאסט שלך בלי תקציב פרסום?

השיווק היחיד שעובד לאורך זמן לפודקאסט הוא להיות התשובה שמישהו חיפש. אודיו לבדו לא נמצא בחיפוש, אבל טקסט שנוצר מתוך האודיו כן, ולכן הדרך הזולה ביותר לשווק את עושים תוכנה Osim Tochna היא להפוך כל פרק לעמוד שאפשר לדרג ולשתף. אותו עמוד משמש גם ברשתות, בניוזלטר ובפניות לאורחים, במקום לינק לנגן שאף אחד לא פותח. הנה איך זה עובד בפועל ליוצרים.

כיצד להרוויח כסף מהפודקאסט שלך?

שלושת המסלולים המעשיים הם חסויות, מכירת השירות או המוצר שלכם דרך הפודקאסט, ומנוי או תוכן בתשלום. לכל אחד מהם מפרסם או לקוח מבקש לראות נכס מסודר, לא רק קובץ שמע: עמוד לכל פרק, נושאים ברורים ותנועה שמגיעה מחיפוש. 194 הפרקים של עושים תוכנה Osim Tochna הם המלאי שממנו בונים את הנכס הזה. ראו את המסלול שאנחנו מציעים ליוצרים.

למה הארכיון של עושים תוכנה Osim Tochna כמעט לא מופיע בגוגל וב-ChatGPT?

מנועי חיפוש ומודלים של AI קוראים טקסט, לא שמע. פרק שקיים רק כקובץ MP3 עם כותרת ושורת תיאור הוא מבחינתם עמוד כמעט ריק, ולכן ארכיון שלם יכול להיות בלתי נראה. ברגע שהפרק מתומלל ונכתב ממנו מאמר מסודר, יש למנוע מה לצטט וגם ל-ChatGPT ולפרפלקסיטי יש מקור להפנות אליו. כך הופכים ארכיון שקוף למקור שמצטטים.

מה מקבלים כש-194 הפרקים של עושים תוכנה Osim Tochna הופכים למגזין?

194 פרקים = 194 מאמרים: אתר מגזין בעברית על הדומיין שלכם, מאמר לכל פרק עם תקציר, נקודות מפתח וציטוטים מתוך השיחה, וקישורים פנימיים בין הפרקים לפי נושא. כל מאמר מפרסם את עצמו אוטומטית ומצרף את נגן הפרק, כך שקורא שהגיע מחיפוש יכול להאזין באותו עמוד. המאמרים בעמודי הפרקים כאן נוצרו בדיוק בשיטה הזו, אז אתם רואים את התוצר לפני שאתם משלמים עליו. לפרטים המלאים ולדוגמאות בעמוד היוצרים.

כמה עבודה זה דורש מכם כמנחים?

אתם ממשיכים להקליט בדיוק כמו היום. התמלול, כתיבת המאמר, ההגהה הטכנית והפרסום רצים אוטומטית מתוך פיד ה-RSS של עושים תוכנה Osim Tochna, וגם פרקים חדשים נכנסים לבד. מה שנשאר לכם הוא לאשר את הטון ואת מה שלא מפרסמים. דברו איתנו דרך עמוד היוצרים.

הייטק וסטארטאפים

עושים תוכנה Osim Tochna

רשת עושים היסטוריה

194 פרקים

על התוכנית

עמית בן דור, ראש תחום בינה מלאכותית ולמידת מכונה בAura מגיש פודקאסט למפתחים ומפתחות, ולכל מי שרוצה להבין ממה עשוי העולם המפוקסל שנבלע בבטן האלגוריתם. בכל פרק הוא מוביל שיחות עומק עם אנשי ונשות מקצוע מהתעשייה על קוד, ארכיטקטורה, תהליכי פיתוח ואתגרי היום יום בצוותים, ומשלב סיפורים אישיים ותובנות קריירה. לפודקאסטים נוספים בקרו ב״רשת עושים היסטוריה״ 🚀 הפודקאסט נערך ע״י - ינאי צוריה

האזנה לפרק הראשי באתר לכל הפרקים באתר (11)

מה זה עושים תוכנה Osim Tochna?

עושים תוכנה Osim Tochna הוא פודקאסט ישראלי בקטגוריית הייטק וסטארטאפים מאת רשת עושים היסטוריה. ניתוח טכני מעמיק של האתגרים, התשתיות והפרקטיקה הנדרשת להטמעת פתרונות AI וסוכנים חכמים בסביבות ייצור מורכבות. בארכיון 194 פרקים, פרק חדש בערך פעם בשבועיים, אורך פרק ממוצע כ-42 דקות.

התוכנית במספרים
קטגוריה	הייטק וסטארטאפים
פרקים בארכיון	194
תדירות (מהפרקים האחרונים)	פרק חדש בערך פעם בשבועיים
אורך פרק ממוצע (בפרקים האחרונים)	כ-42 דקות
הפרק האחרון	24 בנובמבר 2025
פרקים עם ניתוח עומק	3

עודכן: 13 בספטמבר 2026

תובנות

"אל תתחילו מבניית אייג'נטים - מתחילים מ-education"

עמית בן דור מארח את שר כרמל, וזו העצה שחותכת את ההייפ: לפני שבונים פלטפורמת AI בארגון, מלמדים אנשים. סדנאות קצרות הן הקטליזטור לכל מה שבא אחר כך. עושים תוכנה לא נעצר בדמו המרשים - הוא נכנס למה שקורה בפרודקשן.

הפרקים יורדים לעומק הנדסי אמיתי: למה אי אפשר להקצות את כל זיכרון ה-GPU למודל בלבד, ולמה שיטות הבדיקה המסורתיות נכשלות עם סוכני AI. כדברי אחד האורחים, השאלה היא לא איך למנוע שגיאות אלא איך להפסיק להיות מופתעים מהן.

מפתח שרוצה להבין את הטכנולוגיה לפני שהוא מיישם אותה יקבל כאן עומק ולא סיסמאות.

פיתוח תוכנהבינה מלאכותיתמודלי שפהסייבר ואבטחההנדסת תוכנה

לוח בקרה · תובנות הארכיוןכל הפרקים שנותחו מתמלול AI - מאת עושים תוכנה Osim Tochna

פרקים אחרונים שנותחו

תובנות זהב

שאלות בולטות

4.7

תובנות לפרק

ניתוח טכני מעמיק של האתגרים, התשתיות והפרקטיקה הנדרשת להטמעת פתרונות AI וסוכנים חכמים בסביבות ייצור מורכבות.

המנחה

עמית בן דור מנחה את הפודקאסט מנקודת מבט הנדסית ופרקטית, תוך שהוא מארח מומחים טכנולוגיים מובילים בתחום הבינה המלאכותית. הוא מפגין סקרנות עמוקה לגבי המורכבות התפעולית של הטמעת AI בארגונים ושואף להנגיש ידע מקצועי מעמיק מעבר לרמת הדמוים.

הסגנון

התוכנית מאופיינת בטון מקצועי, ענייני וטכני, המעמיק בפרטי הפיתוח והתפעול של מערכות מורכבות. קצב השיחה הוא יסודי וממוקד, ומבנה הפרקים נוטה לניתוח מקרה או נושא ספציפי תוך הדגשת האתגרים הריאליים בשטח.

הטמעת בינה מלאכותית בסביבת פרודקשןמורכבות תפעולית וחומרת GPUפיתוח ותחזוקת סוכני AIאופטימיזציה של מודלי שפה גדוליםהפער בין דמוים ליכולות מוכחות

תובנות הזהב מהארכיון

הבנה תיאורטית של מודלי שפה היא תנאי הכרחי לאבחון כשלים במקום הסתמכות על ניסוי וטעייה.
המעבר מדמוים מרשימים ליישום עסקי כולל קשיים הנדסיים בלתי צפויים, עלויות תפעול גבוהות ובעיות מדידה.
חינוך והכשרת עובדים בתחום ה-AI הם שלב מקדים וקריטי להצלחה, לעיתים יותר מהטמעת הכלים עצמם.
שיטות בדיקה מסורתיות לרוב אינן מספקות עבור סוכני AI, ויש צורך בניתוח דאטה עמוק כדי לזהות דפוסי שגיאה.
משאבי מחשוב וקונטקסט תמיד יהיו מוגבלים, ולכן אופטימיזציה וקומפקטיזציה הם חלק אינטגרלי מהפיתוח.

למי זה מתאים

התוכנית מיועדת למהנדסי תוכנה, מומחי למידת מכונה ומובילי טכנולוגיה המעוניינים להעמיק באתגרים האמיתיים של עבודה עם AI בקנה מידה ארגוני.

השאלות הבולטות בארכיון

הAI לא טועה אתם פשוט משתמשים בו לא נכון [עושים תוכנה]

איך בונים תהליך חינוך טכני בעולם שמשתנה כל כך מהר ואין בו עדיין תורה סדורה?

איך באמת מריצים LLM בסקייל עצום? [עושים תוכנה]

מדוע אי אפשר להקצות את כל הזיכרון הזמין ב-GPU למודל עצמו, ומדוע נדרשים רכיבי זיכרון נוספים?

בינה מלאכותית בפרודקשן: מציאות מול דמיון [עושים תוכנה]

איך בונים מערכת מדידה דטרמיניסטית למערכת מבוססת AI שאינה דטרמיניסטית מטבעה?

3 פרקים = 3 מאמרים אפשריים. כל פרק בארכיון יכול להפוך למאמר עברי SEO/GEO שמדורג בגוגל ומצוטט במנועי AI.

כרטיס ביצועי התוכן המלא של עושים תוכנה Osim Tochna זה הפודקאסט שלי - דברו איתי זה הפודקאסט שלך? קבל גישה לדוח

נושאים שהתוכנית עוסקת בהם

בינה מלאכותית הייטק אמונה ותורה חינוך כסף אישי וחיסכון סייבר ואבטחה

פרקים עם ניתוח מלא

סיכום קצר

עמית בן דור מארח מהנדסים לשיחות עומק על מה שבאמת קורה כשמודלי AI ענקיים פוגשים פרודקשן - מ-GPU שלא מספיקים ועד אייג'נטים שנכשלים בלי להסביר למה.

בפרק על LLMs: מודל בקנה מידה של טריליוני פרמטרים דורש חומרה של מאות אלפי דולרים בחודש, ולא נכנס ל-GPU בודד או אפילו למכונה אחת
שורה שמסכמת פרק שלם על אייג'נטים: "השאלה היא לא איך למנוע שגיאות, אלא איך להפסיק להיות מופתעים מהן"
בפרק מסייברארק: מודל מולטימודל עלול להזות ולפרש שגוי גם קלט פשוט כמו פיקסל שחור, ויש מתח קבוע בין דיוק המודל לעלותו

"השאלה היא לא איך למנוע שגיאות, אלא איך להפסיק להיות מופתעים מהן." המשפט הזה, מאחד הפרקים על אייג'נטים, מתמצת את מה ש'עושים תוכנה' עושה טוב - לוקח את הפער בין ההדגמות המרשימות לבין מה שקורה כשהקוד פוגש משתמשים אמיתיים.

עמית בן דור מארח אנשי מקצוע מהתעשייה, והשיחות צוללות לפרטים שבדרך כלל לא נכנסים למצגת מכר.

בפרק על הרצת מודלי שפה גדולים, למשל, מתברר עד כמה זה יקר ומורכב: מודל בקנה מידה של טריליוני פרמטרים דורש חומרה של מאות אלפי דולרים בחודש, ולא תמיד נכנס אפילו למכונה אחת. מכאן כל האתגר ההנדסי של פיזור המודל בין מכונות.

ובפרק עם מהנדס מסייברארק עולה צד אחר של אותו עולם: מודל מולטימודל שמנתח קלט ויזואלי עלול להזות ולפרש שגוי גם פיקסל שחור פשוט, וכל זה תחת מתח קבוע בין דיוק לעלות.

זה פודקאסט מבית רשת עושים היסטוריה, למפתחים שרוצים לשמוע איך נראית ההנדסה האמיתית - גם לסקרנים שרק רוצים להבין מה באמת קורה מאחורי ה-AI.

תוכנה פיתוח קוד הייטק קריירה עושים היסטוריה

נכתב בעזרת AI על בסיס תיאור הפודקאסט. איך זה נעשה

הפרק האחרון24 בנובמבר 2025

קרסר - המדריך השלם [עושים תוכנה]

פרקים אחרונים

קרסר - המדריך השלם [עושים תוכנה]
24 בנובמבר 202538 דק׳
מלכודת המולטי קלאוד [עושים תוכנה]
17 בנובמבר 202525 דק׳
Gong מטמיעים AI למפתחים [עושים תוכנה]
3 בנובמבר 202554 דק׳
[עושים תוכנה] מתחת למכסה מנוע של AI
21 באוקטובר 202539 דק׳
סודות ההצפנה העתיקים [עושים תוכנה]
5 באוקטובר 202539 דק׳
מאחורי הקלעים של הבורד [עושים תוכנה]
21 בספטמבר 202532 דק׳
האם המתמטיקה נפלה לידי ה-Ai? | ד"ר מייק ארליכסון [עושים תוכנה[
31 באוגוסט 202642 דק׳
בינה מלאכותית בפרודקשן: מציאות מול דמיון [עושים תוכנה]
23 בפברואר 202641 דק׳
אמ;לקסיכום הפרק
רן משתף בתהליך פיתוח מערכת מבוססת מודלי שפה גדולים ומולטי-מודל בסייבר ארק, תוך התמודדות עם בעיות הזיות של המודל ועלויות גבוהות. הוא מדגיש את הפער בין הדמואים הנוצצים לבין המציאות המורכבת של הבאת מערכת AI לפרודקשן, הכוללת צורך במערכות מדידה דטרמיניסטיות וניהול סיכוני אבטחה. המרואיין מציע למפתחים לקחת אוויר ולא לרוץ אחרי כל טרנד טכנולוגי, תוך שימת דגש על ראייה רחבה ופתרון בעיות עסקיות אמיתיות.
קראו עוד ▾הציגו פחות ▴
- מדידת ביצועי מודלים לא דטרמיניסטיים מחייבת בניית מערכת מדידה פנימית (LLM as a judge) כדי להעריך שיפורים.
- פיתוח מערכות AI בסקייל גבוה דורש התמודדות עם עלויות אינגרס בענן ופינופס, שאינם באים לידי ביטוי בדמואים.
- הגנה על מערכות מולטי-מודל מפני התקפות פרומפט אינג'קשן מורכבת ודורשת שכבות הגנה נוספות (Guardrails) שמוסיפות עומס תפעולי.
- השימוש בסטנדרטים כמו MCP מאפשר אינטגרציה רחבה של כלים, אך מעלה סיכוני אבטחה משמעותיים הדורשים הגבלת רדיוס הנזק.
לניתוח המלא של הפרק ←הדפדפן שלך אינו תומך בנגן השמע.
הAI לא טועה אתם פשוט משתמשים בו לא נכון [עושים תוכנה]
1 ביוני 20261 שע׳ 6 דק׳
אמ;לקסיכום הפרק
סער כרמל מסביר כיצד להביא סוכני בינה מלאכותית לפרודקשן תוך התמקדות בחינוך טכני והבנת מגבלות המודלים. הוא מדגיש כי רוב הארגונים טרם מיצו את הפוטנציאל וכי עבודה נכונה דורשת התאמת כלים ספציפיים לצרכי הארגון. שלומית פלד מוסיפה כי בצוותי פיתוח מודרניים האחריות על הקוד נשארת בידי המפתח למרות השימוש המוגבר בכלים אוטומטיים.
קראו עוד ▾הציגו פחות ▴
- ידע תיאורטי על אופן פעולת מודלי שפה הוא תנאי הכרחי להצלחה לפני ניסיון לבנות מוצרים מורכבים.
- הטמעת סוכני AI צריכה להתחיל בצוותים טכניים כדי ליצור תשתית שתאפשר ללא-טכניים לעבוד איתם בהמשך.
- סוכני קוד דורשים ניהול קפדני של זיכרון וקונטקסט כדי למנוע ירידה בביצועים במשימות ארוכות.
- העברת קוד לשפות כמו Rust בעזרת סוכני בינה מלאכותית היא דרך יעילה ללמוד טכנולוגיות חדשות תוך כדי עבודה.
- סוכני בינה מלאכותית צריכים לעבוד בתוך סביבות עבודה קיימות כמו Slack כדי לאפשר פידבק אנושי שוטף.
לניתוח המלא של הפרק ←הדפדפן שלך אינו תומך בנגן השמע.
איך באמת מריצים LLM בסקייל עצום? [עושים תוכנה]
18 במאי 202641 דק׳
אמ;לקסיכום הפרק
הרצת מודלי שפה גדולים מחייבת פיצול המודל בין יחידות עיבוד גרפיות מרובות בשל דרישות זיכרון עצומות. ניהול יעיל של זיכרון ה-KV Cache ושימוש בטכניקות כמו Continuous Batching הם קריטיים לשיפור ביצועי המערכת. עלויות התפעול בענן עשויות להגיע למאות אלפי דולרים בחודש, מה שהופך את האופטימיזציה של תהליך ה-Inference למשימה מרכזית עבור מהנדסים.
קראו עוד ▾הציגו פחות ▴
- שימוש ב-KV Cache מאפשר חיסכון בחישובים חוזרים על חשבון צריכת זיכרון משמעותית.
- ארכיטקטורות מודלים מודרניות משתמשות במומחים (Experts) כדי להפעיל רק חלק קטן מהפרמטרים עבור כל טוקן.
- כלי אוטו-סקיילינג כמו Karpenter מאפשרים ניהול דינמי של שרתי ענן וחיסכון בעלויות באמצעות שילוב בין שרתי Spot ל-On-demand.
- התאמת הפריימוורק הנכון למודל ספציפי, כמו vLLM או SGLang, משפרת את מהירות התגובה באופן משמעותי.
- הבנה עמוקה של מחסנית התוכנה (Software Stack) והחומרה היא יתרון משמעותי למהנדסים בתחום ה-AI.
לניתוח המלא של הפרק ←הדפדפן שלך אינו תומך בנגן השמע.
בינה מלאכותית 2026. מה מצפה לנו? [עושים תוכנה]
9 בפברואר 202644 דק׳
אמ;לקסיכום הפרק
שיחה עם אורי אליבייב, מייסד קהילת MDLI, על ניתוח השנה שעברה ומה שמחכה ב-2026: עתיד ה-Agents, מודלי שפה קטנים (SLM), שוק העבודה המשתנה, המרוץ הסיני ב-Open Source והכיוון של הענקיות ב-GenAI. מתאים למי שרוצה תמונת מצב ומגמות בתחום ה-AI.
קראו עוד ▾הציגו פחות ▴
- מגמות 2026: עליית מודלי השפה הקטנים (SLM) והמרוץ הסיני ב-Open Source
הדפדפן שלך אינו תומך בנגן השמע.

לבעלי הפודקאסט

שיווק והכנסות מעושים תוכנה Osim Tochna: שאלות נפוצות

העמוד הזה נבנה אוטומטית מהפיד שלכם. אם אתם מנחים את התוכנית, אלה השאלות שאנחנו נשאלים הכי הרבה.

המלצה על פודקאסט: איך עושים תוכנה Osim Tochna מקבל המלצה ונמצא כאן?: פודקאסט·ישראל מושך את הפיד של עושים תוכנה Osim Tochna אוטומטית, ולכן העמוד הזה קיים בלי שביקשתם. מה שקובע אם מאזין חדש מגיע אליו הוא כמה טקסט אמיתי יש עליו: תיאור, תמלול, ניתוח פרקים ונושאים שאפשר לחפש לפיהם בקטגוריית הייטק וסטארטאפים. פרקים שעברו תמלול וניתוח מופיעים גם בעמודי הנושא ובמדריכים שלנו, ולכן הם מקבלים הרבה יותר חשיפה מפרק שיש לו רק כותרת. כך תוסיפו לפודקאסט שלכם את שכבת התוכן שמביאה את ההמלצות.
כיצד לשווק את הפודקאסט שלך בלי תקציב פרסום?: השיווק היחיד שעובד לאורך זמן לפודקאסט הוא להיות התשובה שמישהו חיפש. אודיו לבדו לא נמצא בחיפוש, אבל טקסט שנוצר מתוך האודיו כן, ולכן הדרך הזולה ביותר לשווק את עושים תוכנה Osim Tochna היא להפוך כל פרק לעמוד שאפשר לדרג ולשתף. אותו עמוד משמש גם ברשתות, בניוזלטר ובפניות לאורחים, במקום לינק לנגן שאף אחד לא פותח. הנה איך זה עובד בפועל ליוצרים.
כיצד להרוויח כסף מהפודקאסט שלך?: שלושת המסלולים המעשיים הם חסויות, מכירת השירות או המוצר שלכם דרך הפודקאסט, ומנוי או תוכן בתשלום. לכל אחד מהם מפרסם או לקוח מבקש לראות נכס מסודר, לא רק קובץ שמע: עמוד לכל פרק, נושאים ברורים ותנועה שמגיעה מחיפוש. 194 הפרקים של עושים תוכנה Osim Tochna הם המלאי שממנו בונים את הנכס הזה. ראו את המסלול שאנחנו מציעים ליוצרים.
למה הארכיון של עושים תוכנה Osim Tochna כמעט לא מופיע בגוגל וב-ChatGPT?: מנועי חיפוש ומודלים של AI קוראים טקסט, לא שמע. פרק שקיים רק כקובץ MP3 עם כותרת ושורת תיאור הוא מבחינתם עמוד כמעט ריק, ולכן ארכיון שלם יכול להיות בלתי נראה. ברגע שהפרק מתומלל ונכתב ממנו מאמר מסודר, יש למנוע מה לצטט וגם ל-ChatGPT ולפרפלקסיטי יש מקור להפנות אליו. כך הופכים ארכיון שקוף למקור שמצטטים.
מה מקבלים כש-194 הפרקים של עושים תוכנה Osim Tochna הופכים למגזין?: 194 פרקים = 194 מאמרים: אתר מגזין בעברית על הדומיין שלכם, מאמר לכל פרק עם תקציר, נקודות מפתח וציטוטים מתוך השיחה, וקישורים פנימיים בין הפרקים לפי נושא. כל מאמר מפרסם את עצמו אוטומטית ומצרף את נגן הפרק, כך שקורא שהגיע מחיפוש יכול להאזין באותו עמוד. המאמרים בעמודי הפרקים כאן נוצרו בדיוק בשיטה הזו, אז אתם רואים את התוצר לפני שאתם משלמים עליו. לפרטים המלאים ולדוגמאות בעמוד היוצרים.
כמה עבודה זה דורש מכם כמנחים?: אתם ממשיכים להקליט בדיוק כמו היום. התמלול, כתיבת המאמר, ההגהה הטכנית והפרסום רצים אוטומטית מתוך פיד ה-RSS של עושים תוכנה Osim Tochna, וגם פרקים חדשים נכנסים לבד. מה שנשאר לכם הוא לאשר את הטון ואת מה שלא מפרסמים. דברו איתנו דרך עמוד היוצרים.