Чему вы научитесь
- Строить REST API на FastAPI с асинхронностью и Dependency Injection. Работать с PostgreSQL через SQLAlchemy и управлять схемой через Alembic. Контейнеризировать приложения через Docker и оркестрировать сервисы через Docker Compose. Кешировать запросы через Redis и настраивать асинхронную обработку через Kafka. Собирать метрики через Prometheus и строить дашборды в Grafana.
- Создавать production-ready RAG-сервисы с гибридным поиском и векторными базами данных. Разрабатывать агентов на LangChain и LangGraph, добавлять память, строить мультиагентные системы и внедрять Human-in-the-loop.
- Внедрять чистую архитектуру с разделением на слои API → Service → Repository → DB, изолируя бизнес-логику от HTTP-слоя. Писать модульные и интеграционные тесты с pytest, обеспечивая покрытие кода и надёжность системы.
- Создавать production-ready RAG-сервисы с гибридным поиском (BM25 + Dense) и векторными базами данных (Qdrant). Разрабатывать агентов на LangChain и LangGraph, добавлять память, строить мультиагентные системы с супервизором и внедрять Human-in-the-loop.
- Создавать MCP-серверы с инструментами, ресурсами и промптами. Подключать их к любым AI-клиентам. Строить enterprise-архитектуры: Gateway, Proxy, Aggregator, Service Discovery, Rate Limiting, Caching и Retry Policies. Обеспечивать безопасность и наблюдаемость MCP-систем.
О курсе
Четыре практических курса от бэкенда до enterprise-архитектур. Вы построите production-ready сервис на FastAPI, создадите RAG-систему с LLM, разработаете мультиагентные системы на LangGraph и освоите MCP — стандарт для подключения AI к внешним данным. Вместо теории — сквозные проекты для портфолио. Четыре проекта и полный набор навыков AI-инженера.
Для кого этот курс
Курс создан для Python-разработчиков, которые хотят освоить профессию AI-инженера и научиться строить промышленные системы. Он идеально подходит тем, кто уже знаком с основами Python и хочет перейти от написания скриптов к созданию сложных распределённых систем.
Вам подойдёт, если вы:
1. Хотите освоить профессию AI-инженера с нуля
2. Уже знаете Python и хотите погрузиться в бэкенд и AI
3. Хотите собрать портфолио из четырёх полноценных проектов
4. Готовы писать код и разбираться в архитектурах на практике
5. Хотите понять, как работают LLM-приложения, агенты и MCP "изнутри"
Начальные требования
Для успешного прохождения курса вам понадобится:
Python: уверенный уровень — функции, классы, работа с JSON, базовое понимание асинхронности
API: понимание, что такое REST, HTTP-запросы, JSON
Терминал: базовые команды для работы с проектом
Всё остальное — Docker, базы данных, архитектура, LLM, агенты, MCP — вы изучите в процессе. Курс построен так, чтобы даже новичок в AI-инженерии мог пройти его от начала до конца.
Преподаватели курса
95
Что вы получите
- Production-ready сервис с полным стеком: FastAPI, PostgreSQL, Docker, Redis, Kafka, Prometheus и Grafana. Умеет обрабатывать запросы, кешировать данные, отправлять события и отображать метрики.
- Система для работы с документами: загрузка, разбиение на чанки, гибридный поиск (BM25 + Dense) и генерация ответов через OpenAI или Ollama.
- Команда AI-агентов с супервизором, краткосрочной и долгосрочной памятью, Human-in-the-loop и инструментами для решения сложных задач.
- Набор MCP-серверов с инструментами, ресурсами и промптами, а также Gateway, Proxy и Aggregator для production-среды.
Нагрузка
3-4 часов в неделю